摘 要

移动机器人作为科技发展的风向标之一，凭借其广泛的应用前景以及在各个领域的实用性和适配性，得到了越来越多的关注。能否为机器人在复杂工作空间内规划出一条较好的可行路径，所寻找的路径质量是高还是低，都将直接影响机器人工作时的安全性，成为决定机器人性能的重要因素。因此，移动机器人路径规划也逐渐成为移动机器人研究的关键问题之一。在移动机器人路径规划领域，规划算法的选取直接决定着所规划路径品质的优劣，影响着机器人的工作效率。粒子群算法作为新型的智能优化算法，凭借其计算简单、易于实现等优点在各种路径规划问题的解决上都有很好的发挥。但是，基本粒子群算法易于陷入局部最优的缺点也成为限制其性能进一步提升的绊脚石。

本文旨在对基本粒子群算法进行分析并提出改进方法，为机器人在复杂工作环境中寻找一条无碰最优路径。针对粒子群算法易陷入局部最优的不足，本文首先提出一种参数自适应法则，使算法的重要参数在迭代过程中自适应变化。然后，将改进粒子群算法用于移动机器人路径规划。在规划路径过程中，采用路径长度和路径平滑度的加权作为优化的目标函数，并将路径的安全性作为严格约束条件综合评估路径优劣与可行性。最后通过数值仿真，验证了改进粒子群算法的有效性与优越性。

关键词: 粒子群算法；移动机器人；路径规划；参数改进法则

Abstract

As one of the wind vane of the technological progress, mobile robot has received more and more attention due to its wide application prospects, practicality and adaptability in various fields. Whether a good feasible path can be planned for the robot in a complex workspace, whether the quality of the path sought is high or low, will directly affect the safety of the robot at work and become an important factor in determining the performance of the robot. Therefore, path planning for mobile robots has become one of the key issues of the research on robot little by little. In the field of mobile robot path planning, the choice of planning algorithm directly determines the quality of the planned path, which affects the working efficiency of the robot. Particle swarm optimization as a new type of intelligent optimization algorithm, with its advantages of small computation and implementation simplicity, has played a good role in solving various path planning problems. However, the basic PSO algorithm has the deficiency of vulnerability to local optimum, which also becomes a stumbling block to further improve its performance.

This paper aims to analyze PSO algorithm and propose an improved method for the robot to find a collision-free optimal path in a complex working environment. Aiming at the problem that PSO algorithm may easily get trapped in local optimization, this paper first advances a parameter adaptive rule, which makes the important parameters of the algorithm adaptively change during the iterative process. Then, the improved PSO algorithm is devoted to mobile robot path planning. In the process of planning a path, the weight of path length and smoothness is chosen as the objective function of optimization, and the safety of the path is used as a strict constraint to comprehensively evaluate the merits and feasibility of the path. Finally, through numerical simulation, it is proved that the improved method is effective and superior.

Key Words：PSO；robot；path planning；parameter adaptation rule

目 录

第1章 绪论 1

1.1 研究背景及意义 1

1.2 国内外研究现状 2

1.3 研究内容及章节安排 3

第2章 粒子群优化算法及其改进 4

2.1 粒子群优化算法的起源 4

2.2 粒子群算法基本思想 4

2.3 基本粒子群算法模型 5

2.4 粒子群算法参数分析 7

2.5 基本粒子群算法的缺陷与参数改进法则 9

2.6 本章小结 12

第3章 基于改进粒子群算法的机器人路径规划研究 13

3.1 移动机器人路径规划问题概述 13

3.2 移动机器人路径规划的基本问题 13

3.3 移动机器人环境空间建模 14

3.4 移动机器人路径规划问题建模 15

3.5 改进PSO算法流程 17

3.6 本章小结 19

第4章 仿真及数据分析 20

4.1 仿真环境和参数设置 20

4.2 数值仿真1 20

4.3 数值仿真2 22

4.4 数值仿真3 24

4.5 数据处理与分析 27

4.6 本章小结 27

第5章 总结与展望 28

参考文献 29

致谢 31

第1章 绪论

1.1 研究背景及意义

智能移动机器人是一类能够通过传感器感知环境和自身状态，实现在有障碍物的环境中面向目标的自主运动，从而完成某些既定任务的机器人系统^[1]。随着科技的发展，越来越多的特殊工作环境随着时代的进步而出现，许多行业(例如工业、农业以及航空航天等)对移动机器人在复杂工作环境下代替有人操作的应用需求日益增大，机器人的存在变得极为重要。移动机器人的主要任务之一就是在特定的场合做特定的工作。在生产行业、建筑行业，或是危险的军事环境，移动机器人具备优秀的移动能力，相较于普通机器人机动性、灵活性更强。在复杂工作环境下，移动机器人与有人操作的最大不同之处在于机器人需要自主完成事先设定的任务。为了实现这一目标，为机器人在复杂环境下规划一条可行又安全的路径是研究的先期基础，也是机器人完成既定任务的先决条件。因此，复杂环境下的移动机器人路径规划问题近年逐步成为机器人领域研究的热点问题之一。

路径规划是指移动机器人按照某一性能指标(如距离、时间、能量等)在工作空间中搜索一条从起始位置到目标位置的可避开障碍物的最优路径^[2]。整体而言，机器人路径规划可分为两类：全局路径规划和局部路径规划。全局路径规划是在环境已知的基础上，通过离线规划的方法为机器人规划一条安全的可行路径。局部路径规划方法是指在工作环境及障碍物分布等信息并不是完全已知的情况下，为机器人规划一条可行的安全路径。全局路径规划是局部路径规划的基础，其研究可为局部路径规划提供技术支撑。因此，本论文主要聚焦于在复杂环境下移动机器人全局路径规划，意图通过对该问题的研究，为后续局部路径规划的研究奠定一定的理论基础。