SHAA移動(dòng)機(jī)器人實(shí)時(shí)神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法.pdf

1、實(shí)時(shí)路徑規(guī)劃一直是移動(dòng)機(jī)器人研究的重要課題。本論文從Hodgkin和Huxley(1952)生物神經(jīng)系統(tǒng)的隔膜模型及GROSSBERG(1973)的逃避模型中得到啟發(fā)，提出了在非靜態(tài)環(huán)境下實(shí)時(shí)避障的移動(dòng)機(jī)器人路徑規(guī)劃SHAA神經(jīng)網(wǎng)絡(luò)算法。 SHAA神經(jīng)網(wǎng)絡(luò)算法模型是一種拓?fù)涫浇M織結(jié)構(gòu)，每個(gè)神經(jīng)元的激活值由相應(yīng)的逃避方程式或其附加方程式來(lái)表達(dá)。在SHAA算法模型中，通過(guò)描述神經(jīng)元網(wǎng)絡(luò)的神經(jīng)動(dòng)態(tài)激活值地形圖來(lái)刻劃?rùn)C(jī)器人的動(dòng)態(tài)變化環(huán)

2、境，它不需要任何動(dòng)態(tài)環(huán)境的前一時(shí)刻信息，而只需通過(guò)神經(jīng)動(dòng)態(tài)激活值地形圖就能實(shí)時(shí)地找出機(jī)器人最優(yōu)行進(jìn)路線；在SHAA中沒(méi)有復(fù)雜的搜索過(guò)程、沒(méi)有復(fù)雜的優(yōu)化過(guò)程、也不需要自學(xué)習(xí)過(guò)程。因而，SHAA算法是一種十分有效、簡(jiǎn)便、計(jì)算量較少的算法。SHAA算法計(jì)算的復(fù)雜程度線性地依賴于神經(jīng)網(wǎng)絡(luò)的規(guī)模大小。 此外本文通過(guò)對(duì)此神經(jīng)網(wǎng)絡(luò)模型進(jìn)行定性分析及李雅普洛夫穩(wěn)定性分析，從而得到其穩(wěn)定性及收斂性的保證。通過(guò)對(duì)周邊神經(jīng)網(wǎng)絡(luò)元的興奮及抑制作用，帶