论文部分内容阅读
移动机器人是机器人学中的重要分支,对它的研究属于多学科交叉的前沿课题。导航是移动机器人重要研究内容之一,它代表一种高层智能,在避开障碍物的同时,引导机器人走向目标。移动机器人导航的研究包括机器人工作环境的建模、路径规划和机器人运动控制等的研究。目前,全局已知环境下的移动机器人导航技术已经趋于成熟。但是,对于如何在复杂的全局未知的动态环境下有效地实施导航,仍是亟待解决的难题。本文针对复杂动态环境下移动机器人自主导航要解决的动态工作环境建模和路径规划两个关键问题进行研究,因此具有较大的理论意义和应用价值。
本文在收集国内外相关研究文献之后,对其进行充分的分析和综合。在此基础上,对动态环境下的机器人工作环境建模与路径规划方法进行了较深入的研究。主要研究工作如下:
(1)移动机器人带障碍物工作环境建模
针对复杂动态环境的不确定性,以及噪声干扰和环境检测误差等因素对环境建模的影响,提出了采用拟人化的环境认知思想,运用模糊理论对机器人的工作环境进行建模,克服传感器检测误差等对路径规划算法的影响,并建立了四种带障碍物的环境模型:基于距离的带静态障碍物环境模型,基于模糊聚类的带静态障碍物环境模型,基于障碍物运动方向的环境模型,基于障碍物运动速度的环境模型。
(2)基于蚁群多阶段决策与滚动窗的机器人路径规划
研究了复杂系统多阶段决策模型和蚁群算法的关系,给出了基于蚁群算法的多阶段决策和滚动可视窗概念,讨论了滚动可视窗的局部子目标确定问题。在此基础上,提出了基于蚁群多阶段决策与滚动窗的路径规划方法及其改进算法,并给出了详细的计算步骤。仿真实验结果表明,该方法在路径规划的计算时间和优化性能方面优于一般的遗传算法。
(3)基于多蚁群并行寻优的机器人路径规划
针对影响路径规划实时性和优化性的蚁群局部寻优算法进行进一步研究。首先讨论了多蚁群并行寻优的信息交互及其拓扑结构,然后提出了基于双蚁群协同寻优以及基于加权交换策略的多蚁群并行寻优的机器人路径规划方法,给出了该方法的详细流程和描述。该算法以基于多核处理器的并行计算模式进行设计,并采用多线程方式加以实现,总体上提高了可视窗内蚁群局部寻优的速度和精度。仿真实验表明,多蚁群并行寻优的机器人路径规划方法在多项性能方面优于普通的单蚁群寻优方法。
(4)基于情感模型的机器人变步长路径规划
通过分析环境对机器人情感的影响,建立了机器人三维情感空间模型,并确定了外界激励的情感转移概率。在此基础上,提出了基于情感模型的机器人变步长路径规划方法,并给出详细的计算步骤。仿真实验结果表明,该方法优于定步长路径规划算法。
(5)带环境、情感及规划记忆的机器人路径规划
提出了采用ART2学习和记忆环境、情感及规划的机器人路径规划方法,并给出了算法的结构模型和详细的计算步骤。该方法在蚁群引导的机器人滚动路径规划过程中,采用ART2学习和存储大量的环境状态和分类模式,每个分类模式将对应于该类环境的机器人规划走向和步长值。其后,当机器人探测到的环境与ART2学习过的类型模式类似时,即可直接启用已记忆的机器人规划走向和步长值来实现当前的路径规划,免去重复的蚁群局部路径寻优等过程。仿真实验和比较结果表明,该方法大大提高了机器人路径规划的实时性,取得了较为理想的效果。
论文最后进行了总结,给出了本文的创新点及主要研究成果,并指出要进一步研究的问题。