10.16526/j.cnki.11-4762/tp.2020.07.041
基于改进的生物激励神经网络机器人路径规划算法
针对传统生物激励神经网络(BINN)在点对点全局路径规划中存在的路径偏离和路径非最优问题,提出了基于路径修正和无障碍理想路径制导的生物激励神经网络算法;路径规划的初始阶段,通过判断起始单元外部激励输入和起始单元活性值大小决定是否触发路径生成策略,从而实现初始路径修正;在生成下一位置单元的算法中结合无障碍理想路径的导向,引入实际路径单元与无障碍理想路径单元间的理想路径接近率,使路径神经元活性值增大,从而实现路径优化;在静态复杂环境下,分别以3种算法进行了对比实验;实验结果表明,改进后的路径规划算法相比传统生物激励神经网络算法和基于目标制导的生物激励算法,不仅解决了路径规划初始阶段的路径偏离问题,而且使路径长度和路径转折次数更低,效率更高.
移动机器人控制、生物激励神经网络、全局路径规划、路径优化
28
TP29(自动化技术及设备)
国家自然科学基金资助项目51678470
2020-08-07(万方平台首次上网日期,不代表论文的发表时间)
共7页
204-209,213