基于蚁群算法的机器人路径规划研究.docx

《基于蚁群算法的机器人路径规划研究.docx》由会员分享，可在线阅读，更多相关《基于蚁群算法的机器人路径规划研究.docx（8页珍藏版）》请在优知文库上搜索。

1、摘要：蚁群算法是一种全局智能仿生算法，具有较强的鲁棒性和环境适应性，在栅格化环境下适用于机器人路径规划，但会带来搜索出的路径拐弯过多、运动延时、移动累计误差增大和产生额外机械磨损等问题。为解决上述问题，提出了路径平滑处理策略，对蚁群算法每次迭代出的最短路径进行了平滑处理，针对每次迭代搜索出的最短路径栅格节点集合，在不妨碍机器人运动的前提下，拉直移动路径或减缓拐弯角度，从而避免不必要的急拐弯。仿真结果表明，加入平滑处理策略后的蚁群算法能够达到有效减少移动路径长度、降低转弯次数、缩短运动时间的目的。关键词：蚁群算法；机器人；平滑处理；路径规划；栅格地图O引言路径规划是机器人运动控制的关键，也是当前

2、人工智能领域的研究热点。机器人的路径规划是指在有障碍物的环境中，按照一定的评判标准，找出一条从起点到终点的最优无碰撞路径。蚁群算法作为仿生智能算法，具有较强的鲁棒性、环境适应性以及分布式计算、无中心控制的特征，国内外学者对此做了大量研究并取得了丰硕成果，这些方法在基于静态障碍环境下均能快速获得最优解，但存在路径中拐点过多、拐弯停顿耗时和产生额外机械损耗等问题。本文从拐点数及转弯角度出发，对蚁群算法每次迭代搜索出的最短路径进行顺滑修正，进一步优化所寻路径，避免不必要的转弯，降低机器人机械损耗。1 环境建模为便于开展路径规划，需要对机器人的行走环境做数字建模处理，将环境信息转换为机器人可识别的数学

3、模型。为不失一般性，采用主流的栅格地图，按照以下定义对机器人行走环境进行建模：1.1 栅格定义以机器人自身尺寸作为栅格大小，从而可以将机器人理想化为一个质点进行处理，确保机器人每次都停留在栅格的中心位置，便于开展无碰撞路径规划。只要栅格内有障碍物存在，则视该栅格为障碍栅格，以黑色栅格表示。否则，该栅格为自由栅格，以白色栅格表示。1.2 坐标系定义以左下角为原点、横向向右为才轴正向、纵向向上为Y轴方向，将运动区域按栅格的大小划分为材和N等分，按照从左到右、从下到上顺序，将栅格编号为1,2,J/V,如图1所不。栅格，的中心坐标(m,k)与栅格编号/存在以下对应关系：x/=J(z-l)mod+0.5

4、)%=bx(2f+O.5)经过上述定义，机器人路径规划问题其实就是在自由栅格集合中遍历出所有邻接栅格的子集，并从中搜索出一条最短的邻接栅格路径。2平滑策略路径的平滑程度是度量机器人能量消耗与机械损耗的一个重要参数。拐弯过程中，机器人需要经过减速、提速过程，产生额外的时间消耗、能量消耗和机械损耗，同时急拐弯还容易出现路径累计误差。图1栅格化机器人运动环境地图本文采取通过删除拐弯点、拉直运动路径或缓解急拐弯的方式来平滑机器人运动路径，具体措施为：障碍栅格至平滑路径起始点连线距离如图2所示，现有搜索路径/fJfh出现拐弯点人假设3、6分别为栅格编号八人女三者的最小值和最大值，搜索栅格编号子集1.=a

5、,a+1,a+2,6中的障碍栅格夕，按照公式（2）计算栅格夕到栅格，与栅格A中心连线的距离d,若,则可以删除拐弯栅格7，拉直栅格i和栅格匕以此达到平滑运动路径的目的。图2障碍栅格至平滑路径起始点连线距离d_IGz-M）XP+（七-XQyP+（/一%）y+（阳一4）Xil58上一）2+（一一人）2（2）平滑处理的算法流程如图3所示。图3平滑处理算法流程3基于蚁群算法的路径规划步骤步骤1：采用栅格法构建环境地图，指定机器人初始位置和终止位置并设置各种参数，初始化信息素矩阵（信息素浓度均相同）。步骤2：将蚂蚁种群放置于初始位置，并将初始位置加入禁忌表。步骤3：根据当前信息素浓度计算第A只蚂蚁由栅格，

6、转向栅格j的概率：/=医%F-rySalIoWediO,otherwise公式（3）中，/wded为与栅格/邻接的自由栅格集合，,为栅格I.至栅格）路径上残留的信息素，。、S分别为信息素浓度启发因子和能见度启发因子，为路径能见度函数，其取值由公式（4）获得：阳=ld(i,j)=1J(Xi-Xj)2+(招一刀丫(4)公式（4）中，（乂，匕）和（孙乃）分别表示栅格彳和栅格/的中心点坐标O所有蚂蚁完成一次搜索迭代后，根据公式（4）对路径上的信息素r进行更新:金0+1)=(12)X马+八寸01+1)(5)Ar=I匕,、Q!1.k第k只蚂蚁在本次迭代中经过路径&力/、小小叼。（6）公式（5）、公式（6）

7、中，夕为信息素浓度衰减系数，Q为信息素强度，心为第4只蚂蚁在本次迭代搜索中走过的路径长度。步骤4：更新路径以及路径总长度。步骤5：重复步骤3和4,引导蚂蚁到达目的地或陷入死循环，对陷入死循环的蚂蚁采取放弃策略。步骤6：对搜索出的最短路径做平滑处理，得到本轮迭代最优解。步骤7：重复步骤3至步骤6,直到迭代搜索结束，得到最终最优解。4 仿真实验采用IOXlo的栅格矩阵模拟机器人运动环境，使用VC+6.0编程对机器人路径规划进行仿真验证。仿真实验参数需满足：种群数量片100，迭代次数=200,信息素权重参数启发因子权重参数=7,信息素强度系数C200,信息素挥发系数夕=08,分别对基本蚁群算法和加入

8、平滑处理策略的蚁群算法进行仿真验证，得到机器人运动规划路径分别如图4、图5所示。图4基本蚁群算法路径规划图5基于平滑处理的蚁群算法路径规划从图中可以看出，经过平滑处理，直角急拐弯由6次降低为1次,拐弯总次数由6次降低为4次，路径总长度由18减少为15.7o5 结语本文研究了基于栅格地图环境的蚁群算法机器人路径规划平滑策略。针对蚁群算法在机器人路径规划过程中出现的拐弯过多、运动延时和产生额外机械损耗等缺陷，提出了对迭代搜索出的最短路径进行平滑优化处理的策略，删除不必要的拐弯点，拉直急拐弯路径，降低机器人运动停滞概率，从而减少运动耗时，降低机械损耗。仿真结果表明，采用对每一轮迭代搜索出的最短路径进行平滑处理的策略能有效提高路径搜索质量，降低机器人运动时间，减少机械磨损。