文献类型：期刊文章

作　　者：康玉祥[1] 姜春英[1] 秦运海[2] 叶长龙[1]

KANG Yuxiang;JIANG Chunying;QIN Yunhai;YE Changlong(School of Mechatronics Engineering,Shenyang Aerospace University,Shenyang 110136,China;Suzhou Automobile Research Institute of Tsinghua University,Suzhou 215000,China)

机构地区：[1]沈阳航空航天大学机电工程学院,辽宁沈阳110136 [2]清华大学苏州汽车研究院,江苏苏州215000

出　　处：《机器人》

基　　金：沈阳市科技计划(F16-216-6-00)。

年　　份：2020

卷　　号：42

期　　号：1

起止页码：71-78

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对粒子群优化(PSO)算法存在的优化精度低以及早熟的缺点,提出一种改进的PSO算法用于机器人路径规划.根据梯度下降法中变量沿负梯度方向变化的原则,提出了改进的粒子速度更新模型.为了提高粒子的搜寻效率及精度,增加了自适应粒子位置更新系数.引入ε贪心策略设计了改进的粒子群优化算法.在部分优化测试函数上的多次试验结果表明,所提算法较其他算法模型搜索精度至少提高2倍,收敛速度也有大幅度的提升.将所提算法和改进的DC-HPSO(动态聚类混合粒子群优化)算法应用于静态障碍物下的路径规划仿真和实际试验,结果表明所提模型具有高精度、高效率、高成功率的优点.

关 键 词：路径规划 粒子群优化 移动机器人 梯度下降算法 自适应  

分 类 号：TP242.6]