基于學習分類器的多機器人路徑規(guī)劃關鍵技術研究.pdf

1、隨著機器人技術在多個領域的廣泛應用，在研究和應用雙重需求的推動下，多機器人系統(tǒng)的研究已逐漸成為熱門領域。在一些面向任務的應用中，合理的體系結構和高效的導航技術是多機器人系統(tǒng)迅速發(fā)展的要求，也是多機器人導航的核心關鍵技術。本文主要研究了以學習分類器為核心算法的多機器人在狹隘環(huán)境的路徑規(guī)劃和以路徑規(guī)劃為目標的多機器人系統(tǒng)體系結構、強化學習、行為控制等關鍵技術。目的在于探索多機器人在狹隘特殊環(huán)境下進行路徑規(guī)劃的有效方法，構建適合多機器人系統(tǒng)路

2、徑規(guī)劃的體系結構、強化學習方法、行為控制等關鍵技術，從而提高多機器人系統(tǒng)路徑規(guī)劃水平，最終高效實現多機器人系統(tǒng)在未知復雜、特殊、狹隘環(huán)境下的路徑規(guī)劃。
　　 本文所做的主要研究工作如下：
　　 (1)合理的機器人體系結構是完成多機器人路徑規(guī)劃至關重要的基礎，本文在對傳統(tǒng)機器人體系結構分析的基礎上，融合了學習分類器系統(tǒng)算法與勢場柵格法技術，提出了基于學習分類器的多機器人路徑規(guī)劃控制體系結構；實現了多機器人體系結構基本功能模

3、塊的靈活組合，使得功能和知識都具有良好的擴展性。
　　 (2)機器人路徑規(guī)劃離不開環(huán)境信息，如何通過強化學習獲得及時準確的環(huán)境信息是尤為重要的。因此將梯度下降法映射到學習分類器，融合支持向量機算法與學習分類器系統(tǒng)，提出了基于梯度策略的學習分類器在多機器人強化學習中的應用方法。
　　 (3)行為控制是機器人自主導航過程中最主要的功能之一，本文在融合學習分類器系統(tǒng)與人工勢場算法的基礎上，嘗試研究了機器人在未知狹隘環(huán)境中的四種

4、覆蓋策略，提出了基于多學習分類器和人工勢場法的多機器人行為控制策略。
　　 (4)提出了基于學習分類器的多機器人在狹隘環(huán)境中的避碰規(guī)劃，在理論上推導并證明了信用分配算法的收斂性，為本文提出的路徑規(guī)劃算法的收斂提供了理論保證。
　　 (5)提出了基于精度的學習分類器在有易燃、易爆、易碎等障礙物的危險狹隘環(huán)境中的多機器人避碰規(guī)劃，精確地解決了多機器人在特殊狹隘環(huán)境下的路徑規(guī)劃和避碰問題。
　　 (6)本文在最后一章對