论文部分内容阅读
随着需求多样化和复杂化,对机器人的发展提出了更高的要求,以前的那种单机器人的工作模式已经不能满足现实的要求了,为了提高的工作效率和可实施性,发展多机器人的是很必须的.相比较单个机器人,多机器人变得更加复杂,需要考虑控制方式,环境感知,动态决策,协调方式,信息的沟通等方面的问题,其中多机器人的路径规划是一个困难复杂的问题,因此它也是多机器人动机器人研究的重要方向。本论文主要研究了多移动机器人在静态已经和动态位置环境下的智能路径规划问题。本文的主要工作包括:1.介绍了机器人路径规划的研究情况和相关的国内外同类课题的研究现状,介绍了移动机器人路径规划的全局和局部情况下的常用方法,分析了这些的方法的优点和缺点,最后展望了多动机器人路径规划的发展趋势。2.研究了不同工作环境下的多机器人路径规划问题,分为全局静态已知环境和局部动态未知环境的路径规划,针对环境已知并且存在障碍物情况下的多机器人路径规划问题,提出了一种基于滚动优化策略和遗传算法的动态路径规划方法。应用滚动策略产生一系列移动空间窗口,在窗口中进行在线规划,充分利用机器人自身的传感器探测实时测得的每个窗口环境信息,并用遗传算法求解每一个移动窗口内的最优路径。仿真试验表明,该方法能很快找到一条避障可达的优化路径,克服了一般局部路径规划方法的高复杂性的缺点,提高算法的可操作性,使得算法简单、具有全局寻优能力、收敛速度变快了,可以满足在复杂未知动态环境下机器人路径规划的实时性要求。3.针对全局已知环境下多机器人的路径规划问题,提出了协同进化的粒子群优化算法.在工作的环境中,为了是多个机器人能更好的配合提高工作的效率和准确性,就必须是各个机器人之间进行交流,来协调各个机器人的行为,在进行粒子群算法进行路径规划的时候,各个机器人进行交流,比较此刻机器人的位置以及未来的位置和速度.最后,取得一个全局的优化路径.通过仿真实验,该方法可是很好的解决机器人之间的配合问题,使得机器人的工作效果得以改善,很好的满足的实验的要求.4.多机器人路径规划是很重要的一个问题,但是,在解决路径规划时,往往是需要面对机器人协作和避障的,机器人的个体的增加,空间复杂度的提高,在论文中,也着重对避障方法做了一些有针对的研究。最后,总结了全文的研究内容,分析研究问题的不足,提出了多机器人路径规划有待解决的问题,展望了多机器人路径规划的进一步研究方向。