復(fù)雜環(huán)境下移動機器人路徑規(guī)劃是機器人路徑規(guī)劃研究領(lǐng)域中極具挑戰(zhàn)的問題。移動機器人除了規(guī)劃出一條從起始位置到目標(biāo)點之間的最優(yōu)路徑之外,還要在移動的規(guī)程中面臨因障礙物運動或目標(biāo)點位置改變而導(dǎo)致先前規(guī)劃出來的路徑不可達的難題。在此背景下,本文聚焦于工廠巡檢場景的機器人路徑規(guī)劃問題。在該場景中,移動機器人處于一個動態(tài)環(huán)境中,環(huán)境中有一個或多個處于靜止或運動狀態(tài)的障礙物以及一個動態(tài)移動目標(biāo),移動機器人需要定位追蹤到該移動目標(biāo)。為了解決該場景下動態(tài)路徑規(guī)劃問題,本文將動態(tài)環(huán)境切分成若干個靜態(tài)環(huán)境,分而治之,對切分的環(huán)境進行路徑規(guī)劃以此達到動態(tài)環(huán)境路徑規(guī)劃的目的。基于此,本文提出了一種改進粒子群-三次樣條插值算法（IPSO-Sp）,在粒子群算法框架下根據(jù)三次樣條插值法生成路徑方式,設(shè)計了特別的初始化種群方法。此外,在標(biāo)準(zhǔn)粒子群算法中,為了增強了算法的開采能力、避免陷入局部最優(yōu),在粒子更新速度時引入了隨機正反饋因子。為了使機器人能夠提前預(yù)測目標(biāo)的位置,縮短動態(tài)環(huán)境路徑規(guī)劃路徑長度,本文提出了慣性定位策略,并將該策略與IPSO-Sp算法進行融合,應(yīng)用到動態(tài)環(huán)境路徑規(guī)劃中。仿真實驗表明,在靜態(tài)環(huán)境中IPS... 

【文章來源】：湘潭大學(xué)湖南省

【文章頁數(shù)】：48 頁

【學(xué)位級別】：碩士

【部分圖文】：

機器人導(dǎo)航過程

6器人路徑平滑規(guī)劃算法，該方法在對機器人的路徑平滑方面，有不錯優(yōu)勢[42,43,44]。1.4研究內(nèi)容及論文框架1.4.1論文框架論文首先從理論研究方面，分析了學(xué)者在相關(guān)領(lǐng)域做的研究，在前人的研究基礎(chǔ)上，找出研究中存在的不足，然后設(shè)計了IPSO-Sp算法和提出慣性定位策略，采用對比計算來驗證IPSO-Sp算法和提出慣性定位策略的有效性，相關(guān)章節(jié)的具體安排如圖1.2所示。圖1.2論文結(jié)構(gòu)

