移動機器人局部路徑規(guī)劃方法的研究.pdf

1、移動機器人路徑規(guī)劃作為自主式移動機器人技術(shù)的一個重要組成部分，是研究移動機器人技術(shù)較為活躍的課題之一，吸引了國內(nèi)外大批的研究學(xué)者。隨著各種新方法和新技術(shù)的不斷出現(xiàn)，對路徑規(guī)劃的研究有了更廣闊的天地。我國在智能移動機器人研究方面雖然已經(jīng)取得了一定的成果，如地面自主導(dǎo)航車、水下自主機器人和飛行機器人等。但由于起步較晚，在研究和應(yīng)用方面都落后于一些西方國家，而且還沒有達到完全實用。因此，進行這項研究，具有一定的理論和工程應(yīng)用意義。本文以美國A

2、ctivMedia Robotics公司生產(chǎn)的PioneerⅢ型機器人為研究對象，從多個方面對移動機器人的局部路徑規(guī)劃進行了深入的系統(tǒng)研究。 首先從移動機器人的歷史和現(xiàn)狀出發(fā)，對比了國內(nèi)外的不同發(fā)展?fàn)顩r，對移動機器人領(lǐng)域的研究方向進行了綜述。著重介紹了移動機器人局部路徑規(guī)劃中常用的方法，對其中的勢場法、柵格法、遺傳算法等進行了逐一的分析闡述。 本文主要研究的是使用移動機器人本體的28個聲納傳感器來進行機器人的避障與路徑規(guī)

3、劃。本文采用了兩種方法一改進的遺傳算法和神經(jīng)網(wǎng)絡(luò)與Q-學(xué)習(xí)相結(jié)合的方法進行移動機器人的路徑規(guī)劃。 1、改進的遺傳算法首先，采集環(huán)境信息，進行環(huán)境建模。無論機器人路徑規(guī)劃屬于哪種類別，采用何種規(guī)劃算法，基本上都要遵循以下步驟: 1)建立環(huán)境模型，即將現(xiàn)實世界的問題進行抽象后建立相關(guān)的模型； 2)路徑搜索方法，即尋找合乎條件的路徑的算法。 通過比較各種環(huán)境建模的方法，選用柵格法建立移動機器人的二維工作空間環(huán)境

4、型，動態(tài)障礙物可視為移動的障礙物柵格，并詳細介紹了柵格法中柵格大小、柵格標(biāo)識及柵格取值的設(shè)定。 然后，通過各種局部路徑規(guī)劃方法的比較，在分析了目前各種路徑規(guī)劃方法優(yōu)缺點的基礎(chǔ)上，選擇遺傳算法來解決靜態(tài)和動態(tài)環(huán)境下移動機器人的路徑規(guī)劃問題。本文針對路徑規(guī)劃問題的特點，對算法的各個環(huán)節(jié)進行了細致的分析，包括地圖環(huán)境的建立、染色體的表示和編碼、適應(yīng)度函數(shù)的設(shè)計、遺傳操作算子的設(shè)計、算法參數(shù)的分析和選取。提出了將數(shù)字勢場和遺傳算法相結(jié)合

5、的綜合解決方法。 最后用C++編寫仿真程序，在未知環(huán)境下進行仿真。詳細說明了程序設(shè)計的各個環(huán)節(jié)，仿真結(jié)果表明，該算法能夠成功地在各種復(fù)雜程度不同的環(huán)境里規(guī)劃出一條近似最優(yōu)的路徑，證明了算法的有效性。并在先鋒移動機器人Ш——Pioneer3-AT上進行實驗，經(jīng)過多次實驗，機器人均能夠安全的躲避障礙物，找到最優(yōu)前進方向，安全的到達目標(biāo)點，驗證了算法的有效性。 2、綜合神經(jīng)網(wǎng)絡(luò)的Q-學(xué)習(xí)算法由于強化學(xué)習(xí)中由環(huán)境提供的強化信號是

6、對產(chǎn)生動作的好壞作一種評價(通常為標(biāo)量信號)，而不是告訴強化學(xué)習(xí)系統(tǒng)RLS(reinforcement learning system)如何去產(chǎn)生正確的動作，因此比較適合用于自主移動機器人的路徑規(guī)劃問題。 Q-學(xué)習(xí)可用各種神經(jīng)網(wǎng)絡(luò)來實現(xiàn)，每一個網(wǎng)絡(luò)的輸出對應(yīng)于一個動作的Q值，綜合分析各種網(wǎng)絡(luò)以后，采用結(jié)合競爭神經(jīng)網(wǎng)絡(luò)和自組織映射網(wǎng)絡(luò)的思想實現(xiàn)Q-學(xué)習(xí)算法。網(wǎng)絡(luò)由3層組成，即輸入層、中間層、輸出層(競爭組織層)，其特點主要體現(xiàn)在競