海底复杂环境下机器人摆脱障碍物路径优化方法研究

机器人在海底复杂环境下,使用传统的PSO路径规划算法存在连续波动问题,这会导致海底机器人速度和位置出现较大的扰动,摆脱障碍物路径优化结果存在较大偏差,对此提出一种改进PSO的海底复杂环境下机器人路径摆脱优化方法.在传统算法中引入速度-位置搜索模型,采用用于障碍物约束限制的高维函数和认知函数,在机器人障碍物摆脱的不同阶段及时调整认知系数以及环境系数的取值,获取最佳的摆脱障碍物路径,使海底机器人能高效摆脱障碍物.在粒子数N为200,粒子维度为10,最大迭代次数为800的实验中,使用此算法做出的路径规划结果同最优的路径规划情况具有较高的匹配度,误差控制在3.5%以内,障碍物摆脱效果更明显,具有较好的应用价值.