基于蝙蝠優化算法的智能機器人路徑規劃方法

摘 要：為了解決智能機器人規劃路徑時，由于未能獲取機器人信號目標強度，路徑規劃存在適應度值低和規劃時間長的問題，提出基于蝙蝠優化算法的智能機器人路徑規劃方法。建立機器人模型并獲取機器人目標信號強度，利用粒子群算法搜索機器人移動目標，結合蝙蝠算法和黃金正弦算法獲取種群平均位置，通過分階段搜索流程，實現機器人移動路徑規劃。結果表明：所提方法的路徑規劃時間僅為２.０ｓ，適應度達到了２４.１，不可行解個數為零，該方法有效提高了適應度值，降低了規劃時間，具備可行性和實際應用價值。

關 鍵 詞：蝙蝠優化算法；目標信號強度；智能機器人；路徑規劃；規劃方法；黃金正弦算法；粒子群算法；機器人模型

中圖分類號：ＴＰ２４ 文獻標志碼：Ａ 文章編號：１０００－１６４６（２０２４）０２－０１９１－０６

機器人理論［１］的誕生和機器人學科的建立成為２０世紀人類科學史上最偉大成就之一。隨著科技的不斷發展，機器人被應用于各個領域［２］，提高了人們的生活質量。自行移動的智能機器人在應用過程中存在路徑規劃效果差的情況，嚴重影響機器人的工作效率，針對傳統路徑規劃方法［３－４］中存在的問題，提出更加高效的機器人路徑方法成為該行業亟待解決的問題。劉嬌等［５］提出一種大數據分析技術智能采摘機器人路徑規劃方法。該方法首先采集機器人數據，確定機器人各項參數，預設機器人行走路線，再基于灰度分割法提取機器人活動區域特征，最后通過計算機器人航向角和周邊位置特征距離，獲取機器人最佳行走路徑實現路徑規劃。該方法未獲取目標的信號強度，導致其適應度值較低，路徑規劃效果較差。魏立新等［６］提出基于多行為的移動機器人路徑規劃。該方法首先依據機器人采集數據合理切換機器人各種活動行為，保證機器人能夠快速躲避活動范圍內各項障礙物，然后利用人工勢場法對機器人的變速目標點進行追蹤，建立陷阱逃脫策略，最后通過獲取機器人最佳行走路徑完成路徑規劃。該方法的算法相對復雜，計算量高，導致機器人路徑規劃時間長，因而規劃性能較差。劉可等［７］提出基于蟻群算法與參數遷移的機器人三維路徑規劃方法。該方法首先建立三維環境模型，利用蟻群算法獲取機器人任務參數并映射至高維空間中，然后根據圖論理論建立參數擴展圖像，最后通過蟻群算法對參數擴展圖像進行計算，從而實現機器人的最佳路徑規劃。該方法將蟻群算法和參數擴展圖像相結合，計算量較大，導致求解速度較慢，即路徑規劃時間較長。為解決上述機器人路徑規劃過程中存在的各種問題，提出了基于蝙蝠優化算法的智能機器人路徑規劃方法。該方法通過引入蝙蝠優化算法來提高路徑規劃適應度，降低路徑規劃耗時。