论文部分内容阅读
机器人自主移动的研究是机器人领域中十分重要的一个分支。在机器人自主移动的各项研究中,路径规划和运动控制是最基本、最重要的内容。如何建立环境模型实现机器人对环境的理解;如何在已有的环境模型中规划出最优的无碰路径;如何控制机器人的运动,从而实现机器人的路径或轨迹的跟踪,这些问题成了关键点。基于此,本文的研究分为两个层次,首先是移动机器人的路径规划层次,其次是移动机器人的运动控制层次。在路径规划层次中,本文基于智能算法中的蚁群算法,着重阐述了蚁群算法的基本原理、数学模型及蚁群算法在路径规划中的应用方法,并对其进行仿真予以实现。在实验过程中,发现蚁群算法参数的选择对算法性能影响很大,进而构建了基于蚁群算法的解决Oliver30cities实验平台,以多次实验数据为基础确定了蚁群算法重要参数的取值范围。并基于此范围,设计了应用微粒群算法对蚁群算法的参数进行组合优化方案,最终确定了基于机器人路径规划的蚁群算法参数取值的最优组合,并通过仿真实验对参数改进前后的规划性能进行对比。在运动控制层次中,首先阐述了基于PID控制法的机器人路径跟踪,并对上一层次规划出来的路径进行跟踪,通过实验仿真验证了其跟踪效果;其次基于李雅普诺夫函数设计了速度跟踪控制律,实现了机器人的轨迹跟踪,并通过仿真实验证明了该方法的正确性。到目前为止,机器人自主移动中的路径规划和路径及轨迹跟踪问题已经有了一定的理论及实践基础,但仍是众多学者研究的重点及难点。蚁群算法等智能化方法引入到机器人路径规划及轨迹跟踪中,是研究的重要方向之一。