基于改进PSO算法的机器人路径规划及实验

作     者：康玉祥 姜春英 秦运海 叶长龙 KANG Yuxiang;JIANG Chunying;QIN Yunhai;YE Changlong

作者机构：沈阳航空航天大学机电工程学院辽宁沈阳110136 清华大学苏州汽车研究院江苏苏州215000 

出 版 物：《机器人》 (Robot)

年 卷 期：2020年第42卷第1期

页      面：71-78页

核心收录：

学科分类：081104[工学-模式识别与智能系统] 08[工学] 0811[工学-控制科学与工程] 

基　　金：沈阳市科技计划(F16-216-6-00) 

主　　题：路径规划 粒子群优化 移动机器人 梯度下降算法 自适应 

摘      要：针对粒子群优化(PSO)算法存在的优化精度低以及早熟的缺点,提出一种改进的PSO算法用于机器人路径规划.根据梯度下降法中变量沿负梯度方向变化的原则,提出了改进的粒子速度更新模型.为了提高粒子的搜寻效率及精度,增加了自适应粒子位置更新系数.引入ε贪心策略设计了改进的粒子群优化算法.在部分优化测试函数上的多次试验结果表明,所提算法较其他算法模型搜索精度至少提高2倍,收敛速度也有大幅度的提升.将所提算法和改进的DC-HPSO(动态聚类混合粒子群优化)算法应用于静态障碍物下的路径规划仿真和实际试验,结果表明所提模型具有高精度、高效率、高成功率的优点.