基于改进灰狼算法的火灾疏散机器人的路径规划研究.pdf

摘要

随着技术的不断进步和人们对安全需求的提高，火灾疏散机器人的应用逐渐成为

路径规划领域的重要研究方向。路径规划作为火灾疏散机器人的关键技术之一，对其

性能和工作效率起着至关重要的作用，然而传统算法在复杂火灾环境下的路径规划应

用存在诸多挑战，如搜索空间过大、收敛速度过慢等，难以满足实际的疏散需求。

为了解决火灾疏散机器人的路径规划问题，本文从以下几点进行研究：

（1）分析火场中温度、烟气浓度、能见度等因素对疏散行为的影响，建立火灾环

境模型，通过结合火灾环境数据，引入火灾影响系数，计算出受火灾影响程度不同区

域的权重值，构建火灾特征栅格地图，为下文的路径规划提供运行模型。

（2）设计改进灰狼优化算法(ImprovingtheGreyWolfAlgorithm，简称IGWO)。首

先通过引入Kent混沌映射策略来初始化灰狼种群，并利用反向学习增强个体的适应度，

提高算法在初始阶段的搜索能力。其次，将线性收敛因子改进为非线性收敛因子，平

衡算法的全局搜索和局部搜索能力，提高了收敛速度。最后引入了高斯变异策略，在

算法初期快速定位最优解的范围，在算法后期提高种群个体的多样性，增强算法的全

局搜索和跳出局部最优解的能力。与流行的启发式智能算法进行性能仿真实验，验证

IGWO算法的收敛性和求解精度更好。

（3）在全局路径规划方面，引入了火灾影响系数设计灰狼算法的目标函数和适度

函数，有助于算法更加精准地评估不同路径的优劣，从而选出更安全的路径。结合路

径规划问题和灰狼算法的位置更新机制，设计灰狼更新算子，提高了灰狼算法(Gray

wolfoptimization，简称GWO)的搜索精度。在MATLAB平台上与4种启发算法进行路

径仿真测试，验证了IGWO算法在火灾疏散机器人路径规划问题中的性能更好。在局

部路径规划方面，引入火场环境信息重新构建势场函数，并在不同规格地图上对改进

人工势场法(ImprovingtheArtificialPotentialField，简称IAPF)和人工势场法(Artificial

PotentialField，简称APF)进行路径规划仿真实验，验证了IAPF路径规划能力更好。

（4）针对火场内的环境变化，设计了改进灰狼-势场算法(IGWO-IAPF)和碰撞策

略。在IGWO-IAPF算法第一阶段，利用IGWO算法进行全局路径规划，第二阶段，根

据传感器检测到障碍物的运动状况进行分析，采取不同的运动策略，其次根据IAPF进

行局部路径规划，绕开障碍物后继续按最初规划的路径前进。通过在3种不同规格地图

I

上对IGWO-IAPF与改进蚁群-势场算法(IACO-APF)、遗传-势场算法(GA-APF)、灰狼-

势场算法(GWO-APF)进行仿真实验，验证了IGWO-IAPF的动态路径规划能力更好。

（5）利用软件编程技术，开发了一个火灾疏散机器人路径规划系统，实现了对火

灾疏散机器人的日常管理和路径规划。该系统能够快速、准确地规划出最佳疏散路径，

为火灾现场的疏散工作提供有力支持。

：

关键词灰狼算法，路径规划，疏散机器人，动态避障，系统设计

II

Abstract

Withthecontinuousadvancementoftechnologyandtheincreasingdemandfor