移動(dòng)機(jī)器人局部路徑規(guī)劃方法的研究.pdf

1、移動(dòng)機(jī)器人路徑規(guī)劃作為自主式移動(dòng)機(jī)器人技術(shù)的一個(gè)重要組成部分，是研究移動(dòng)機(jī)器人技術(shù)較為活躍的課題之一，吸引了國(guó)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(duì)路徑規(guī)劃的研究有了更廣闊的天地。我國(guó)在智能移動(dòng)機(jī)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(jī)器人和飛行機(jī)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(guó)家，而且還沒(méi)有達(dá)到完全實(shí)用。因此，進(jìn)行這項(xiàng)研究，具有一定的理論和工程應(yīng)用意義。本文以美國(guó)A

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

3、劃。本文采用了兩種方法一改進(jìn)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(jìn)行移動(dòng)機(jī)器人的路徑規(guī)劃。 1、改進(jìn)的遺傳算法首先，采集環(huán)境信息，進(jìn)行環(huán)境建模。無(wú)論機(jī)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(shí)世界的問(wèn)題進(jìn)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(guò)比較各種環(huán)境建模的方法，選用柵格法建立移動(dòng)機(jī)器人的二維工作空間環(huán)境

4、型，動(dòng)態(tài)障礙物可視為移動(dòng)的障礙物柵格，并詳細(xì)介紹了柵格法中柵格大小、柵格標(biāo)識(shí)及柵格取值的設(shè)定。 然后，通過(guò)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(diǎn)的基礎(chǔ)上，選擇遺傳算法來(lái)解決靜態(tài)和動(dòng)態(tài)環(huán)境下移動(dòng)機(jī)器人的路徑規(guī)劃問(wèn)題。本文針對(duì)路徑規(guī)劃問(wèn)題的特點(diǎn)，對(duì)算法的各個(gè)環(huán)節(jié)進(jìn)行了細(xì)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(jì)、遺傳操作算子的設(shè)計(jì)、算法參數(shù)的分析和選取。提出了將數(shù)字勢(shì)場(chǎng)和遺傳算法相結(jié)合

5、的綜合解決方法。 最后用C++編寫(xiě)仿真程序，在未知環(huán)境下進(jìn)行仿真。詳細(xì)說(shuō)明了程序設(shè)計(jì)的各個(gè)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(dòng)機(jī)器人Ш——Pioneer3-AT上進(jìn)行實(shí)驗(yàn)，經(jīng)過(guò)多次實(shí)驗(yàn)，機(jī)器人均能夠安全的躲避障礙物，找到最優(yōu)前進(jìn)方向，安全的到達(dá)目標(biāo)點(diǎn)，驗(yàn)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(qiáng)化學(xué)習(xí)中由環(huán)境提供的強(qiáng)化信號(hào)是

6、對(duì)產(chǎn)生動(dòng)作的好壞作一種評(píng)價(jià)(通常為標(biāo)量信號(hào))，而不是告訴強(qiáng)化學(xué)習(xí)系統(tǒng)RLS(reinforcement learning system)如何去產(chǎn)生正確的動(dòng)作，因此比較適合用于自主移動(dòng)機(jī)器人的路徑規(guī)劃問(wèn)題。 Q-學(xué)習(xí)可用各種神經(jīng)網(wǎng)絡(luò)來(lái)實(shí)現(xiàn)，每一個(gè)網(wǎng)絡(luò)的輸出對(duì)應(yīng)于一個(gè)動(dòng)作的Q值，綜合分析各種網(wǎng)絡(luò)以后，采用結(jié)合競(jìng)爭(zhēng)神經(jīng)網(wǎng)絡(luò)和自組織映射網(wǎng)絡(luò)的思想實(shí)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(jìng)爭(zhēng)組織層)，其特點(diǎn)主要體現(xiàn)在競(jìng)