基于改进RRT算法的AGV路径规划研究.docx

基于改进RRT算法的AGV路径规划研究摘要:路径规划是自动导引小车控制中的核心问题之一。针对经典RRT算法在静态全局状态空间中随机采样搜索节点时随机性大与效率低的问题,提出了一种改进的RRT路径规划算法。该算法结合双向搜索功能与自适应目标引力思想,利用双向搜索速度快与自适应目标引力朝目标点方向生长的特性,使AGV在规划路径时路径搜索效率更高,路径更平滑。实验仿真结果证明,改进的RRT算法可以在有效提高路径搜索效率的同时生成最优路径。关键词:路径规划;自动导引小车;RRT;双向搜索;自适应目标引力 DOIDOI:/ 中图分类号:TP311 文献标识码:A文章编号文章编号:16727800003002804 英文摘要Abstract:,,usingthetwowaysearchspeedandcharacteristicsofadaptivetargetgravitytowardthetargetgrowthpath,. 英文关键词KeyWords:pathplanning;AGV;RRT;bidirectionalsearch;adaptivetargetgravity 0引言自动导引小车作为物流业、制造业、机场、军事以及烟草业等行业中的自动化柔性制造设备,得到了越来越多的关注[1]。路径规划是指机器人在当前环境中按照一定标准搜索出一条从起始状态点到目标状态点,并且能够绕开障碍物的最优或次优路径,是自动导引小车控制中的核心问题之一[2]。AGV在运行环境中会遇到包括充电桩、工作站及存贮站等障碍物,而其主要任务就是避障及路径规划,最后生成一条畅通的路径。 AGV在运行过程中除需要获取周围信息避开障碍物外,还需要使规划出的路径长度和时间更短,效率更高。许多国内外学者正在研究AGV的路径规划问题,研究出许多可行方法,包括人工势场法、遗传算法、神经网络法及RRT算法等[3]。其中,RRT算法由StevenMLaValle[4]于1998年首先提出,为了进一步优化路径,后来学者在其基础上进行改进后提出偏向RRT[5]、双向RRT[67]等算法。双向RRT算法在一定程度上解决了经典R