自動(dòng)導(dǎo)引車（AGV）作為一種自動(dòng)化搬運(yùn)工具,能夠很好地降低生產(chǎn)成本,提高企業(yè)的生產(chǎn)效率,已經(jīng)廣泛的應(yīng)用到倉儲(chǔ)行業(yè)。為了保證AGV能避開運(yùn)動(dòng)路徑上的障礙物,安全的完成搬運(yùn)工作,AGV需要具備精準(zhǔn)的避障功能。本文針對(duì)傳統(tǒng)人工勢(shì)場(chǎng)法存在的目標(biāo)不可達(dá)、局部極小值問題以及模糊控制算法存在的避障精度低、自適應(yīng)能力差的問題進(jìn)行研究。主要內(nèi)容如下:首先,提出了一種混沌優(yōu)化改進(jìn)的人工勢(shì)場(chǎng)法的方法:在傳統(tǒng)人工勢(shì)場(chǎng)法的基礎(chǔ)上,采用加入AGV與目標(biāo)之間相對(duì)距離的方法修改斥力勢(shì)場(chǎng)函數(shù),使得目標(biāo)點(diǎn)為全局勢(shì)場(chǎng)最小點(diǎn),AGV在目標(biāo)點(diǎn)處受到的合力為零,解決了目標(biāo)不可達(dá)問題;利用混沌優(yōu)化算法進(jìn)行全局搜索獲得全局最優(yōu)值,避免陷入局部極小值問題。仿真結(jié)果表明,該方法可以有效地解決傳統(tǒng)人工勢(shì)場(chǎng)法存在的目標(biāo)不可達(dá)和局部極小值問題,并得到比較平滑的運(yùn)動(dòng)軌跡。其次,研究了基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)算法:在模糊控制算法的基礎(chǔ)上,融入具有自學(xué)習(xí)能力的BP神經(jīng)網(wǎng)絡(luò)算法,采用網(wǎng)絡(luò)參數(shù)學(xué)習(xí)方法對(duì)模糊神經(jīng)網(wǎng)絡(luò)的初始隸屬度函數(shù)進(jìn)行離線訓(xùn)練,提高了AGV在復(fù)雜環(huán)境中的適應(yīng)能力和控制能力,彌補(bǔ)了模糊控制算法存在的避障精度低和自適應(yīng)能力差的缺陷。仿真... 

