摘要: 随着科学技术的迅速发展，移动机器人已经在工业、军事、服务等行业中得到了广泛的应用。而路径规划技术是移动机器人实现智能化的关键技术之一，为了满足移动机器人日益增长的工作需求，必须对移动机器人路径规划算法进行更深入地研究。因此本文以两... 展开 随着科学技术的迅速发展，移动机器人已经在工业、军事、服务等行业中得到了广泛的应用。而路径规划技术是移动机器人实现智能化的关键技术之一，为了满足移动机器人日益增长的工作需求，必须对移动机器人路径规划算法进行更深入地研究。因此本文以两轮差速式移动机器人为研究对象，研究内容为在静态环境中提高全局路径规划算法的综合性能和在动态环境中提高机器人的避障能力。 本文首先基于运动学原理对两轮差速式移动机器人建立运动模型，分析了常见的地图构建方法及其优缺点，并介绍了几种经典路径规划算法原理。 其次，针对蚁群算法在静态环境下全局路径规划存在迭代稳定次数过多、求解目标单一等问题，提出一种多因素A*蚁群算法。通过栅格法搭建机器人工作地图，并规定行进方式以保证路线的安全性；利用改进A*算法得到的路径设定地图的初始信息素，降低蚁群算法前期搜索盲目性；引入路径的转弯次数、颠簸程度作为蚁群选择道路的考量因素，避免路径规划以距离作为唯一目的，以满足机器人的实际工作需求；引入启发函数动态调节因子，让启发函数的作用随着迭代次数增加而减弱，避免蚁群算法过早陷入局部最优。仿真实验表明，改进算法迭代次数减少，且路径综合性能指标优于对比文献算法和传统算法。 然后，针对移动机器人在动态环境下的局部路径规划问题，本文提出一种改进的人工势场法。为了解决人工势场法的目标不可达问题，将移动机器人与目标点的距离作为影响因素加入到斥力势场函数中，使目标点处的势场最低；为了解决人工势场法的局部极小值问题，利用模拟退火法的思想，帮助移动机器人逃出局部极小点；为了解决人工势场法对动态障碍物的避障问题，以移动机器人与动态障碍物之间的相对速度为基础建立速度势场函数，提高机器人的动态避障能力。仿真实验表明，改进的人工势场法能有效解决目标不可达和局部极小值问题，在动态环境下的避障能力较强，在随机环境中，对比文献算法，迭代次数和路径长度都有所减少。 最后，本文以两轮差速式移动机器人为实验对象搭建ROS实验平台，将A*蚁群算法作为全局路径规划器，改进人工势场法作为局部路径规划器，在实际环境中验证了本文改进算法的有效性和可行性。 收起