機器人動態(tài)路徑規(guī)劃與協(xié)作路徑規(guī)劃研究.pdf

1、路徑規(guī)劃是機器人研究領(lǐng)域中的重要內(nèi)容。本文基于研究課題實際需求，針對機器人在動態(tài)環(huán)境下的路徑規(guī)劃問題和多機器人系統(tǒng)的靜態(tài)環(huán)境協(xié)作路徑規(guī)劃問題進(jìn)行了深入探索。最終的解決方案在保留了人工勢場法和遺傳算法這兩種傳統(tǒng)算法優(yōu)點的基礎(chǔ)上，針對算法本身的不足，借鑒柵格法、搜索算法等思想，提出了改進(jìn)或創(chuàng)新，并進(jìn)行了仿真實驗；試驗結(jié)果證明算法在可靠性和有效性方面表現(xiàn)良好。全文的主要內(nèi)容如下：
　　 1．針對單移動機器人，提出了一種改進(jìn)人工勢場法，

2、適用于動態(tài)環(huán)境的避障路徑規(guī)劃。同時，文章還討論了機器人跟蹤目標(biāo)的軟著陸需求、人工勢場法固有的局部極小等細(xì)節(jié)問題。仿真實驗結(jié)果表明，改進(jìn)人工勢場法不僅能可靠的得到避障規(guī)劃路徑，由于還考慮到物體之間的相對速度信息和相對加速度信息，得到的規(guī)劃路徑更加有效，減少了不必要的路徑浪費。最后，進(jìn)行了針對多機器人場景的仿真實驗，進(jìn)一步證明了算法的有效性。
　　 2．針對多機器人協(xié)作系統(tǒng)，提出了一種新的混合定點轉(zhuǎn)動和遺傳算法的方法，解決其協(xié)作路徑

3、規(guī)劃問題。該方法不僅利用遺傳算法并行計算、不易陷入局部最優(yōu)的優(yōu)點，具備概率上尋找全局最優(yōu)解的能力，同時結(jié)合了定點轉(zhuǎn)動法易實現(xiàn)，有效減少單機器人路徑浪費的優(yōu)點。仿真實驗結(jié)果表明，該規(guī)劃方法運算速度較快，在得到有效規(guī)劃路徑的同時，也易于實現(xiàn)對單機器人的控制。
　　 3．針對特殊窄道，提出了可以替代遺傳算法的全環(huán)境建模搜索算法實現(xiàn)多機器人協(xié)作路徑規(guī)劃。通過在整個搜索環(huán)境中的不同子環(huán)境使用不同的細(xì)分層級完成建模，使得算法能夠根據(jù)窄道信息