第51卷收稿日期：2022年8月10日，修回日期：2022年9月20日基金项目：国家自然科学基金项目（编号：61761049，61261022）；云南省专业学位研究生教学案例库及研究生优质课程项目资助。作者简介：程满，男，硕士研究生，研究方向：AGV路径规划，轮式搬运机器人。杨光永，男，博士，副教授，研究方向：机器人技术，传感器技术。徐天奇，男，博士，教授，研究方向：智能电网，电气自动化。黄卓群，女，硕士研究生，研究方向：信号处理，智能控制。刘叶，男，硕士研究生，研究方向：电机，智能控制。∗1引言自动导引车（AGV）在自动化、灵活性方面具有独特的优势，使AGV成为智慧仓储，智能物流自动化上的最优选择。路径规划是AGV的核心，所以设计合理高效的路径规划算法十分重要［1］。AGV的路径规划目标在于通过采用某个算法，在包含有各种障碍物的空间中，避开障碍物于自由空间中安全行驶，最终生成一条从起点到终点的无碰撞的安全路径。路径规划的核心是算法，算法的高效、安全、路径最优等指标经常作为算法优劣的衡量项。目前对于一些常见算法的分类主要有全局路径规划和局部路径规划；图搜索算法和几何结构搜索算法；传统算法和人工智能算法。因为算法本身某些方面的局限性，所以在面对不同问题或者不同环境的时候不同的算法及其改进算法被用来解决某些基于RRT改进算法的AGV路径规划∗程满杨光永徐天奇黄卓群刘叶（云南民族大学电气信息工程学院昆明650500）摘要传统快速扩展随机树（RRT）算法在搜索空间中，随机采样生成我们所需要的树，由树的起始点直到终点，探索出一条无障碍的路径。采样点是均匀随机，导致算法过于随机，生成路径的效率不高且生成路径质量偏低，在面对狭窄通道时容易导致算法局部循环甚至搜索失败，传统算法生成的路径过于曲折不利于跟踪行驶。针对这些问题，改进后的算法在RRT的基础上，增加算法贪婪计算和目标节点的启发；将扩展的采样点重点集中于一定的区域，满足正态分布。仿真实验表明，改进后的算法效率更高，生成路径质量高，面对狭窄通道这个传统难题也可以高质高效地生成一条路径，利于AGV跟踪行驶。关键词AGV；RRT改进算法；路径规划；正态分布；启发式变步长中图分类号TP242.6DOI：10.3969/j.issn.1672-9722.2023.03.013AGVPathPlanningBasedonImprovedRRTAlgorithmCHENGManYANGGuangyongXUTianqiHUANGZhuoqunLIUYe（SchoolofElectricalandInformationEngineering，YunnanMinzuUniversity，Kunming650500）Abstra...