10若目標(biāo)和地圖中的某一個障礙物隔得很近時，機器人可能會一直圍繞目標(biāo)周圍運動，卻不能達到目標(biāo)點。以往，應(yīng)用該方法研究路徑規(guī)劃問題時，大多都將目標(biāo)點和障礙物設(shè)置在相隔較遠的地方，人工避免了上述存在的問題。或者在機器人要靠近目標(biāo)的時候，將障礙物的排斥系數(shù)減小，以致“排斥力”變得很小，或者達到可以忽略的大校這樣機器人就幾乎只收到目標(biāo)點的“吸引力”，直接朝目標(biāo)移動。然而，這種設(shè)定往往是不太合理的。因為在實際環(huán)境中，目標(biāo)點和障礙物間隔很小的情況是常態(tài)。在這類狀態(tài)下，機器人朝目標(biāo)移動的時候，機器人也在朝著障礙物移動。如果不對初始勢場函數(shù)做出相應(yīng)調(diào)整，那么此時機器人所受到的“排斥力”將會比所受到的“吸引力”大得多，在兩個力的相互作用下，將導(dǎo)致機器人始終達不到目標(biāo)點。故而，勢場函數(shù)的設(shè)計，是人工勢場法的關(guān)鍵所在。2.2圖形學(xué)方法傳統(tǒng)算法在解決路徑規(guī)劃問題的時候，經(jīng)常碰到的一個難題就是對路徑規(guī)劃問題的建模。為了解決這個問題，有人嘗試用圖形學(xué)的方法來解決，并獲得了不錯的成績。雖然這解決了建模難的問題，但是與此同時也暴露出其缺陷：搜索能力不足。故而，這一類方法通常要與能與之匹配的搜索方法相結(jié)合，共同解決路徑規(guī)劃問題。這些圖形學(xué)的方法大致有四中：柵格法、自由空間法、可視圖空間法、voronoi圖法等[56-59]。本文小節(jié)將著重介紹柵格法在路徑規(guī)劃上的相關(guān)知識與應(yīng)用。圖2.2柵格法地圖柵格法是給機器人工作環(huán)境中地圖建模的一種方法。柵格法實質(zhì)上是將移動機器人檢測到的周圍環(huán)境轉(zhuǎn)化為二維矩陣（工作環(huán)境為二維平面）或高維矩陣（工

【參考文獻】：
期刊論文
[1]基于海圖和改進粒子群優(yōu)化算法的AUV全局路徑規(guī)劃[J]. 張岳星,王軼群,李碩,王曉輝.  機器人. 2020(01)
[2]基于模擬退火蟻群算法的機器人路徑規(guī)劃方法[J]. 袁佳泉,李勝,吳益飛,郭健.  計算機仿真. 2019(10)
[3]改進人工勢場法自主移動機器人路徑規(guī)劃[J]. 羅強,王海寶,崔小勁,何晶昌.  控制工程. 2019(06)
[4]移動機器人路徑規(guī)劃綜述[J]. 宋曉茹,任怡悅,高嵩,陳超波.  計算機測量與控制. 2019(04)
[5]基于差分進化算法的自主式水下航行器在時變水下環(huán)境中的快速路徑規(guī)劃方法（英文）[J]. S.Mahmoud Zadeh,D.M.W Powers,A.M.Yazdani,K.Sammut,A.Atyabi.  Journal of Marine Science and Application. 2018(04)
[6]基于禁忌搜索算法的甩掛運輸路徑規(guī)劃問題研究[J]. 馬華偉,范奉偉,胡笑旋.  中國管理科學(xué). 2016(S1)
[7]機器人技術(shù)研究進展[J]. 譚民,王碩.  自動化學(xué)報. 2013(07)
[8]路徑規(guī)劃算法及其應(yīng)用綜述[J]. 張廣林,胡小梅,柴劍飛,趙磊,俞濤.  現(xiàn)代機械. 2011(05)
[9]基于可視圖的移動機器人路徑規(guī)劃[J]. 許斯軍,曹奇英.  計算機應(yīng)用與軟件. 2011(03)
[10]移動機器人路徑規(guī)劃技術(shù)綜述[J]. 朱大奇,顏明重.  控制與決策. 2010(07)

碩士論文
[1]基于模糊神經(jīng)網(wǎng)絡(luò)的智能交通路徑規(guī)劃系統(tǒng)的研究與實現(xiàn)[D]. 馬思臣.南京郵電大學(xué) 2017
[2]基于A*算法的路徑規(guī)劃算法研究[D]. 彭澎.安徽工業(yè)大學(xué) 2018
[3]改進蟻群算法在機器人路徑規(guī)劃上的應(yīng)用研究[D]. 喻環(huán).安徽大學(xué) 2017
[4]移動機器人全局路徑規(guī)劃及軌跡跟蹤研究[D]. 熊菡.武漢科技大學(xué) 2014
[5]基于模糊邏輯控制的動態(tài)行為移動機器人路徑規(guī)劃[D]. 曹萌萌.北京交通大學(xué) 2009



本文編號：3518005