路径规划是机器人研究领域中的重要内容。本文基于研究课题实际需求,针对机器人在动态环境下的路径规划问题和多机器人系统的静态环境协作路径规划问题进行了深入探索。最终的解决方案在保留了人工势场法和遗传算法这两种传统算法优点的基础上,针对算法本身的不足,借鉴栅格法、搜索算法等思想,提出了改进或创新,并进行了仿真实验;试验结果证明算法在可靠性和有效性方面表现良好。全文的主要内容如下:1.针对单移动机器人,提出了一种改进人工势场法,适用于动态环境的避障路径规划。同时,文章还讨论了机器人跟踪目标的软着陆需求、人工势场法固有的局部极小等细节问题。仿真实验结果表明,改进人工势场法不仅能可靠的得到避障规划路径,由于还考虑到物体之间的相对速度信息和相对加速度信息,得到的规划路径更加有效,减少了不必要的路径浪费。最后,进行了针对多机器人场景的仿真实验,进一步证明了算法的有效性。2.针对多机器人协作系统,提出了一种新的混合定点转动和遗传算法的方法,解决其协作路径规划问题。该方法不仅利用遗传算法并行计算、不易陷入局部最优的优点,具备概率上寻找全局最优解的能力,同时结合了定点转动法易实现,有效减少单机器人路径浪费的优点。仿真实验结果表明,该规划方法运算速度较快,在得到有效规划路径的同时,也易于实现对单机器人的控制。3.针对特殊窄道,提出了可以替代遗传算法的全环境建模搜索算法实现多机器人协作路径规划。通过在整个搜索环境中的不同子环境使用不同的细分层级完成建模,使得算法能够根据窄道信息从粗规划到细规划逐步递进,提高了算法的空间效率和时间效率。
