为了实现机器人在动态环境下沿最优路径安全行驶,提出了基于新型启发蚁群算法的路径规划和避撞策略。建立了机器人工作环境的栅格模型,给出了路径质量评价标准。基于蚁群算法,引入了信息素浓度的梯度初始化方法,有效提高了算法前期搜索效率;给出了一种用于平滑路径的新型启发信息,提出了新型启发蚁群算法并用于全局路径规划。在设定场景下,给定了障碍物检测方法与正面避撞、侧面避撞策略。经仿真验证,新型启发蚁群算法规划路径长度短、收敛次数少、平滑性好,且避撞策略可以有效躲避障碍物,保证机器人安全行驶。

为了使机器人在复杂动态环境中实现最优路径规划,提出了改进人工蜂群算法的路径规划方法。分析了传统的人工蜂群算法原理,引入了小步长侦查蜂为跟随蜂提供障碍物分布的先验信息;为了防止机器人与动态障碍物发生碰撞,对动态障碍物周围的可行节点进行障碍化处理,将节点障碍指数与节点与目标点距离糅合为节点选择准则,同时提出了障碍避撞预测和障碍避撞策略。由仿真实验可以看出,改进算法不仅成功实现避撞,而且规划出避撞条件下的最优路径。