自主移動(dòng)機(jī)器人的路徑規(guī)劃算法研究.pdf

1、自主移動(dòng)機(jī)器人是機(jī)器人研究領(lǐng)域的前沿研究方向，自主移動(dòng)機(jī)器人因其運(yùn)動(dòng)的靈活性和對(duì)環(huán)境的適應(yīng)性而得到了廣泛的應(yīng)用。導(dǎo)航是自主移動(dòng)機(jī)器人的核心技術(shù)。導(dǎo)航是指機(jī)器人建立精確的環(huán)境模型，實(shí)現(xiàn)自身的定位，按照一定的約束條件規(guī)劃移動(dòng)路徑，實(shí)現(xiàn)從起始位置到目標(biāo)位置的無(wú)碰撞運(yùn)動(dòng)。自主導(dǎo)航主要解決三個(gè)問(wèn)題:地圖創(chuàng)建、定位和路徑規(guī)劃。因此研究自主移動(dòng)機(jī)器人的路徑規(guī)劃算法具有理論和現(xiàn)實(shí)的意義。本論文對(duì)自主移動(dòng)機(jī)器人路徑規(guī)劃算法進(jìn)行了研究，全文工作主要分為以下

2、幾個(gè)方面。
　　論文首先介紹了自主移動(dòng)機(jī)器人的研究背景和意義，簡(jiǎn)要介紹了國(guó)內(nèi)外典型的自主移動(dòng)機(jī)器人，綜述了自主移動(dòng)機(jī)器人導(dǎo)航的關(guān)鍵技術(shù)和研究熱點(diǎn)。介紹了兩種經(jīng)典的路徑規(guī)劃算法—人工勢(shì)場(chǎng)法和A*算法，詳細(xì)闡述了生物激勵(lì)神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃算法，并分析了該算法的環(huán)境建模原理和路徑?jīng)Q策方法。
　　在生物激勵(lì)神經(jīng)網(wǎng)絡(luò)算法中，當(dāng)環(huán)境中存在沿著邊界以及夾在障礙物之間的短路徑時(shí)，由于這些路徑點(diǎn)的相鄰位置點(diǎn)數(shù)量少或包含障礙物的位置點(diǎn)過(guò)多，激勵(lì)輸

3、入會(huì)偏小，目標(biāo)點(diǎn)對(duì)這些路徑點(diǎn)的影響減弱，因此活性值偏小，會(huì)出現(xiàn)路徑錯(cuò)判問(wèn)題。同時(shí)，生物激勵(lì)神經(jīng)網(wǎng)絡(luò)算法生成的路徑不夠平滑。為了解決這些問(wèn)題，本文提出了改進(jìn)型生物激勵(lì)神經(jīng)網(wǎng)絡(luò)算法。在環(huán)境建模部分，改進(jìn)型算法對(duì)邊界附近和障礙物之間的位置點(diǎn)引入了假想的可傳播正活性值的相鄰位置點(diǎn)，增大了激勵(lì)輸入，增強(qiáng)了目標(biāo)點(diǎn)活性值對(duì)此類(lèi)區(qū)域的傳播作用，使得這些點(diǎn)的活性值增大。此外，在路徑?jīng)Q策方法中加入了轉(zhuǎn)角因素。對(duì)改進(jìn)型生物激勵(lì)神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了靜態(tài)和動(dòng)態(tài)環(huán)境

4、的仿真實(shí)驗(yàn)，實(shí)驗(yàn)證明改進(jìn)型算法有效地解決了路徑錯(cuò)判問(wèn)題，同時(shí)平滑了路徑。改進(jìn)型算法在時(shí)間消耗上略有增加，但在路徑長(zhǎng)度、轉(zhuǎn)向次數(shù)以及總的轉(zhuǎn)動(dòng)角度幾個(gè)指標(biāo)上相對(duì)于生物激勵(lì)神經(jīng)網(wǎng)絡(luò)算法有較大的優(yōu)勢(shì)。
　　為了驗(yàn)證改進(jìn)型生物激勵(lì)神經(jīng)網(wǎng)絡(luò)算法在實(shí)際環(huán)境中可用，設(shè)計(jì)了導(dǎo)航試驗(yàn)。移動(dòng)平臺(tái)采用Pioneer移動(dòng)機(jī)器人，傳感器采用低成本激光測(cè)距儀RPLidar，軟件系統(tǒng)使用機(jī)器人操作系統(tǒng)ROS。實(shí)驗(yàn)過(guò)程中使用了一個(gè)預(yù)先創(chuàng)建好的環(huán)境先驗(yàn)地圖，機(jī)器人從