基于遗传算法的移动机器人平滑路径规划研究.pdf

摘要 摘 要 移动机器人具有外界感知、导航和路径规划等功能，在完成其他任务前，机 器人必须能在此工作环境下灵活移动。因此，路径规划技术就显得尤为重要。作 为启发式算法的一种，遗传算法因具有良好的隐含并行性和全局搜索能力被广泛 应用到路径规划中，但其规划的路径中仍存在冗余节点和尖峰拐点等不足。为了 使机器人在规划的路径中行走时更为平滑连续，不因路径尖峰而频繁切换运动模 式，本文以移动机器人为研究对象，针对上述问题以遗传算法为基础展开研究， 具体工作如下： 首先，介绍了移动机器人路径规划的研究背景和现状，以及遗传算法、蚁群 算法等启发式算法的原理；分析了现存方法在路径规划过程中存在的问题，并利 用栅格法建立移动机器人的工作环境模型。 其次，针对遗传算法在路径规划过程中存在冗余节点和尖峰拐点的问题，提 出了一种基于遗传算法的机器人平滑路径规划方法。该方法将 Bezier 曲线引入 到遗传算法的初始及交叉、变异过程中，提升了路径的平滑性。并通过在全局静 态环境中进行仿真实验，结果证明了所提算法的有效性。 然后，针对上述算法在路径规划过程中因交叉、变异破坏路径的平滑性，导 致规划路径中仍存在拐点的问题，提出了一种改进遗传算法的机器人平滑路径规 划方法。该方法利用遗传算法求解 Bezier 曲线的控制点，减少了路径的二次优 化过程，且规划的路径更为平滑连续。并通过在静态环境中进行仿真实验，结果 证明了所提算法的有效性。 最后，针对动态环境下算法规划路径中存在冗余节点和尖峰拐点的问题，提 出了一种融合遗传蚁群的机器人动态路径规划方法。该方法通过在蚁群算法中引 入遗传算法，扩大解的搜索空间；并通过引入平滑算子，减少规划路径中的冗余 节点和尖峰拐点。并通过在动态环境中的仿真实验，验证了所提算法的有效性。 通过上述研究，提升了规划路径的平滑性，使机器人的移动更符合实际情 况，减少了机器人在按照规划路径行走时因急停、急剧转弯而造成的能量损失。 关 键 词：遗传算法；Bezier 曲线；路径规划；移动机器人 论文类型：应用基础研究 选题来源：国家重点研发计划项目(编号2016YFE0104600) ；河南省科技攻关 项目(编号172102410071) I 符号表 符号表 符号 说明 GA 遗传算法 ACO 蚁群算法 fit 适应度函数 num 栅格序号 mod 取余运算 ceil 取整运算 Bm (t) Bernstein 多项式 i obs 障碍物 起点 到终点T S →T