文章摘要:群机器人在未知动态环境下进行多目标搜索时,存在碰撞预测和搜索效率不高等问题。本文提出了一种碰撞几何锥和改进惯性权重的微粒群算法相结合的多目标搜索策略。首先,根据静、动态威胁物的不同分别引入碰撞锥(CC)和速度障碍法(VO),提出了简化复杂障碍物的膨胀几何法(SG)和一种改进CC和VO的碰撞几何锥模型(CGC);有效解决了复杂不规则威胁物的避碰预测问题,并根据CGC模型作出威胁评估报告以确定最优避障方向。其次,提出一种改进惯性权重的微粒群算法(IWPSO),提高了搜索效率同时有效解决了微粒群算法易陷入局部最优的问题。最后,将两种改进的方法(CGC-IWPSO)相结合以实现群机器人的多目标任务搜索,相比于简化虚拟受力(SVF)、自适应机器人蝙蝠算法(ARBR)、具有运动学约束的粒子群算法(KCPSO),本文方法在搜索时耗、能耗以及避障次数上分别至少减少了15.59%、10.14%、14.12%。
文章关键词:
论文作者:边晓荟 周少武 张红强 吴亮红 王汐 王茂 刘朝华 陈磊
作者单位:湖南科技大学信息与电气工程学院
论文分类号:TP242;TP18
Copyright © 2021 《机器人》杂志社 版权所有 Power by DedeCms