文献类型：期刊文章

作　　者：葛媛媛[1] 张宏基[1,2]

GE Yuan-yuan;ZHANG Hong-ji(Research Center of Contemporary Design and Advanced Manufacturing Technology, Yulin University, Yulin 719000, China;School of Mechanical Engineering, Northwestern Polytechnical University, Xi'an 710072, China)

机构地区：[1]榆林学院现代设计与先进制造技术研究中心,陕西榆林719000 [2]西北工业大学机电学院,陕西西安710072

出　　处：《控制工程》

基　　金：陕西省工业科技攻关资助项目（2019GY-205）;陕西省教育厅专项专项科研计划资助项目（17JK0895）

年　　份：2019

卷　　号：26

期　　号：8

起止页码：1509-1514

语　　种：中文

收录情况：BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：针对机器人在未知环境下采用粒子群优化算法进行同时定位与地图构建(Simultaneous Localization And Mapping, SLAM)时,定位精度不高、方向误差较大以及鲁棒性差的问题,提出一种利用混沌理论优化改进鸡群(Chicken Swarm Optimization, CSO)的SLAM算法。首先在鸡群算法中引入小鸡的学习机制,对小鸡的学习系数进行混沌变异,其次引入混沌序列对鸡群中各子群进行扰动,同时在个体最优位置的领域内进行自适应混沌搜索,以寻找子群的最优位置。对所提出的机器人SLAM算法进行了实验验证,并与基于粒子群优化的SLAM算法进行比较,得出该算法不仅能够获得较高的定位精度和地图构建精度还具有较好的估计稳定性。

关 键 词：SLAM 鸡群优化算法  四足机器人 鲁棒性  混沌

分 类 号：TP242]