路径规划技术广泛应用在 AGV 和轨迹跟踪等研究中。路径规划的目标是在满足起点与终点之间的距离最小，避免与障碍物进行碰撞以及提高路径曲线的平滑性这 3 个条件下寻找最优路径。路径规划可以转化为一定目标下的优化问题，如最短距离。同时，可以限制一定约束条件，如无碰撞路径[1]。
传统的路径规划算法在优化时假设路径环境已知，路径环境中包含急转弯和一些多边形线条，并在这样的环境中尝试寻找最优路径。萤火虫算法优化后的路径曲线平滑性差，在沿多边形线条移动时，停止、旋转和重新启动等不同模式的切换可能会额外增加AGV 的工作量。这些传统的路径规划算法耗时耗力[2]。
Bézier 曲线已经在平滑路径的规划问题中得到应用，并能很好地生成自由曲线[3]。Bézier 曲线可以绘制成一系列含有控制点的线段，控制点的选择可以控制生成曲线的性能，因此这些控制点被用于 Bézier曲线的优化。一些研究集中在使用遗传算法[4]、禁忌搜索法 TS[5]和萤火虫算法 FA[6]等元启发式算法对这些控制点进行优化，文中在 Bézier 曲线中使用粒子群算法进行优化。
粒子群算法由于其简单可行[7]，已经在许多领域中得到了广泛的应用。一般情况下，粒子群算法容易受到局部最优的限制，因此在某些情况下，粒子群算法无法找到全局最优解。标准粒子群算法中采用基于随机搜索的搜索策略，因此它并不总能成功地处理最优化问题。不同的粒子群改进算法采用不同的优化策略以提高粒子群算法的优化性能[8]。混沌概念是这些优化策略中的一种，已经得到了广泛的应用，且已与一些优化算法相结合[8]。这种组合式算法的优化结果比标准优化算法具有更高的流动性和多样性。这里基于混沌粒子群算法提出一种新的 Bézier 曲线的优化算法，可以得到最短距离下的平滑、无碰撞路径。通过搜索 Bézier 曲线控制点的最优位置，绘制距离最短的平滑、无碰撞路径，从而得到最优的 Bézier 曲线。由此，搜索空间的维度主要取决于控制点的数量。不同的混沌映射可能会导致算法的不同行为，因此这里提出基于混沌理论的粒子群算法，使用不同的混沌映射来代替粒子群算法的参数。
暂无评论内容