基于環(huán)境地圖的機器人全局路徑規(guī)劃的研究.pdf

1、基于環(huán)境地圖的機器人全局路徑規(guī)劃是在環(huán)境已知的條件下，通過一定的算法規(guī)劃出符合機器人運動條件的較優(yōu)路徑的過程。相比基于傳感器的局部路徑規(guī)劃，基于環(huán)境地圖的全局路徑規(guī)劃可以有效的減少路徑規(guī)劃時間，減小機器人的轉彎半徑及路徑長度，從而降低機器人能耗。論文融合人工勢場法和蟻群算法，提出了一種具有自主學習能力的智能路徑規(guī)劃算法。論文主要工作內容包括四個部分。
　　 (1)對環(huán)境地圖的柵格建模。首先建立基于機器人尺寸和環(huán)境地圖大小的柵格粒

2、度計算方法;然后根據障礙物間的位置信息，對柵格模型進行膨脹運算，數學分析及仿真實驗表明柵格模型可有效減小路徑規(guī)劃的運算量;最后，對所建立的柵格進行標定及存儲。
　　 (2)建立改進的人工勢場。首先從引力場、合力方向、強制跳出死循環(huán)等三個方面對人工勢場算法進行改進:第一以當前位置到目標點距離的倒數作為引力場的大小;第二，將合力方向由360°離散為8個方向，以簡化運算量，第三路徑規(guī)劃陷入死循環(huán)時，添加垂直于合力方向的附加力，強制跳出

3、死循環(huán)。然后基于改進的人工勢場算法，求取每個柵格的合力大小和方向，并存儲。最后通過對比實驗，驗證改進人工勢場算法路徑規(guī)劃的正確性。
　　 (3)基于改進蟻群算法的路徑規(guī)劃。將整個規(guī)劃過程分為兩個階段，第一個階段，在路徑規(guī)劃初期以改進人工勢場算法獲得的合力場方向作為啟發(fā)因子，使得螞蟻在人工勢場的作用下，有傾向性的移動;第二個階段，當蟻群算法收斂于較優(yōu)路徑時，消除啟發(fā)因子的作用，使得蟻群轉移完全依據信息素的更新，克服了螞蟻的惰性，強

4、制蟻群探索新的更優(yōu)路徑。通過數學推導和實驗驗證，確定最優(yōu)效果下的算法參數，并制定四項評價指標即最佳性能指標、時間性能指標、魯棒性能指標和綜合評價指標，以評價路徑的質量高低;最后通過實驗，驗證算法的有效性。
　　 (4)移動機器人運行實驗與分析。搭建了基于旅行家二號輪式移動機器人的實驗平臺，開發(fā)了相應的算法程序。首先對實驗平臺運動建模，獲得實驗平臺的控制方程;然后在多組環(huán)境下，依據所提出的方法及算法，進行機器人路徑規(guī)劃和追蹤，并以