近年來自然災(zāi)害頻發(fā),其中既有地震、海嘯等自然因素,也有由于人類的行為導(dǎo)致大型火災(zāi)、化工毒氣泄露等災(zāi)難。在這些災(zāi)難發(fā)生后需要搜救工作人員緊急進入災(zāi)害現(xiàn)場,此時搜救人員的生命安全受到威脅,并且工作效率不高。因此,智能搜救機器人技術(shù)應(yīng)用于災(zāi)后搜救工作成為目前機器人技術(shù)的研究熱點。智能搜救機器人的路徑規(guī)劃方法是相關(guān)領(lǐng)域的重點研究內(nèi)容之一。路徑規(guī)劃關(guān)鍵技術(shù)主要包括兩點:1)規(guī)劃一條無碰撞、距離最短、安全性較高的路徑;2)如何能夠獲得所在的環(huán)境信息并建立模型。針對路徑規(guī)劃中的兩個方面,本文首先分析了智能規(guī)劃路徑算法,研究了粒子群算法在路徑規(guī)劃問題上的缺陷,包括粒子群算法易陷入局部最優(yōu)、陷入死循環(huán)導(dǎo)致路徑規(guī)劃時間過長、無法找到最短的路徑。針對以上缺點,本文提出了兩種改進方法:1)通過自適應(yīng)調(diào)節(jié)的對數(shù)函數(shù)遞減慣性改變權(quán)重;2)遺傳算法中的變異因子優(yōu)化粒子群中個體速度值。將改進后的算法與基本粒子群算法進行對比仿真。仿真實驗表明:粒子群尋優(yōu)的速率變快、與最優(yōu)值最接近。其次,本文分析了目前成熟的環(huán)境模型及其構(gòu)建方法,最后確定應(yīng)用柵格法作為環(huán)境模型的構(gòu)造方法。由于搜救環(huán)境中地圖信息已經(jīng)被嚴(yán)重破壞,因此本文通過... 

【文章來源】：長春理工大學(xué)吉林省

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 選題背景及研究目的和意義
    1.2 智能搜救機器人的國內(nèi)外研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內(nèi)研究現(xiàn)狀
    1.3 機器人路徑規(guī)劃算法的研究現(xiàn)狀
    1.4 論文的主要研究內(nèi)容
        1.4.1 主要研究內(nèi)容
        1.4.2 結(jié)構(gòu)安排
第2章 路徑規(guī)劃算法基本原理
    2.1 智能路徑規(guī)劃算法
        2.1.1 環(huán)境建模概述
        2.1.2 智能尋優(yōu)路徑算法
    2.2 粒子群算法原理
    2.3 遺傳算法
    2.4 本章總結(jié)
第3章 粒子群的優(yōu)化算法
    3.1 基于遞減慣性的粒子群優(yōu)化算法
        3.1.1 改進慣性權(quán)重ω
        3.1.2 改進學(xué)習(xí)因子
        3.1.3 改進后粒子群算法
        3.1.4 LOGPSO算法仿真
    3.2 LOGPSO算法的二次改進
    3.3 本章總結(jié)
第4章 搜救機器人路徑規(guī)劃環(huán)境建模
    4.1 環(huán)境建模
        4.1.1 柵格大小的確定
        4.1.2 粒子群優(yōu)化滾動窗口法
    4.2 適應(yīng)度函數(shù)（FITNESS）加入安全因子
    4.3 總體建模流程
    4.4 仿真實驗及結(jié)果分析
    4.5 本章小結(jié)
第5章 搜救機器人的路徑規(guī)劃仿真及測試
    5.1 GLPSO算法搜救機器人路徑規(guī)劃
        5.1.1 搜救環(huán)境問題描述
        5.1.2 算法的結(jié)合與實現(xiàn)
    5.2 現(xiàn)場測試
    5.3 仿真結(jié)果與分析
    5.4 本章小結(jié)
第6章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻
攻讀碩士學(xué)位期間取得的成果
致謝


【參考文獻】：
期刊論文
[1]基于混沌粒子群算法的物流配送路徑優(yōu)化方法[J]. 張淑麗,張濤,崔巖,劉仁貴.  電子設(shè)計工程. 2019(15)
[2]基于改進A*算法的移動機器人路徑規(guī)劃研究[J]. 吳鵬,桑成軍,陸忠華,余雙,方臨陽,張屹.  計算機工程與應(yīng)用. 2019(21)
[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]遺傳算法在優(yōu)化問題中的應(yīng)用綜述[J]. 李巖,袁弘宇,于佳喬,張更偉,劉克平.  山東工業(yè)技術(shù). 2019(12)
[5]移動機器人路徑規(guī)劃算法綜述[J]. 霍鳳財,遲金,黃梓健,任璐,孫勤江,陳建玲.  吉林大學(xué)學(xué)報(信息科學(xué)版). 2018(06)
[6]基于慣性權(quán)重矩陣的自適應(yīng)粒子群算法[J]. 杜霖,曹江濤,李書臣.  控制工程. 2018(07)
[7]基于改進A*算法的移動機器人路徑規(guī)劃[J]. 趙曉,王錚,黃程侃,趙燕偉.  機器人. 2018(06)
[8]動態(tài)混沌蟻群系統(tǒng)及其在機器人路徑規(guī)劃中的應(yīng)用[J]. 李娟,游曉明,劉升,陳佳.  計算機應(yīng)用. 2018(01)
[9]仿生機器人的發(fā)展與應(yīng)用研究[J]. 崔新忠,常誠,繆新穎.  機器人技術(shù)與應(yīng)用. 2017(04)
[10]粒子群優(yōu)化的移動機器人路徑規(guī)劃算法[J]. 韓明,劉教民,吳朔媚,王敬濤.  計算機應(yīng)用. 2017(08)

博士論文
[1]粒子群優(yōu)化算法及差分進行算法研究[D]. 張慶科.山東大學(xué) 2017
[2]粒子群算法研究及其工程應(yīng)用案例[D]. 邵晴.吉林大學(xué) 2017
[3]移動機器人路徑規(guī)劃和地圖創(chuàng)建研究[D]. 呂太之.南京理工大學(xué) 2017

碩士論文
[1]自動導(dǎo)引車系統(tǒng)中的路徑規(guī)劃方法研究[D]. 韓增亮.青島大學(xué) 2019
[2]粒子群優(yōu)化算法的改進及應(yīng)用研究[D]. 楊超杰.云南大學(xué) 2019
[3]動態(tài)環(huán)境下雙機器人路徑規(guī)劃[D]. 蘇吉恒.蘭州理工大學(xué) 2019
[4]蛇形機器人的機構(gòu)設(shè)計及控制系統(tǒng)研究[D]. 田路.北京化工大學(xué) 2017
[5]自主式移動機器人路徑規(guī)劃算法研究[D]. 蔡漫漫.青島科技大學(xué) 2017
[6]多目標(biāo)粒子群優(yōu)化算法的改進與研究[D]. 馬博榮.蘭州大學(xué) 2017
[7]混合遺傳算法及其應(yīng)用研究[D]. 云文霞.西北師范大學(xué) 2013
[8]蛇形機器人的機構(gòu)設(shè)計和運動研究[D]. 張玲玲.大連理工大學(xué) 2009
[9]遺傳算法在函數(shù)優(yōu)化中的應(yīng)用研究[D]. 金芬.蘇州大學(xué) 2008



本文編號：3152735