【路径规划】基于matlab人工势场算法多机器人协同编队避障路径规划【含Matlab源码 1192期】

您所在的位置:网站首页 多智能体一致性matlab仿真 【路径规划】基于matlab人工势场算法多机器人协同编队避障路径规划【含Matlab源码 1192期】

【路径规划】基于matlab人工势场算法多机器人协同编队避障路径规划【含Matlab源码 1192期】

2024-07-14 09:24| 来源: 网络整理| 查看: 265

✅博主简介:热爱科研的Matlab仿真开发者,修心和技术同步精进,Matlab项目合作可私信。 🍎个人主页:海神之光 🏆代码获取方式: 海神之光Matlab王者学习之路—代码获取方式 ⛳️座右铭:行百里者,半于九十。

更多Matlab仿真内容点击👇 Matlab图像处理(进阶版) 路径规划(Matlab) 神经网络预测与分类(Matlab) 优化求解(Matlab) 语音处理(Matlab) 信号处理(Matlab) 车间调度(Matlab)

⛄一、简介

基于matlab人工势场算法多机器人协同编队避障路径规划

⛄二、部分源代码

function [ output_args ] = formation_avoidance3( input_args ) %% 初始化 位置pose、速度V、加速度控制量control init_f=[-3 -6 0; %%%[x y th] -5 6 0; 2 4 pi/4; 5 -3 -pi/4; 3 0 pi/2]; pose_x=init_f(:,1); pose_y=init_f(:,2); pose_th=init_f(:,3); %% follower相对leader的位置 delta_x=[-2 -6 -2 -6 0]; % 相对间隔误差 delta_y=[4 4 -4 -4 0]; %领航者与自己无误差

fol_num=4; N=5; % 4follower and 1 leader countmax=2000; dt=0.1; gama=3; di=0.02; %%%重心偏移 单位m K0=0; %%% 直线K1 K2都设在0.2左右 k3=0 %%% 圆不考虑K2=0 K1,K3设为0.2左右 K1=1;%%%位置偏差线速度调节 K2=1;%%位置偏差角速度调节 K3=0.01;%%朝向偏差角速度调节

% %% 通信拓扑图:1-4行为follower 最后一行为leader A=[0 1 1 1 1; % a(ij) 0 0 0 0 1; 0 0 0 1 1; 0 0 1 0 1; 0 0 0 0 0]; % %% 通信拓扑图:1-4行为follower 最后一行为leader % A=[0 0 0 0 1; % a(ij) % 0 0 0 0 1; % 0 0 0 0 1; % 0 0 0 0 1; % 0 0 0 0 0]; A=[0 1 1 1 3; % a(ij) 0 0 0 0 3; 0 0 0 1 3; 0 0 1 0 3; 0 0 0 0 0];

linear_v(:,1)=[0;0;0;0;1]; angular_w(:,1)=[0;0;0;0;1]; k=0; % 最高速度m/s],最高旋转速度[rad/s],加速度[m/ss],旋转加速度[rad/ss]] Kinematic=[1.5,toRadian(60.0),0.5,toRadian(50.0)];%% 运动限制 error_temp(1:fol_num,1:4)=0;%%行为follower个数、列为两个时刻的x,y偏差 in_degree=sum(A,2); %% 开始循环 走顺时针圆周

% figure; for count=1:countmax k=k+1; linear_v(N,k+1)=linear_v(N,k);%领航者速度不变 angular_w(N,k+1)=angular_w(N,k); % if count500 % linear_v(N,k+1)=0.5;%领航者速度不变 % angular_w(N,k+1)=0.5; % end % if count1000 % linear_v(N,k+1)=0.5;%领航者速度不变 % angular_w(N,k+1)=0; % end

