BiRRT-ACO融合算法在机器人路径规划中的应用研究

发布时间：2021-06-24 00:34

　　随着机器人领域相关技术的不断创新和发展,各式各样的机器人大量涌现,机器人的应用场景越来越复杂,对机器人技术的要求也随之越来越高。路径规划技术作为机器人技术研究中不可或缺的一个组成部分,有着非常重要的研究和应用价值,在机器人领域备受国内外学者的关注和青睐。本文针对静态复杂环境下的路径规划问题,提出一种BiRRT-ACO融合算法来提高机器人路径规划的性能,该算法充分利用了BiRRT算法快速性和ACO算法信息素正反馈机制的优势,通过对两种算法进行多策略优化和融合,得到一种适用于机器人路径规划的快速、稳定、高效的新算法。本文所做的研究工作包括:（1）改进Bi-RRT算法和改进ACO算法。通过对Bi-RRT算法和ACO算法的深入研究和分析,发现这两种算法自身都存在一些不足之处,Bi-RRT算法求解稳定性差、求解效果不佳,ACO算法搜索时间长、易陷入局部最优,导致了最终规划得到的路径质量差。为了改善这种情况,本文在Bi-RRT算法节点扩展的方向性和路径平滑性方面进行改进,在ACO算法的状态转移方式和信息素更新方式上进行优化,这样减少了两种算法搜索路径的时间,大大提高了路径平滑度和路径质量。（2）B... 

【文章来源】：河南大学河南省

【文章页数】：63 页

【学位级别】：硕士

【部分图文】：

蚁群算法基本原理描述示意图

进来克服其缺陷带来的不良影响，并进于路径规划问题。路径规划方法之前，先采用栅格法进行环进行栅格量化，从而转换成可理解的数学析。处的带障碍物的环境区域，机器人可以向，以其左下角为坐标原点，下边界为 X 轴水平、竖直两个方向上的移动步长为 a，，进一步可知，X 轴上的栅格个数xN = X格地图如图 3-1 所示（图中十字形部分

使其弥补蚁群算法在前期搜索时缺失信息素带来的影响，发解决蚁群算法中搜索时间过长的问题，同时将陷阱节点作为路径陷径之前更新环境地图，提前标识地图中陷阱所在位置，使得蚂蚁地图中存在的陷阱，最后利用改进 ACO 算法的信息素正反馈特RT-ACO 融合算法能够达到优势互补的效果，在时间消耗方面优量上优于双向搜索树算法，能达到时间效率和求解质量上的双赢法的总体设计框架如图 3-3 所示。


本文编号：3245984