基于改进蚁群算法的机器人路径规划研究

作     者：刘子厚 

作者单位：安徽理工大学 

学位级别：硕士

导师姓名：姜媛媛

授予年度：2023年

学科分类：08[工学] 080202[工学-机械电子工程] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 

主      题：移动机器人 路径规划 ACO APF 动态窗口法 动态避障 

摘      要：当今世界是科技化、信息化的世界,人工智能业已成为最热门的研究课题,机器人技术也逐渐成为人类生产生活不可或缺的一部分。为了提高机器人的自主导航性能,无数专家学者纷纷投入大量的精力,而这其中,最关键的便是移动机器人的路径规划技术。故而深入研究机器人路径规划算法对于机器人领域的发展至关重要,同时也能够促进人类社会的发展向前。为系统研究机器人路径规划问题,本文采用蚁群算法(Ant Clony Optimization,ACO)为研究对象,主要研究内容如下:(1)针对传统蚁群算法前期搜索结果较差并且易受到其余不采用解的残存信息素影响而导致算法收敛情况不理想问题,本文提出一种基于改进蚁群算法的全局路径规划方法。首先利用双向粒子群算法优化蚁群算法的初始信息素分布来加速算法收敛;其次针对算法距离启发函数对目标点的可视性差且忽略多路况问题,引入路径距离与平滑性评价的启发信息重构多因子启发函数,克服传统算法局限性;随后本文引入个体自适应机制来提高算法适应能力,解决算法种群的多样性弱问题;进一步对信息素更新策略引入随机惯性因子使其能够更快收敛;最后对整体的全局路径进行了平滑处理。从性能与仿真实验结果可以看出,本文创新后的算法的有效性。(2)针对二维栅格地图环境信息理想化导致的算法实用性低的问题,本文将改进后蚁群算法环境地图变更为三维地图以此检验算法性能;并且针对在三维路径规划空间中改进蚁群算法出现的灵活性衰弱以及在障碍物表面不断震荡而无法收敛等问题,本文提出了结合人工势场法(Artificial Potential Field,APF)优势的融合蚁群算法;且针对传统人工势场法由于欲达之处周围近点的障碍负面影响致使机器人难以进入终点的问题,本文引入了机器人自身相对障碍物弱引力场机制,在斥力势场函数中加入机器人相对障碍物弱引力场斥力修正函数,避免了震荡现象。通过仿真实验验证,本文提出的算法在三维空间机器人路径规划中表现优越。(3)针对蚁群算法在面对动态障碍物时产生的避障不及时碰撞问题,本文选取动态窗口法来作为弥补这一不足点的应对策略完成局部规划任务,并针对传统动态窗口法避障不及时而最终致使规划路径冗长、耗时久的问题,本文在评价函数原始基础上变更了更为优势的距离评价指标,实验证明本文提出的蚁群融合改进动态窗口算法在遭遇动态障碍物时卓越的避障能力与全局路径规划效率。图[31]表[6]参[81]