陈麒杰，晋玉强，王陶昱

(海军航空大学岸防兵学院，烟台 264000)

0 引言

随着科学技术的不断进步和制造工艺的提高，机器人在军事[1]、运输[2]、救援[3]、商业、娱乐和农业[4]等领域的应用越来越广泛。机器人在执行任务过程中，合理的规划路径是实现有效避障和快速到达目标点的基本要求，也是高效完成任务的前提条件。因此，对于机器人的路径规划研究越来越成为目前研究的热点之一。

目前，机器人路径规划算法主要有以A*算法[5]、路线图法[6]、细胞分解法[7]和人工势场法[8]为代表的经典路径规划算法，以及以遗传算法[9]、粒子群算法[10]、蜂群算法[11]和布谷鸟算法[12]为代表的智能路径规划算法。经典算法在面对多障碍物、规划面积较大时，其计算量显著增加，解算速度明显降低，导致时效性降低；智能规划算法对于任务规划区域的信息获取度要求高，并需要多次学习和模拟，很难实现在未知环境中的路径规划，降低了路径规划的使用范围，减小了能够使用智能算法的任务区域。而人工势场法作为一种简单高效的经典路径规划方法，得到了广泛的研究与应用。文献[13]中将人工势场法改进后应用于机器人的路径规划，该方法的优点是在提高时效性的同时，有效降低了路径规划的难度。文献[14]中通过建立动态调节因子改进人工势场法中的斥力场，实现无人机逃离极小值点，从而到达预定目标，但需要计算的候选路径多，降低了时效性和全局性。文献[15]中利用流函数法对人工势场进行拓展，利用沿墙随机行走和改变目标引力的方法避免滞点和目标不可达问题，但该算法在设置虚拟障碍物时，需要预先获得区域内的障碍物信息，降低了实时性。……