🚅座右铭：行百里者，半于九十。

🏆代码获取方式：
CSDN Matlab武动乾坤—代码获取方式

更多Matlab路径规划仿真内容点击👇
①Matlab路径规划（进阶版）

⛳️关注CSDN Matlab武动乾坤，更多资源等你来！！

1 人工势场算法
人工势场法是由Khatib于1985年在论文《Real-Time Obstacle Avoidance for Manipulators and Mobile Robots》中提出的一种虚拟力法。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。

算法思想
（1）人工势场法的基本思想是在障碍物周围构建障碍物斥力势场，在目标点周围构建引力势场，类似于物理学中的电磁场。

（2）被控对象在这两种势场组成的复合场中受到斥力作用和引力作用，斥力和引力的合力指引着被控对象的运动，搜索无碰的避障路径。

（3）更直观而言，势场法是将障碍物比作是平原上具有高势能值的山峰，而目标点则是具有低势能值的低谷。

2 人工势场算法车辆避障路径规划
人工势场算法是一种基于势能场的路径规划方法，它通过构建势能场来实现车辆的避障和路径规划。具体来说，它将车辆看作一个带电粒子，将障碍物看作一个带同性电荷的粒子，通过计算粒子间的相互作用力，来实现车辆的避障和路径规划。以下是人工势场算法车辆避障路径规划的步骤：
（1）构建势能场
首先，需要构建势能场，将车辆和障碍物看作带电粒子，通过计算粒子间的相互作用力，来构建势能场。其中，车辆的势能为负，障碍物的势能为正。

（2）计算合力
根据势能场，可以计算出车辆所受到的合力，即车辆所处位置的梯度方向。合力的方向指向势能下降最快的方向。

（3）更新车辆位置
根据车辆所受到的合力，可以更新车辆的位置，使车辆向势能下降最快的方向移动。

（4）重复上述步骤
重复上述步骤，直到车辆到达目标点或者无法到达目标点。

%Environment code
clf;
close all;
clear;
% Defining Goal position of the UAV.
%goal = [185,120,20];
goal = [120, 90, 20];
% Defining intial position of the UAV.
start = [30,30,0];
% Buildings Position
% Cpos[2]= 60,90,60
%Cpos = [70,50,60; 20,60,40; 110,60,60; 140,40,50; 180,190,60; 30,180,60;100,20,30; 30,110,20; 150,100,35; 70,160,40; 110,140,20];
Cpos = [80, 60, 60; 60,20,50; 30,80,60];
Robot_Coordinate = [3 3] ;% Rabot Coordinate = [x-axis y-axis]
Obstacle1_Coordinate = [8 6] ;% Obstacle1 Coordinate = [x-axis y-axis]
Obstacle2_Coordinate = [6 2] ;% Obstacle2 Coordinate = [x-axis y-axis]
Obstacle3_Coordinate = [3 8] ;% Obstacle3 Coordinate = [x-axis y-axis]
Goal_Coordinate = [9 9] ;% Target Coordinate = [x-axis y-axis]

figure; hold on
x = 0:4:200;
y = 0:4:200;
xlabel(“x”);
ylabel(“y”);
zlabel(“z”);
xlim([0 200]);
ylim([0 200]);
zlim([0 100]);
radius = [6;4;9;7;5;5;6;4;9;7;5]; % Radius of the buildings
create_cylinder(radius(1,1),Cpos(1,:),[0.25, 0.58, 0.96]) %[Radius, X-position, Y-position, Color]
create_cylinder(radius(2,1),Cpos(2,:),[0.25, 0.58, 0.96])
create_cylinder(radius(3,1),Cpos(3,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(4,1),Cpos(4,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(5,1),Cpos(5,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(6,1),Cpos(6,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(7,1),Cpos(7,:),[0.25, 0.58, 0.96]) %[Radius, X-position, Y-position, Color]
% create_cylinder(radius(8,1),Cpos(8,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(9,1),Cpos(9,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(10,1),Cpos(10,:),[0.25, 0.58, 0.96])
% create_cylinder(radius(11,1),Cpos(11,:),[0.25, 0.58, 0.96])
grid on;
text(start(1,1)-1, start(1,2), start(1,3)+2," ˳ ʼλ “)
plot3(start(1,1), start(1,2), start(1,3),‘MarkerSize’,10,“Marker”,”*",“Color”,“cyan”)
text(goal(1,1), goal(1,2), goal(1,3)+2,“Target”)
plot3(goal(1,1), goal(1,2), goal(1,3),‘-s’,‘MarkerSize’,10,‘MarkerFaceColor’,‘green’)

1 matlab版本
2014a

2 参考文献
[1]吕春峰.基于人工势场法机器人小车避障的研究[J].昆明理工大学学报(自然科学版) .2005

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