论文部分内容阅读
进化机器人是嵌入了进化算法的具有较强环境适应能力的机器人,属于智能机器人研究领域新的研究方向,能够很好的解决移动机器人学习与适应能力方面的问题。本文基于进化神经网络,对机器人硬件进化(EHW)的两个方面—形态的进化和基于FPGA的电子电路的进化进行了系统的研究。现有进化算法搜索时间长,进化速度慢,往往不能进化出个体行为的最优解,本文利用神经网络集成显著的泛化性和个体成员网络的差异性,提出了基于集成系统的并行进化学习算法。本文定义了机器人传感器组,每一个传感器组最小结构对应于一种神经网络,通过进化成员网络的权值、结构、学习规则得到最优的行为个体。仿真实验证明了基于神经网络集成系统的并行学习算法的有效性,相比较于传统的单网络控制器的设计方法,本文所提出的算法具有更高的学习效率和进化能力。本文结合自主避障的进化实验,对神经网络的硬件实现进行了探讨,提出了一种神经元连接方式,从输入层到中间层采用串行连接,从中间层到输出层采用并行连接,并对遗传算法进化神经网络的模块化结构设计进行了初步探讨。采用Altera公司的FPGA芯片—Cyclone EP1C3T144C进行实验,结果显示该方法能有效的缩短运行时间,取得较好的效果。本文根据实际机器人机械结构和运动特性,利用面向对象的编程方法,利用C++BuilderI具建立了SimRobot机器人行为学习和进化的仿真环境软件,讨论了传感器模型和地图环境构建方法,验证了行为学习和进化结果的有效性。本文希望通过模拟生物的学习和进化来研究SimRobot机器人的行为,自主地得到适合机器人工作环境和满足任务要求的机器人各种行为的动作编码值。研究中,仅赋予机器人基本的行为和动作方式,利用机器人个体的行为学习和种群的行为进化,自主地得到机器人的动作编码值,减少较多的人为设计因素,将设计者从机器人的基本行为动作设计中解脱出来,增强机器人的实际应用能力。