【文章來源】：長(zhǎng)春理工大學(xué)吉林省

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 全局避障規(guī)劃方法
        1.2.2 局部避障規(guī)劃方法
    1.3 論文的主要工作內(nèi)容及章節(jié)安排
        1.3.1 論文的主要工作內(nèi)容
        1.3.2 論文章節(jié)安排
第二章 環(huán)境建模與傳統(tǒng)人工勢(shì)場(chǎng)法
    2.1 環(huán)境建模
        2.1.1 環(huán)境建模的方法概述
        2.1.2 柵格法環(huán)境建模
    2.2 傳統(tǒng)人工勢(shì)場(chǎng)法
        2.2.1 引力函數(shù)
        2.2.2 斥力函數(shù)
        2.2.3 全局勢(shì)場(chǎng)函數(shù)
    2.3 傳統(tǒng)人工勢(shì)場(chǎng)法優(yōu)缺點(diǎn)分析
        2.3.1 傳統(tǒng)人工勢(shì)場(chǎng)法優(yōu)點(diǎn)
        2.3.2 傳統(tǒng)人工勢(shì)場(chǎng)法缺點(diǎn)
    2.4 本章小結(jié)
第三章 基于混沌優(yōu)化改進(jìn)的人工勢(shì)場(chǎng)法的AGV避障研究
    3.1 改進(jìn)的人工勢(shì)場(chǎng)法
        3.1.1 改進(jìn)斥力勢(shì)場(chǎng)函數(shù)的人工勢(shì)場(chǎng)法
        3.1.2 逃逸力優(yōu)化思想
    3.2 混沌優(yōu)化算法理論
        3.2.1 混沌優(yōu)化算法概述
        3.2.2 利用logistic映射產(chǎn)生混沌序列
        3.2.3 混沌優(yōu)化算法基本步驟
    3.3 混沌優(yōu)化改進(jìn)的人工勢(shì)場(chǎng)法
    3.4 仿真與結(jié)果分析
    3.5 本章小結(jié)
第四章 模糊控制理論和模糊神經(jīng)網(wǎng)絡(luò)算法
    4.1 模糊控制理論
        4.1.1 模糊控制理論概述
        4.1.2 模糊集合理論
        4.1.3 模糊控制器的基本結(jié)構(gòu)
        4.1.4 模糊控制的優(yōu)缺點(diǎn)
    4.2 BP神經(jīng)網(wǎng)絡(luò)的基本原理
        4.2.1 BP神經(jīng)元和神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.2.2 BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法
        4.2.3 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)缺點(diǎn)
    4.3 基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)算法
        4.3.1 T-S模型
        4.3.2 基于T-S模型的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.3 網(wǎng)絡(luò)參數(shù)學(xué)習(xí)算法
    4.4 本章小結(jié)
第五章 模糊神經(jīng)網(wǎng)絡(luò)避障算法的仿真與驗(yàn)證
    5.1 模糊神經(jīng)網(wǎng)絡(luò)避障控制器設(shè)計(jì)
        5.1.1 模糊避障控制器設(shè)計(jì)
        5.1.2 輸入輸出變量初始隸屬度函數(shù)的確定
    5.2 模糊控制規(guī)則設(shè)計(jì)
        5.2.1 行駛環(huán)境分類及避障策略
        5.2.2 模糊規(guī)則的確立
    5.3 隸屬度函數(shù)的訓(xùn)練
    5.4 仿真與結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文工作總結(jié)
    6.2 進(jìn)一步研究展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]智能工廠物料配送系統(tǒng)中的無線調(diào)度控制裝置[J]. 白廣利,趙欣悅,趙寒濤.  自動(dòng)化技術(shù)與應(yīng)用. 2017(10)
[2]基于混沌改進(jìn)人工勢(shì)場(chǎng)法的自動(dòng)導(dǎo)引車避障研究[J]. 吳淵博,李興廣,陳殿仁,趙賓鋒,徐晨.  科技創(chuàng)新導(dǎo)報(bào). 2017(17)
[3]基于遺傳算法的最短路徑規(guī)劃[J]. 林煦涵,劉耀軒,孫海洋.  電子世界. 2017(08)
[4]基于模糊控制的移動(dòng)機(jī)器人避障研究[J]. 楊小菊,張偉,高宏偉,米海山.  傳感器與微系統(tǒng). 2017(03)
[5]復(fù)雜海域船舶自適應(yīng)障礙規(guī)避算法研究[J]. 馬躍.  艦船科學(xué)技術(shù). 2016(16)
[6]解讀《機(jī)器人產(chǎn)業(yè)發(fā)展規(guī)劃（2016-2020年）》[J]. 本刊編輯部.  機(jī)器人技術(shù)與應(yīng)用. 2016(03)
[7]BP神經(jīng)網(wǎng)絡(luò)在數(shù)據(jù)預(yù)測(cè)中的應(yīng)用[J]. 盛仲飆.  軟件導(dǎo)刊. 2016(01)
[8]基于模糊改進(jìn)人工勢(shì)場(chǎng)法的機(jī)器人避障方法研究[J]. 游文洋,章政,黃衛(wèi)華.  傳感器與微系統(tǒng). 2016(01)
[9]基于改進(jìn)模糊算法的移動(dòng)機(jī)器人避障[J]. 彭玉青,李木,張媛媛.  計(jì)算機(jī)應(yīng)用. 2015(08)
[10]基于模糊神經(jīng)網(wǎng)絡(luò)算法的機(jī)器人路徑規(guī)劃研究[J]. 姚毅,陳光建,賈金玲.  四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版). 2014(06)

博士論文
[1]移動(dòng)機(jī)器人的路徑規(guī)劃與定位技術(shù)研究[D]. 張琦.哈爾濱工業(yè)大學(xué) 2014

碩士論文
[1]基于人工勢(shì)場(chǎng)法的機(jī)器人避障問題研究[D]. 宋佳瑞.沈陽工業(yè)大學(xué) 2017
[2]基于A*算法的移動(dòng)機(jī)器人路徑規(guī)劃[D]. 王淼弛.沈陽工業(yè)大學(xué) 2017
[3]自動(dòng)導(dǎo)引小車AGV自適應(yīng)避障策略的研究與實(shí)現(xiàn)[D]. 康志昊.華南理工大學(xué) 2016
[4]多傳感器信息融合技術(shù)在智能車輛避障中的應(yīng)用[D]. 張橋.重慶交通大學(xué) 2015
[5]基于模糊控制的磁引導(dǎo)AGV系統(tǒng)路徑校正的應(yīng)用研究[D]. 曾炫.杭州電子科技大學(xué) 2015
[6]AGV控制系統(tǒng)設(shè)計(jì)及導(dǎo)航算法研究[D]. 江正川.青島科技大學(xué) 2014
[7]基于多傳感器數(shù)據(jù)融合智能導(dǎo)航車的算法研究[D]. 侯立梅.燕山大學(xué) 2013
[8]部分未知環(huán)境中移動(dòng)機(jī)器人動(dòng)態(tài)避障研究[D]. 王攀攀.哈爾濱工業(yè)大學(xué) 2012
[9]自動(dòng)導(dǎo)引小車AGV的導(dǎo)航和避障技術(shù)研究[D]. 胡克維.浙江大學(xué) 2012
[10]基于多傳感器信息融合的移動(dòng)機(jī)器人避障系統(tǒng)研究[D]. 高慧英.哈爾濱工業(yè)大學(xué) 2010



本文編號(hào)：3186235