神经元活性引导机器人脱困的全覆盖路径规划

为了解决生物激励神经网络算法在全覆盖路径规划中陷入死区的问题,提出了脱困点搜索和脱困路径规划组合的脱困机制。建立了工作区域的栅格模型,分析了生物激励神经网络算法原理和缺陷。通过设计元胞演化规则,给出了基于元胞自动机的最佳脱困点搜索方法。对于脱困路径规划问题,传统RRT算法的采样和扩展具有随机性和盲目性,提出了神经元活性引导RRT算法,使RRT算法的随机树扩展具有较强的方向性。经仿真验证,与传统RRT算法相比,神经元活性引导RRT算法的耗时减少了一个数量级,扩展节点数减少了2倍,脱困路径减少了12.96%,是一种非常高效的脱困方法。另外,具有脱困机制的生物激励神经网络算法能够完成工作区域全覆盖,有效解决了死区问题。