for i=1:fol_num sum_delta_x=0; sum_delta_y=0; for j=1:N %%考虑邻居对它的影响 if k==1 temp_x=0; temp_y=0; else temp_x=(pose_x(j,k)-pose_x(j,k-1))/dt; temp_y=(pose_y(j,k)-pose_y(j,k-1))/dt; end sum_delta_x=sum_delta_x+A(i,j)*(temp_x+gama*((pose_x(j,k)-pose_x(i,k))-(delta_x(j)-delta_x(i)))); sum_delta_y=sum_delta_y+A(i,j)*(temp_y+gama*((pose_y(j,k)-pose_y(i,k))-(delta_y(j)-delta_y(i)))); end sum_delta_x=sum_delta_x/in_degree(i); sum_delta_y=sum_delta_y/in_degree(i); linear_v(i,k+1)=cos(pose_th(i,k))*sum_delta_x+sin(pose_th(i,k))*sum_delta_y; angular_w(i,k+1)=(-sin(pose_th(i,k))*sum_delta_x+cos(pose_th(i,k))*sum_delta_y)/di; u_old=[linear_v(i,k);angular_w(i,k)]; u=[linear_v(i,k+1);angular_w(i,k+1)]; %%%加入速度限制 u=limit(u_old,u,Kinematic); old_position=[pose_x(i,k);pose_y(i,k);pose_th(i,k)]; new_position=motion(old_position,u,dt); pose_x(i,k+1)=new_position(1)-di*cos(new_position(3)); pose_y(i,k+1)=new_position(2)-di*sin(new_position(3)); pose_th(i,k+1)=new_position(3); end %% 更新领航者 old_position=[pose_x(N,k);pose_y(N,k);pose_th(N,k)]; u=[linear_v(N,k+1);angular_w(N,k+1)]; new_position=motion(old_position,u,dt); pose_x(N,k+1)=new_position(1); pose_y(N,k+1)=new_position(2); pose_th(N,k+1)=new_position(3); tt_x(1:4,k)=pose_x(5,k); error_x(:,k)=tt_x(1:4,k)-pose_x(1:4,k)+(delta_x(1:4))'; tt_y(1:4,k)=pose_y(5,k); error_y(:,k)=tt_y(1:4,k)-pose_y(1:4,k)+(delta_y(1:4))'; function interpoint( x1,y1,x2,y2,x3,y3,colo,lstyle)

%UNTITLED2 此处显示有关此函数的摘要 % 此处显示详细说明 if (nargin6) colo=‘k’; lstyle=‘:’; end syms k b m n x y; if(x1x2)%x1x2直线斜率不存在 solx=x1; soly=y3; elseif(y1y2)%x1x2直线斜率为0 solx=x3; soly=y1; else solk=(y2-y1)/(x2-x1); solb=y2-solkx2; solk1=-1/solk; solb1=y3-solk1x3; solx=(solb1-solb)/(solk-solk1); soly=solksolx+solb; % [solx,soly] = solve(solk1x-y+solb10,solk*x-y+solb==0,x,y); end line([x1,solx],[y1,soly],‘color’,colo,‘linestyle’,lstyle); line([x3,solx],[y3,soly],‘color’,colo,‘linestyle’,lstyle); end

⛄三、运行结果

在这里插入图片描述 在这里插入图片描述

⛄四、matlab版本及参考文献

1 matlab版本 2014a

2 参考文献 [1]钱程,许映秋,谈英姿.A Star算法在RoboCup救援仿真中路径规划的应用[J].指挥与控制学报. 2017,3(03)

3 备注 简介此部分摘自互联网,仅供参考,若侵权,联系删除

🍅 仿真咨询 1 各类智能优化算法改进及应用 生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化

2 机器学习和深度学习方面 卷积神经网络(CNN)、LSTM、支持向量机(SVM)、最小二乘支持向量机(LSSVM)、极限学习机(ELM)、核极限学习机(KELM)、BP、RBF、宽度学习、DBN、RF、RBF、DELM、XGBOOST、TCN实现风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

3 图像处理方面 图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

4 路径规划方面 旅行商问题(TSP)、车辆路径问题(VRP、MVRP、CVRP、VRPTW等)、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、车辆协同无人机路径规划、天线线性阵列分布优化、车间布局优化

5 无人机应用方面 无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配

6 无线传感器定位及布局方面 传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化

7 信号处理方面 信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化

8 电力系统方面 微电网优化、无功优化、配电网重构、储能配置

9 元胞自动机方面 交通流 人群疏散 病毒扩散 晶体生长

10 雷达方面 卡尔曼滤波跟踪、航迹关联、航迹融合



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3