文献类型：期刊文章

作　　者：刘建娟[1,2] 薛礼啟[1,2] 张会娟[1,2] 刘忠璞[1,2]

LIU Jianjuan;XUE Liqi;ZHANG Huijuan;LIU Zhongpu(College of Electrical Engineering,Henan University of Technology,Zhengzhou 450000,China;Institute of Mechanical and Electrical Equipment and Measurement and Control Technology,Henan University of Technology,Zhengzhou 450000,China)

机构地区：[1]河南工业大学电气工程学院,郑州450000 [2]河南工业大学机电设备及测控技术研究所,郑州450000

出　　处：《计算机工程与应用》

基　　金：国家自然科学基金(61304259);国家自然科学基金青年基金(51805148);河南省高校青年骨干教师资助计划(2017GGJS071);河南省科技攻关计划项目(192102210066);河南工业大学河南省属高校基础研究基金(2019QNJH28);河南工业大学青年骨干教师资助计划(21420120)。

年　　份：2021

卷　　号：57

期　　号：15

起止页码：73-81

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：传统A^(*)算法是移动机器人全局路径规划的常用算法之一,但是算法搜索效率低、规划路径转折点多、面对复杂环境中随机出现的动态障碍物无法实现动态路径规划。针对这些问题,在考虑全局最优的基础上将改进A^(*)与DWA算法融合,量化环境中的障碍物信息,根据此信息调节A^(*)算法启发函数的权重,提高算法的效率和灵活性。基于Floyd算法思想设计路径节点优化算法,删除冗余节点,减少转折,提高路径平滑度。基于全局最优设计DWA算法的动态窗口评价函数,用于区分已知障碍物和未知动态、静态障碍物,提取改进A^(*)算法规划路径的关键点作为DWA算法的临时目标点,在全局最优的基础上实现了改进A^(*)与DWA算法融合。实验结果表明,在复杂环境中,融合算法规划路径既能保证全局最优,又能及时有效地躲避环境中出现的动静态障碍物,实现复杂环境中的动态路径规划。

关 键 词：路径规划 改进A^(*)算法  DWA算法  融合算法  

分 类 号：TP242.6]