移動機器人是工作在復雜環(huán)境下,具有自規(guī)劃、自組織、自適應能力的一種代表性智能機器人,被廣泛地應用到軍事和民用領域中,尤其在惡劣環(huán)境下更能體現出其重要的應用價值。自主導航作為一項核心技術,是實現移動機器人感知和行動能力的關鍵。而路徑規(guī)劃和定位則是組成移動機器人導航控制系統(tǒng)的重要部分,是實現移動機器人自主化、智能化的有效途徑。隨著障礙物環(huán)境日益復雜化和高維化,對移動機器人導航系統(tǒng)環(huán)境的適應能力和規(guī)劃效率提出了更高更迫切的要求。因此,為提高移動機器人導航系統(tǒng)性能,本文結合智能優(yōu)化算法,對移動機器人智能導航系統(tǒng)中的路徑規(guī)劃和定位方法開展研究。(1)針對環(huán)境模型已知的二維全局路徑規(guī)劃問題,在柵格環(huán)境模型和基本蟻群算法基礎上提出了基于動態(tài)反饋A*蟻群算法的平滑路徑規(guī)劃方法。改進的蟻群算法主要從初始信息素的優(yōu)化、進化策略的增加和參數的動態(tài)閉環(huán)調整三個方面考慮,并在得到規(guī)劃路徑后采用三次B樣條曲線進行光滑處理。通過仿真比較顯示,改進的蟻群算法能夠有效提高路徑規(guī)劃的搜索效率和避免局部極小問題,另外,與傳統(tǒng)蟻群算法相比能獲得更短的規(guī)劃路徑。(2)由于三維全局規(guī)劃問題較二維規(guī)劃除在空間上復雜性增大,且運動學和動力學約束更為復雜。針對環(huán)境模型已知的三維全局路徑規(guī)劃問題,以固定翼無人機為研究對象建立三維全局路徑規(guī)劃的數學模型,給出整體路徑和單段路徑的評估函數,并對標準粒子群算法進行分析與改進。由于固定翼無人機的三維全局路徑規(guī)劃屬于多約束多目標優(yōu)化問題,采用標準粒子群算法解決無人機三維全局路徑規(guī)劃時存在著收斂速度慢和局部極小等缺陷,因此,提出了一種基于全局最優(yōu)路徑競爭的粒子群優(yōu)化路徑方法。在改進的粒子群算法中,以兩個相鄰路徑點構成的單段路徑評估函數為評價標準,通過單路徑點逐步搜索,找出一條候選最優(yōu)路徑。并與將路徑中的所有路徑點作為整體時搜索到的候選最優(yōu)路徑相比較以此選出最優(yōu)路徑,從而實現對群體中最優(yōu)個體的優(yōu)化。通過仿真證明,改進的粒子群算法在三維全局路徑規(guī)劃中收斂速度較快,能夠在不同的環(huán)境中找到一條無碰撞可飛的路徑,具有良好的魯棒性。(3)針對環(huán)境未知或部分未知的局部路徑規(guī)劃問題,提出基于改進動態(tài)窗口法的路徑規(guī)劃方法。從移動機器人的運動模型、速度搜索空間和評價函數三個方面來分析基本動態(tài)窗口法,由于標準動態(tài)窗口法中的評價函數在面對不同障礙物的分布環(huán)境時均采用固定權重參數組合。為提高算法在復雜環(huán)境中的規(guī)劃效果,降低陷入障礙物陷阱的概率和減少權重參數對算法性能的影響,引入激光雷達數據來計算障礙物間隙大小,并與移動機器人的尺寸相比較,由比較結果來對權重參數進行模糊控制。通過仿真比較表明,在相同環(huán)境和參數條件下原動態(tài)窗口法無法通過障礙物而到達目標位置,而改進的動態(tài)窗口法可以有效避開障礙物順利到達目標點,從而提高動態(tài)窗口法的環(huán)境適應能力。(4)針對地圖完全未知且無法接受衛(wèi)星信號的相對封閉環(huán)境中的移動機器人同時定位與地圖構建(Simultaneous localization and mapping,SLAM)問題,建立移動機器人的運動模型和觀測模型,在此基礎上分析了 FastSLAM算法。為降低算法的計算復雜度,FastSLAM算法通過Rao-Blackwellized分解將移動機器人的位姿和地圖中的路標特征分別采用粒子濾波器和卡爾曼濾波來估計。但在粒子濾波算法中普遍存在“粒子退化和消耗”的問題,因此,提出基于改進布谷鳥算法的粒子濾波方法。其中,為增加布谷鳥種群的多樣性和提高搜索效率,在改進的布谷鳥算法中引入多策略差分進化算法來改進布谷鳥算法中的偏好隨機游動搜索策略。仿真結果驗證,引入改進布谷鳥算法的FastSLAM方法與標準FastSLAM算法相比較能夠有效提高移動機器人位姿估計和環(huán)境特征估計的準確度。本文針對智能移動機器人的自主導航問題,對路徑規(guī)劃和定位技術分別展開研究,介紹了蟻群算法、粒子群算法、動態(tài)窗口法、粒子濾波算法和FastSLAM算法,通過分析現有算法的不足之處并進行改進。改進的算法能夠更好提高移動機器人導航系統(tǒng)的性能,為實現移動機器人的自主控制提供參考。
【學位單位】：大連交通大學
【學位級別】：博士
【學位年份】：2018
【中圖分類】：TP242
【部分圖文】：

