文献类型：期刊文章

作　　者：张强[1] 陈兵奎[2] 刘小雍[1] 刘晓宇[1] 杨航[1]

ZHANG Qiang;CHEN Bingkui;LIU Xiaoyong;LIU Xiaoyu;YANG Hang(College of Engineering and Technology,Zunyi Normal College,Zunyi 563006,China;State Key Laboratory of Mechanical Transmission,Chongqing University,Chongqing 400044,China)

机构地区：[1]遵义师范学院工学院,遵义563006 [2]重庆大学机械传动国家重点实验室,重庆400044

出　　处：《农业机械学报》

基　　金：贵州省科技计划项目(黔科合LH字[2016]7004号;黔科合LH字[2017]7081号;黔科合LH字[2017]7082号);贵州省教育厅项目(黔教合KY字[2016]254号)

年　　份：2019

卷　　号：50

期　　号：5

起止页码：23-32

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：首先,针对传统人工势场算法存在死锁及局部路径欠优等问题,对其进行改进。利用障碍物检测算法识别出有效障碍物和有效路径中间点,通过引力场和边界条件规划出起点到中间点的局部路径,将中间点置为新的起点进行反复迭代,直至起点与目标点重合则规划完成。其次,针对蚁群算法容易陷入局部最优以及收敛速度较慢等问题,对其进行改进。以改进人工势场算法规划出的路径启发蚁群进行路径搜索,从而避免算法早期由于盲目搜索而导致的路径交叉及收敛速度慢等问题,同时以收敛次数构建负反馈通道,使全局信息素和局部信息素的更新速率跟随收敛次数的变化自适应调节,从而保证了算法全程中收敛速度与全局搜索能力的协调与统一。最后,在Matlab中对本文算法、基本蚁群算法以及文献[23]所述算法分别进行仿真实验。结果表明:在相同的环境模型下,本文算法的收敛速度和搜索能力均优于另两种算法;在给定的简单环境模型下进行路径规划时,本文算法的迭代次数为3次,运行时间为0. 892 s,最优路径长度为28. 627 m;在给定的复杂环境模型下进行路径规划时,本文算法的迭代次数为8次,运行时间为3. 376 s,最优路径长度为31. 556 m,所寻路径对环境的覆盖率为73. 63%。

关 键 词：移动机器人 路径规划 人工势场 蚁群算法 负反馈

分 类 号：TP242.6]