基于多维数据挖掘的智能机器人避障路径自适应选择

摘要：

针对当前智能机器人避障效果不佳的问题,提出基于多维数据挖掘的智能机器人避障路径自适应选择方法.通过固连坐标系描述机器人具体位置和作业姿态,获得机器人运动参数信息.采用可视图方式简化障碍物,建立作业环境模型,获取全局视图.利用视觉、超声波和红外传感器实现障碍物形状数据多维挖掘,结合数据挖掘结果检测机器人与障碍物间距.综合时间、路程和转弯次数最少三个约束条件,建立路径选择目标函数.将环境多维数据作为蚁群算法参数输入,设置状态转移规则,计算蚂蚁到达下个目标点的概率,更新全局和局部信息素,当满足最大迭代次数要求时输出最佳避障路径.仿真证明,该算法在静态和动态环境下都能选择出最佳路径,避免碰撞现象,实现快速收敛.

关键词：多维数据挖掘、智能机器人、避障路径选择、蚁群算法、目标函数

所属期刊栏目：39

分类号：TP242(自动化技术及设备)

在线出版日期：2023-11-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：192-196