论文部分内容阅读
在机器人研究领域中,路径规划问题一直都是研究的重点。近年来,随着机器人技术和产业的飞速发展,对路径规划的研究受到越来越多的学者、专家的关注和重视。现今,对路径规划方法的研究已取得丰硕的成果,但是也存在着不足。许多算法的提出只是在实验仿真的基础上进行的,并不能用于实际情况中。这些不足需要研究者们去进一步完善。所以本文结合吉林省教育厅项目“大型养殖场监控机器人控制系统设计”,对养殖场中机器人路径规划进行研究。首先,针对静态环境下的机器人路径进行研究,提出了一种改进的遗传算法。在该方法中,一是改进了地图环境的建立,将预先设定的静态障碍物直接引入到算法的初始种群中,避开了环境建模问题;二是在算法中设置了检查装置,保证了生成的新个体不在障碍物内;三是改进了适应度函数的设计,考虑到机器人路径的最短距离、路径平滑度、安全性能(避开障碍物),将这三个因素加入到适应度函数的设计中;四是对适应度函数中的三个因素人为加入权值系数,进一步确保得出最优路径。通过仿真实验,表明该方法是可以实现的。其次,对基于改进遗传算法的机器人路径规划方法进行优化研究,针对遗传算法中适应度函数的权值,提出利用粒子群优化算法进行自主寻优,避开了人为设置的不足。根据遗传算法适应度函数中三个权值的关系,设计出粒子群优化算法的适应度函数。该方法能够自行确定各个因子的权值,实现权值因子的自主协调,从而得到最优路径。经过仿真实验,表明该方法可行。再次,运用蚁群算法对机器人进行路径规划仿真研究。仔细分析了蚁群算法的原理、参数和基本公式模型。通过仿真实验得出该算法的可行性。最后,针对养殖场的实际环境,对机器人路径规划进行模拟仿真研究。以养鸡场环境为模型,根据机器人在养鸡场中执行任务的不同,分别研究了监控模式(巡航模式)和路径规划模式。机器人在不同的工作模式下,路径规划方法不同。监控模式下采用了步长法,路径规划模式下采用了遗传算法和蚁群算法。根据得到的遗传算法和蚁群算法路径规划仿真结果进行对比,得出遗传算法更适用于养鸡场环境下的机器人路径规划,相较于蚁群算法,遗传算法更具有优越性。