移動機器人自主導航中的路徑規(guī)劃與跟蹤控制技術研究.pdf

1、本文的主要工作結合“地面智能機器人”“十五”計劃的工程需要，圍繞移動機器人自主導航研究中的兩項關鍵技術一路徑規(guī)劃與跟蹤控制進行了系統(tǒng)研究，為“地面智能機器人”“十五”計劃工程的順利完成做出了貢獻。 首先全面分析了目前路徑規(guī)劃算法和跟蹤控制算法的發(fā)展現狀。對這些方法進行歸納總結，評價各算法的性能差異，以便于比較研究。在此基礎上進行了深入研究，取得了以下四項創(chuàng)新性成果和創(chuàng)新點。 針對室內環(huán)境特點，提出一種基于模糊雷達方向權的

2、反應式局部路徑規(guī)劃算法。利用三元組來描述機器人的環(huán)境與目標信息，并設計模糊方向權函數，根據三元組推導方向權的權值。結合VFH+算法，對方向權進行了濾波，以補償機器人寬度對避障的影響。 復雜環(huán)境下的機器人導航一直是機器人自主導航研究的難點和熱點。本文根據輪式車輛的運動學特點，針對機器人導航中安全性問題以及算法實時性要求，給出一種適用于復雜環(huán)境下輪式車自主導航的局部路徑規(guī)劃算法。在綜合考慮路徑長度，算法實時性，移動機器人避障安全性等

3、多個方面，給出視場范圍的可通行區(qū)域快速劃分算法，在此基礎上利用模糊子集對可通行區(qū)域進行安全性評估。針對車體顛簸起伏對導航造成影響的問題，研究了地形高程對越野可通行性的影響，提取了反映地形起伏幅度特征。最后綜合以上因素，設計可通行區(qū)通過代價函數。 針對傳統(tǒng)神經網絡方法進行路徑規(guī)劃時對每個障礙均設計一些特定的隱節(jié)點，當障礙較多且環(huán)境障礙為動態(tài)時，網絡結構龐大且神經元的閾值隨時間的變化而需要不斷改變的缺點，提出一種神經網絡和粒子群算法

4、相結合的移動機器人路徑規(guī)劃方法，采用小波網絡和RBF網絡相結合的四層神經網絡結構。同時根據獲得的環(huán)境信息，利用粒子群對神經網絡的參數進行訓練，在規(guī)定的代數內對網絡參數優(yōu)化，使得機器人在移動過程中能夠快速響應環(huán)境信息的變化。 設計一種移動機器人軌跡跟蹤控制器并利用Lyapunov 穩(wěn)定性定理證明了該控制器的全局穩(wěn)定性。針對人為設定該類控制器參數工作量較大，根據移動機器人跟蹤控制過程的非線性本質，提出了一種采用模糊非線性參數的跟蹤控

5、制方法。并在無先驗知識的前提下，分別利用粒子群算法和蟻群算法自動提取控制器參數的模糊規(guī)則基。 在上述工作的基礎上，設計并實現的路徑規(guī)劃與跟蹤控制系統(tǒng)，進行了多次室內以及室外中等起伏環(huán)境下的實車試驗，驗證了算法的可行性和有效性。本文的研究主要基于國家部委一項跨行業(yè)重點預研項目“地面智能移動機器人”和XX基礎研究項目“微小型地面移動機器人”，在本文算法基礎上設計的路徑規(guī)劃與跟蹤控制系統(tǒng)作為其功能模塊，順利通過了部委專家組的驗收與鑒定