ＦａｓｔＳＬＡＭ算法中的粒子濾波器存在的“粒子貧化和枯竭”問題。??文總體安排??共包含五章內容，如圖１．２所示。各章節(jié)的總體安排如下：??章主要論述了移動機器人導航技術的研究意義、研究背景，分別介紹國規(guī)劃、局部路徑規(guī)劃和定位與地圖構建問題的發(fā)展與研究現狀，并確定和總體安排。??章提出了基于多策略動態(tài)反饋的Ａ＊蟻群算法來解決二維路徑規(guī)劃問題型作為環(huán)境地圖的基礎上，運用閉環(huán)反饋來調節(jié)蟻群算法參數，通過引快收斂速度。通過與傳統(tǒng)蟻群算法在兩種環(huán)境中的仿真對比，結果表明能有效緩解蟻群算袪中收斂速度和局部最優(yōu)之間的矛盾。??章主要研究了基于全局最優(yōu)路徑競爭的粒子群算法規(guī)劃三維路徑問題。規(guī)劃中，通過以固定翼無人機為研究對象建立約束條件和目標函數，用徑競爭的粒子群算法來解決帶有多個約束條件的多目標優(yōu)化問題。并與真比較來驗證該方法在三維路徑規(guī)劃應用中的優(yōu)越性。??

圖２．４蟻群覓食過程模擬??Ｆｉｇ．２．４?Ｔｈｅ?ｓｉｍｕｌａｔｉｏｎ?ｏｆ?ａｎｔｓ?ｆｏｒａｇｉｎｇ?ｐｒｏｃｅｓｓ??有一群螞蟻正在從蟻巢固定位置Ａ尋找去往食物源位置Ｆ的路徑，由于圖２．４（ａ）中??不存在障礙物，所以螞蟻群體不需要分流，直接選擇蟻巢和食物源之間的直線路徑即可。??但當在蟻巢Ａ與食物源Ｆ兩點的直線路徑上突然放置一個障礙物且障礙物的左右兩端到??食物源的距離不等，如圖２．４（ｂ）所示，ＤＧ為障礙物。在初始時刻，從Ｂ到Ｃ的路徑有??兩條，分別為ＢＤＣ和ＢＧＣ。因此，螞蟻個體需要對點Ｄ和Ｇ在選擇上做出決策，究??竟是向左轉還是向右轉？因為剛加入障礙物，路徑上缺乏前面螞蟻留下的信息素，螞蟻??群體是以相等的概率朝Ｄ和Ｇ兩個方向行進。但隨著時間的推移螞蟻走過分叉點Ｂ時，??將會分別在行進的路上釋放出信息素，且信息素以一定的速率揮發(fā)掉。信息素是螞蟻群??體之間信息交流的工具之一，后面的螞蟻通過路徑上信息素的濃度，做出往左還是往右??的決策。很明顯

