[发明专利]一种基于人工势场算法的多智能体集群避障方法

权利要求书

1.一种基于人工势场算法的多智能体集群避障方法，其特征在于：包括以下步骤：

S1.明确初始信息，包括地图信息和智能体初始信息；

S2.设计人工势场函数；

S3.利用坐标转换，设计单纯施加法向控制力的人工势场算法；

S4.增加一个速度负反馈；

S5.进行仿真试验。

2.根据权利要求1所述的一种基于人工势场算法的多智能体集群避障方法，其特征在于：所述S1的初始信息具体包括：目标点坐标q_g，障碍物个数及其坐标q_r，智能体个数及其起始坐标q，各智能体初速度V₀。

3.根据权利要求1所述的一种基于人工势场算法的多智能体集群避障方法，其特征在于：所述S2.设计人工势场函数，根据人工势场算法原理，设计各部分势场函数U，并根据势场函数的负梯度，即F＝-▽U，得到各部分对应的势场力F，具体包括以下步骤：

S21.目标点引力势场函数U_att、目标点引力F_att：

U_att＝k_att×(q-q_g)²/2；

F_att＝-▽U_att＝-k_att(q-q_g)；

其中，U_att为目标点的引力场，k_att为引力系数，q为当前智能体的位置，q_g为目标点位置；

S22.障碍物斥力势场函数U_rep、障碍物斥力F_rep：

其中，k_rep为斥力系数，q_r为障碍物位置，d_r为障碍物的斥力影响距离；

S23.虚拟中心引力势场函数U_attmid、虚拟中心引力F_attmid：

U_attmid＝k_att×(q-q_mid)²/2；

F_attmid＝-▽U_attmid＝-k_att(q-q_mid)；

其中，U_attmid为虚拟中心的引力场，k_att为引力系数，q为当前智能体的位置，q_mid为虚拟中心的位置；

虚拟中心取为所有智能体的中心点：

S24.智能体斥力势场函数U_repi、智能体斥力F_repi：

其中，U_repi为智能体斥力势场，q_i为施加斥力的智能体的位置，d₀为智能体的影响距离。

4.根据权利要求3所述的一种基于人工势场算法的多智能体集群避障方法，其特征在于：所述S2还包括S25.优先距离约束任务的改进：

当多智能体运动过程中存在智能体与虚拟中心的距离大于某一值时，需要减小目标点对智能体的引力，使智能体优先满足距离约束。

即智能体受到目标点的引力为：

其中d为设定的优先进行距离约束的距离。

5.根据权利要求1所述的一种基于人工势场算法的多智能体集群避障方法，其特征在于：所述S3具体为，利用坐标转换，将依照S2人工势场算法所得到的控制力转换为单纯施加法向控制力的人工势场算法；其转换方式为：

其中，为控制力在地面坐标系的坐标表示，为控制力在弹道坐标系上的坐标表示，为更新后的单纯施加法向控制力方法的控制力；

同时，为避免特殊情况下人工势场算法失效的问题，加入一个附加系数k到控制力中，最终更新后的控制力为：

6.根据权利要求1所述的一种基于人工势场算法的多智能体集群避障方法，其特征在于：所述S4具体为：为增加智能体运行稳定性，为控制力部分增加一个速度负反馈，最终智能体运动过程中所受合力为：

F＝F_att+F_rep+F_attmid+F_repi-k_v*V；

其中，V为智能体速度，k_v为速度反馈系数。