龙源期刊网 http://www.qikan.com.cn
未知动态环境下移动机器人路径规划方法研究
作者：徐美清
来源：《信息技术时代·中旬刊》2019年第02期
基金项目：2018年湖南省教育厅科学研究项目“未知动态环境下移动机器人地图创建和路径规划研究”（18C1531）
摘要：将SPSO算法和PSOCF算法混合，提出一种惯性权重动态调整的混合粒子群算法（DHPSO），借助MATLAB仿真实验平台，进行动态环境下路径规划仿真实验，验证算法的有效性及适应性。然后，将DHPSO算法应用于未知动态环境下移动机器人局部路径规划，以提高路径规划效率，实现未知动态环境下的安全避障，保证移动机器人能以较大概率搜索到近似最短的平滑路径。
关键词：移动机器人；DHPSO算法；路径规划
移动机器人是一种将信息感知、动态决策、行为控制等功能集中于一体的高智能化系统。移动机器人在家庭服务、野外勘探、智能交通、太空探索、深海探测、医疗康复等领域都具有广泛的研究前景。在这些领域中，移动机器人面对的是动态、未知、非结构化的环境，为完成上述复杂环境下的工作任务，移动机器人应具备基本的自主导航能力，而路径规划是移动机器人实现自主导航需要解决的关键问题，是移动机器人完成其它任务的基础。
路径规划的目的就是让机器人从当前位置移动到某一目标位置，并且在这个过程中保证机器人和周围环境的安全。目前，已知静态环境下的路径规划方法已趋于成熟，但实际工作中移动机器人面临的多是未知动态环境，而现有未知动态环境下的路径规划方法，往往只侧重于“可行性”，却忽略了规划路径的“长度”及“平滑性”等性能目标要求，这就导致移动机器人的运动不够平滑高效。
1.现有路径规划方法存在的问题 （1）误差问题
未知动态环境中，移动机器人对环境大小、障碍物形状及位置等信息一无所知，这些信息都必须依靠机器人自身所携带的传感器来获取，传感器本身存在系统误差，同时周围环境中还存在噪声干扰，如果不对这些误差、干扰进行修正，这些误差将不断累积并扩大。 （2）平滑问题
龙源期刊网 http://www.qikan.com.cn
未知动态环境中，障碍物的外形尺寸、运动速度等对移动机器人的路径规划存在影响，现有路径规划方法所规划出来的路径存在折线过多，转折次数过多等问题，限制了移动机器人的平滑运动。
2.双种群混合粒子群算法分析
针对标准粒子群算法（SPSO）全局收敛性较强但收敛速度慢，压缩因子粒子群算法（PSOCF）收敛速度快但容易陷入局部最优解的问题，将SPSO算法和PSOCF算法混合，提出一种惯性权重动态调整的混合粒子群算法（DHPSO），算法流程如图1所示。
选取单模态Sphere函数及多模态Alpine函数进行仿真对比实验，验证DHPSO算法在搜索效果及收敛速度方面的有效性。选取的是惯性权重随迭代次数递减的标准粒子群算法（SPSO）和压缩因子粒子群算法（PSOCF），具体的参数设置如下表1所示。
Matlab仿真结果如图2、图3所示，从仿真结果可以看出，DHPSO收敛速度是最快的，同时找到最优解的概率也是最高的。 3.结语
DHPSO算法，种群一使用SPSO算法进行迭代，种群二使用PSOCF算法进行迭代，每隔一定的迭代次数，对两个种群进行混合处理，它综合了SPSO和PSOCF的优点，收敛精度高并且找到最优解的概率较高，将其应用于路径规划中，可以满足路径规划实时性、安全性及平滑性要求。 参考文献
[1]刘丹，段建民，于宏啸.基于自适应渐消EKF的Fast SLAM算法[J].系统工程与电子技术，2016（3）.
[2]康亮，趙春霞.未知环境下改进的基于BUG算法的机器人路径规划[J].系统仿真学报，2009（14）.
[3]徐美清，孙晨亮.移动机器人路径规划方法研究[J].科技信息.2012（35）.
作者简介：徐美清（1982.03-），女，湖南益阳人，硕士研究生，湖南铁路科技职业技术学院讲师，研究方向：移动机器人导航控制。