随着机器人现代科技的高速发展并在众多领域的广泛应用,一些繁杂性、危险性的工作可由机器人代替完成。路径规划作为机器人技术的核心内容之一,具有重要的实用价值与研究意义。因此设计高效的求解算法用于解决路径规划问题,对提高机器人技术起着关键性作用。本文提出一种基于神经网络和三次样条曲线函数的改进粒子群优化算法。通过增加惯性权重改进传统粒子群算法存在过早收敛、路径振荡等问题;通过神经网络算法对环境建模,实现对静态和动态障碍物(包括矩形和圆形)的碰撞检测;利用三次样条曲线函数降低粒子群算法的编码维度,实现路径平滑。本文的工作介绍如下:(1)引入线性递减惯性权重策略。前期利用较大的惯性权重保证粒子群算法的全局搜索能力,通过惯性权重递减使粒子在搜索空间中逐步收敛到某一个区域。后期在该区域精细搜索,获得高精度的解。(2)在碰撞检测中采用神经网络算法,大大提高检测效率。对于环境中存在的动态障碍物,利用神经网络算法对障碍物随时间步长变化的约束条件进行动态检测。(3)利用三次样条曲线函数改进粒子群算法路径规划中存在编码维度高和路径不平滑的问题。对路径曲线进行均分取得路径点,与所有障碍物同时进行碰撞检测,缩短计算时间。更新碰撞路径适应度值。仿真结果表明,本文提出改进粒子群优化算法在收敛性、平滑度、碰撞检测时间和编码维度上均有所改进,能有效在静态和动态环境中快速规划出平滑的无碰撞路径。