發(fā)布時間：2018-04-16 03:10

  本文選題：兵器科學與技術(shù) + 機器蛇　； 參考：《兵工學報》2017年S1期

【摘要】：為提高多自由度多冗余度的機器蛇水下環(huán)境適應能力,使機器蛇在海洋中有效避開巖石、魚群、珊瑚和其他懸浮物,實現(xiàn)機器蛇在水中復雜環(huán)境靈活運動并準確到達目標位置,提出了一種基于人工勢場和快速擴展隨機樹搜索算法的機器蛇水下三維立體智能避障算法,利用MATLAB建立三維隨機障礙模型。在全局避障方面,通過快速擴展隨機樹搜索算法解決機器蛇路徑被鎖死的問題;在局部避障方面,利用人工勢場方法避免了難以找到最短路徑的不足。由此實現(xiàn)機器蛇以最快速度、最短路徑的原則尋找躲避障礙到達目標點的路徑。仿真結(jié)果表明,機器蛇能夠有效避開復雜環(huán)境中或大或小、或疏或密的障礙,算法對實現(xiàn)機器蛇進行海洋探索有著重要的意義。
[Abstract]:In order to improve the underwater adaptability of robot snakes with multiple degrees of freedom and redundancy and to avoid rocks, fish, coral and other suspended matter effectively in the ocean, the robot snakes can move flexibly in the complex environment in water and reach the target position accurately.A 3D intelligent obstacle avoidance algorithm based on artificial potential field and fast extended random tree search algorithm for robot snake underwater is proposed. The 3D stochastic obstacle model is established by using MATLAB.In the aspect of global obstacle avoidance, the problem of lock-in of robot snake path is solved by a fast extended random tree search algorithm, and in local obstacle avoidance, the shortage of finding the shortest path is avoided by using artificial potential field method.Thus, the robot snake can find the path to reach the target point by the principle of the fastest speed and shortest path.The simulation results show that the robot snake can effectively avoid the large or small, sparse or dense obstacles in complex environment, and the algorithm is of great significance to realize the ocean exploration of robot snake.
【作者單位】： 北京理工大學機電學院;
【分類號】：TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 王肖青;王奇志;;傳統(tǒng)人工勢場的改進[J];計算機技術(shù)與發(fā)展;2006年04期

2 黃炳強;曹廣益;;基于模糊人工勢場的移動機器人路徑規(guī)劃[J];上海理工大學學報;2006年04期

3 潘煉;嚴文;陶輝;嚴共燦;;基于改進人工勢場的移動機器人路徑規(guī)劃[J];計算機測量與控制;2011年04期

4 吳喬喬;曾虹;張翔;;一種人工勢場路徑規(guī)劃改進算法的研究[J];杭州電子科技大學學報;2008年03期

5 彭建亮;孫秀霞;蔡滿意;朱凡;;基于人工勢場的防空威脅建模與仿真[J];系統(tǒng)工程與電子技術(shù);2010年02期

6 況菲,王耀南,張輝;動態(tài)環(huán)境下基于改進人工勢場的機器人實時路徑規(guī)劃仿真研究[J];計算機應用;2005年10期

7 況菲;王耀南;;基于混合人工勢場-遺傳算法的移動機器人路徑規(guī)劃仿真研究[J];系統(tǒng)仿真學報;2006年03期

8 朱俊;王宇俊;常光華;續(xù)芳;;基于改進人工勢場模型的移動機器人路徑規(guī)劃[J];電腦知識與技術(shù);2010年11期

9 李書杰;王鵬;陳宗海;;基于灰色定性理論的無陷阱人工勢場[J];控制與決策;2013年06期

10 張慶龍;劉國棟;;一種基于改進人工勢場的移動機器人路徑規(guī)劃方法[J];江南大學學報(自然科學版);2014年02期

相關(guān)會議論文 前1條

1 張樂杰;楊國勝;侯增廣;譚民;;基于融合和人工勢場的自主移動機器人路徑規(guī)劃研究[A];第16屆中國過程控制學術(shù)年會暨第4屆全國故障診斷與安全性學術(shù)會議論文集[C];2005年

相關(guān)博士學位論文 前1條

1 王佳;多Agent系統(tǒng)的控制及穩(wěn)定性分析[D];南京理工大學;2008年

相關(guān)碩士學位論文 前7條

1 劉琨;基于人工勢場和蟻群算法的無人船路徑規(guī)劃研究[D];海南大學;2016年

2 謝文明;動態(tài)環(huán)境下基于人工勢場引導進化算法的移動機器人路徑規(guī)劃[D];武漢科技大學;2008年

3 黃強;基于人工勢場和虛擬領(lǐng)航者的多智能體協(xié)同控制研究[D];哈爾濱工業(yè)大學;2013年

4 劉澤文;基于人工勢場的激勵學習問題研究[D];長沙理工大學;2008年

5 胡志華;基于離散人工勢場的移動機器人動態(tài)路徑規(guī)劃研究[D];中南大學;2009年

6 張煌輝;基于動態(tài)人工勢場的路徑規(guī)劃研究與應用[D];長沙理工大學;2010年

7 孫華林;基于C空間和人工勢場的4R機器人路徑規(guī)劃[D];合肥工業(yè)大學;2008年

，

本文編號：1757027