融合灰狼算法和人工势场法的搜救机器人路径规划研究

Research on path planning for search and rescue robots by fusing grey wolf algorithm and artificial potential field method

针对传统人工势场法应用于搜救机器人路径规划存在的路径规划耗时过长、平滑性差、易陷入局部最小值等问题,通过调整斥力场函数,改善障碍物与搜救机器人之间因斥力较大而造成路径规划时间长的问题。结合灰狼算法机制简单、全局搜索能力强等特点,提出一种灰狼算法优化人工势场法的双层路径规划算法。建立搜救机器人二维(2D)空间模型;通过灰狼算法进行全局路径规划,当搜救机器人检测到正前方一定距离内有障碍物时,运行改进的人工势场法完成机器人避障过程;针对规划路径进行角度约束,进一步保证路径光滑性。不同搜救环境下,与传统人工势场法、灰狼算法以及遗传算法优化人工势场法进行仿真结果对比,验证了所提方法的有效性和优越性,对于提升搜救机器人搜救效率具有重要意义。