移动机器人路径规划智能算法研究.pdf

摘要

摘要

第四次科技革命的到来，使得移动机器人在日常生活中的应用越来越普及，逐渐

渗透到人们从事的各行各业中。作为移动机器人完成作业的关键内容，高效的路径规

划尤为重要。即移动机器人在作业中，可自主避开途中妨碍其正常运动各种威胁与障

碍，降低路径规划中运动停滞率。因此，高性能路径规划正是当下亟需实现的问题。

为应对上述移动机器人规划路径时所产生问题，可以考虑通过算法优化，使得移

动机器人运动过程中实现自主避障和最短路径的统一。本文针对移动机器人路程规划

算法中基于不同环境条件下，经典智能A星（A-star）算法存在规划路径长度长、粒

子群算法易早期陷入局部最优等问题，对算法进行改进与仿真。仿真结果表明，改进

算法弥补经典智能算法的不足，并应用在复杂环境下得到一条长度更短的路径，通过

算法数据比对，证明了算法的有效性。全文主要进行以下方面的工作内容：

（1）阐述了移动机器人在路径规划时考虑到障碍物的模型时的环境建模，并说

明其执行任务时的威胁模型。概括了移动机器人路径规划算法分类，阐述了五种经典

算法：蚁群算法、快速拓展树算法、人工势场算法、经典智能A星算法以及智能粒子

群算法，并通过算法相应的图像实现，表述了算法的优劣势特点。为本文涉及的两种

复杂环境下，选取A星算法以及智能粒子群算法作为算法研究改进对象作理论铺垫。

（2）针对小范围复杂环境，利用MATLAB对存在障碍物的环境进行低维度栅格

建模处理。在全局规划方面，为改善经典智能A星算法搜索效率低、路径节点丰富的

问题，通过全卷积插值得到含核或去核模型；在局部规划方面，利用多重归化算法，

在满足移动机器人拐角约束的情况下摒弃冗余节点，归纳出改进算法伪代码并进行实

验仿真。仿真结果表明，改进后路径长度相较缩短、节点相较减少，证明了改进算法

的有效性。

（3）针对广域复杂环境，利用MATLAB对存在障碍物的环境进行几何化建模处

理，分析头脑风暴算法原理以及改进算法关键步骤，得出头脑风暴算法融合粒子群算

法的可行性方案并进行数学归纳和方程表示。为应对经典智能粒子群算法在路径规划

时，存在低迭代次数下陷入局部最优、收敛精度低的问题。借鉴人脑的思维机制，充

分利用个体与群体之间的有效信息，提高粒子群算法种群丰富度，跳出局部最优，实

现全局最短路径。此外，通过基于膨胀原理的局部路径改进，提高了算法规划路径的

安全可靠性能，保证该过程中移动机器人实现安全避障的目的。通过MATLAB实验

仿真结果表明，改进后路径长度高效稳定，证明了改进算法的可行性。

关键词：移动机器人路径规划A星算法粒子群算法头脑风暴算法

I

Abstract

Abstract

Theadventofthefourthscientificandtechnologicalrevolutionhasmadethe

applicationofmobilerobotsmoreandmorepopularindailylife,andgraduallypenetrated

intoallwalksoflifethatpeopleareengagedin.Asthekeycontentofthemobilerobotto

completethejob,itisparticularlyimportanttoensuretheefficiencyofpathplanning.That

is,themobilerobotcanautonomouslyavoidvariousthreatsandobstaclesthathinderits

normalmovementduringoperation,andreducethestagnationrateofmovementinpath

planning.Therefore,