论文部分内容阅读
随着机器人技术的快速发展,移动机器人被广泛应用于科技领域和日常生活的各个方面。移动机器人的避障和路径规划能力,决定了其智能化的程度,也是近年来国内外学者研究的热点领域之一。根据对环境的感知程度,路径规划算法可以分为全局路径规划和局部路径规划。前者针对环境信息完全已知的情况,进行最优路径规划;后者根据传感器来获取障碍物信息,通过躲避障碍物来完成路径规划。目前,仅使用单一路径规划算法还不能同时解决路径规划中涉及的最优化路径和动态障碍物的避障等问题。本文针对移动机器人的避障和路径规划问题,提出了一个采用改进A*算法和基于模糊逻辑自适应避障的混合路径规划方法。该方法的基本思想包括:1)使用改进A*算法进行全局路径规划来为移动机器人获取性能较佳的可行路径;2)利用基于模糊逻辑的自适应避障算法使得移动机器人可以躲避运行时动态出现的障碍物。最终,在移动机器人导航过程中,通过1)和2)的协作来实现移动机器人的避障能力以及路径规划能力。基于所提出的算法,本文使用HBE-SmartCAR移动机器人为研究对象,对上述方法进行了实验和分析。实验结果表明了该方法的有效性和可行性。本文的贡献点如下:1)本文针对移动机器人的避障问题,提出了一个基于模糊逻辑的自适应避障算法。该方法由模糊逻辑和机器学习中的随机森林算法组成,能实现在运行过程中动态更新模糊规则库。利用该方法,移动机器人在运行过程中可以对模糊规则库进行更新,从而适应环境的变化,弥补了传统模糊逻辑对模糊规则难以在线调整的缺点。2)对A*算法的估价函数和路径规划搜索策略进行了改进,使得最后的路径规划结果具有更好的避障性能和安全性。3)采用改进A*算法和基于模糊逻辑自适应避障的混合路径规划方法,来解决移动机器人室内环境下的避障和路径规划问题。以HBE-SmartCAR移动机器人为研究对象进行实验,验证了该方法的有效性和可行性。