?大連交通大學工學博士學位論文???采用兩種環(huán)境地圖如圖２．６所示，起點為１柵格，終點為４００柵格，在參數試驗中??將螞蟻數量取為３０。每組數據為２０次實驗數據的平均值。參數變化對路徑的影響??結果如圖２．７和表２．１所不。??，：??
【相似文獻】

相關期刊論文 前10條

1 王宏玉;;移動機器人行業(yè):百花齊放,快速發(fā)展[J];物流技術與應用;2019年03期

2 王賽;劉子龍;;基于4G網絡的移動機器人遠程控制研究[J];軟件導刊;2019年11期

3 張淇元;;自適應巡航移動機器人的構建與編程[J];數字通信世界;2017年10期

4 趙杰;;以世賽集訓為引領 推動學院水平提升——44屆世賽移動機器人項目集訓介紹[J];中國培訓;2018年03期

5 楊洪志;;移動機器人的雙臂結構設計要點研究[J];南方農機;2018年14期

6 任芳;;移動機器人助力無人倉落地——訪杭州海康機器人技術有限公司副總裁吳堯[J];物流技術與應用;2018年10期

7 劉銀萍;;全向移動機器人中電動機控制系統(tǒng)的研究[J];微電機;2016年12期

8 張燕;徐一超;盛洲;;A*算法在移動機器人自學習中的使用[J];單片機與嵌入式系統(tǒng)應用;2016年11期

9 薛金水;張新政;;改進遺傳算法優(yōu)化移動機器人動態(tài)路徑研究[J];機床與液壓;2017年07期

10 張皓;;四輪全向移動機器人轉彎半徑的研究[J];價值工程;2017年09期

相關博士學位論文 前10條

1 王志瑞;四面體桿式移動機器人的系統(tǒng)設計與研究[D];北京交通大學;2019年

2 張啟彬;基于不確定性分析的移動機器人室內定位與導航控制方法研究[D];中國科學技術大學;2018年

3 李曄卓;可重構多模式地面移動機器人的構型設計與性能研究[D];北京交通大學;2018年

4 黃辰;基于智能優(yōu)化算法的移動機器人路徑規(guī)劃與定位方法研究[D];大連交通大學;2018年

5 程傳奇;非結構場景下移動機器人自主導航關鍵技術研究[D];戰(zhàn)略支援部隊信息工程大學;2018年

6 馮晟;基于無線傳感器網絡的移動機器人室內動態(tài)定位[D];東北大學;2017年

7 邱增帥;面向室外環(huán)境的移動機器人自主場景理解[D];大連理工大學;2018年

8 陳偉華;社會環(huán)境的輪式移動機器人定位導航方法研究[D];華南理工大學;2018年

9 歐屹;特種地面移動機器人機械系統(tǒng)設計與分析[D];南京理工大學;2013年

10 姜健;多移動機器人協(xié)作方法研究[D];哈爾濱工業(yè)大學;2008年

相關碩士學位論文 前10條

1 周磊;基于RGB-D的移動機器人的同時定位與建圖[D];華北電力大學(北京);2019年

2 劉耀;基于激光雷達的室內移動機器人定位技術研究[D];東北石油大學;2019年

3 胡學甲;多功能移動機器人的設計及下位機實現[D];上海交通大學;2017年

4 梁爽;智慧工廠中多移動機器人路徑規(guī)劃研究[D];上海交通大學;2017年

5 吳國鵬;基于2D激光傳感器的移動機器人室內環(huán)境建模與自主導航研究[D];華南理工大學;2019年

6 陳鑫;基于領航-跟隨者結構的移動機器人預設性能編隊控制研究[D];華南理工大學;2019年

7 李建龍;基于腦電遙控的移動機器人同步定位與地圖構建方法研究[D];華南理工大學;2019年

8 陳浩權;基于激光雷達的室內移動機器人關鍵技術研究[D];華南理工大學;2019年

9 柳俊城;全向移動機器人自主導航技術研究[D];華南理工大學;2019年

10 黎偉豪;全向移動機器人的控制算法及其運動規(guī)劃[D];華南理工大學;2019年

本文編號：2888876