摘要：

为了提高机器人在全局静态环境下路径规划的速度,本文提出了一种基于人工蜂群算法的机器人路径规划算法。该算法将蜜蜂分为侦察蜂、跟随蜂和引领蜂并分别实施不同的搜索策略。为了提高算法的环境适应性和搜索多样性,侦察蜂采用大步长在环境中进行花源搜索,以快速寻找最佳目标点;为了加快算法的搜索速度,同时使算法向最优路径收敛,使用跟随蜂进行局部路径搜索,以距离最近策略进行下一节点选择。大量仿真实验结果表明,该算法能在不同环境下规划出全局最优或近似最优路径,比相近的规划算法速度更快,效率更高。 为了解决在具有类似连续障碍等更为复杂环境下的机器人路径规划问题,对上述算法进行了进一步改进。该改进算法引入了小步长侦察蜂策略,以使算法能够更加充分的利用周围环境信息。根据每个可行方向侦察到的障碍物分布信息对候选节点进行评估,选择风险最低的节点作为下一步节点,以降低机器人遇到陷阱障碍的可能性。仿真实验表明,该算法具有较高的收敛速度和较强的环境适应能力,可在复杂的静态障碍环境中,迅速规划出一条安全避碰的优化路径。 为了解决动态未知环境下的机器人路径规划问题,提出了一种基于人工蜂群算法的机器人路径滚动规划避碰算法。该算法主要分为两部分:第一部分是,机器人实时探测其周围信息,以滚动优化策略完成环境未知下路径规划任务;第二部分是在规划的同时避开环境中的动态障碍物,机器人首先判断当前视野域内是否有动态障碍物出现并进行碰撞预测,为避免预测可能出现的碰撞危险,提出了一种动态障碍避碰策略和特殊情况下避碰规则。仿真实验表明,该算法能够成功避开环境中的动、静态障碍物,沿着一条近似最优路径到达终点。

展开