基于改进PSO算法的机器人路径规划及实验

作者：康玉祥; 姜春英^*; 秦运海; 叶长龙

来源：机器人, 2020, 42(01): 71-78.

DOI：10.13973/j.cnki.robot.190035

• 路径规划
• 粒子群优化
• 移动机器人
• 梯度下降算法
• 自适应

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.

• 单位
  沈阳航空航天大学; 机电工程学院; 清华大学