基于群智能优化算法的路径规划研究及应用
现如今，路径规划的应用领域正在逐步拓宽，已经成为了某些行业发展的关键技术之一。然而，传统的研究主要停留在对静态环境下的全局路径规划问题的算法分析与改进，在面对复杂的动态环境改进算法却难以较好的实现预期目标。本文针对全局路径规划算法普遍存在的搜索能力差、易陷入局部最优、无法进行动态避障等问题。通过将蚁群算法和滚动窗口法进行结合，提出了一种可在复杂动态环境下完成路径规划任务的融合算法，旨在更好的解决该类问题并提高实际生产效率。 本文首先对三种常见且性能优良的群智能算法的原理进行系统分析。通过仿真实验对比三种算法在静态环境下的全局路径规划结果。从算法的主要应用领域和算法整体性能等方面综合考量，最终我们选取鲁棒性较好，搜索能力强的蚁群算法进行改进优化。该算法中引入了回退策略并对参数进行动态调整以提升算法搜索能力，避免算法陷入局部最优。同时为最大限度的缩短路径长度对路径结果进行二次规划。为解决局部路径规划问题，本文对比了滚动窗口法和人工势场法的优缺点，最终选取了实时性更好的滚动窗口法并以此为基础提出了二级安全距离判定规则，辅助执行动态避障策略。 基于选取的蚁群算法和滚动窗口法，本文经过合理优化后进行了算法融合。充分发挥改进的蚁群算法与滚动窗口法各自的性能优势，进而处理复杂环境中的路径规划难题。 为验证算法的实际功能效果，本文通过Gazebo平台创建的三维场景进行仿真实验。实验中选取Turtlebot机器人作为研究对象，并在环境中设定相应的静态和动态障碍物。实验结果表明，Turtlebot机器人可以在行进中躲避障碍并顺利到达指定区域，达到目标要求，进一步验证了融合算法的有效性和实用性。
路径规划;蚁群算法;滚动窗口法;融合算法;Gazebo仿真实验平台
北京化工大学
硕士
控制科学与工程
靳其兵
2022
中文
TP18;TP391.41
2022-11-02（万方平台首次上网日期，不代表论文的发表时间）