基于粗糙集理论的移动机器人自主导航研究

论文摘要

移动机器人自主导航理论与技术一直是国内外学者的研究热点问题。通过全面了解和分析国内外移动机器人导航的发展历程与研究现状,总结了移动机器人自主导航课题中客观存在的不确定性、导航过程的自主性和导航知识的可学习性三个基本特征。为此引入了在不确定性知识获取领域具有独特优势的粗糙集理论,以涉及的动态结构化环境为背景基础,建立一个移动机器人基本实验系统,研究自主导航中环境感知、行为决策、知识学习及多机器人协作等方面的相关策略与实现算法。具体包括如下几个方面的内容:首先,研究建立了基于粗糙集理论的导航框架模型。分析了粗糙集中近似算子和属性约简等基本理论,设计了基于知识的机器人导航软件体系结构,研究了实现该结构涉及的粗糙集理论中基本算法,确定了基于所建立的模型实现导航需要解决的初始导航知识获取途径、导航知识的完善算法及实验系统建立等基本问题。其次,具体研究了基于粗糙集理论框架的自主导航知识获取方法。一方面分析了动态自主知识获取问题中的决策表动态约简问题,确定了在获得基本最小规则集后动态增加或减少规则的算法。另一方面针对基于粗糙集理论实现机器人导航难于获取初始数据源的问题,提出了一种基于有限状态粗糙集策略获得粗糙集原始信息表的方法。该方法提取有限状态机中的格局转换关系,形成粗糙集决策信息系统中的规则样例,采用属性约简与规则提取算法获得导航知识。并针对动态多目标环境下移动机器人视觉导航问题,研究了有限状态粗糙集方法的实现过程,进行了可行性和有效性实验。第三,研究了提高机器人环境感知能力的有关问题。设计了一种移动机器人感知信息获取模型,研究开发了双目异构视觉系统（TIVS:Two Iso-Vision System）,分析了TIVS的局部定位模型、双目信息融合方法,重点研究了基于TIVS的Monte Carlo定位算法,以解决机器人在运动过程中同时观测较大视野范围内多个动态目标的问题。第四,讨论了基于TIVS系统的双轮差速移动机器人实现导航的具体问题。设计了导航行为分层实现策略,确定了机器人行为实现的两种基本控制方法,并深入研究了基于有限状态粗糙集方法的最小避障规则集的获取和基于导航决策表的一种导航协作实现方法,设计了角色状态值参量,研究了分

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 课题研究背景
• 1.2 移动机器人分类方法
• 1.3 自主导航问题综述
• 1.3.1 自主导航及其关键技术
• 1.3.2 环境建模
• 1.3.3 定位与地图创建
• 1.3.4 路径规划
• 1.3.5 行为执行与运动控制
• 1.3.6 自主导航的本质属性
• 1.3.7 自主导航评价方法
• 1.4 移动机器人导航的不确定性问题
• 1.5 粗糙集理论综述
• 1.5.1 粗糙集理论的由来
• 1.5.2 粗糙集理论的特点
• 1.5.3 粗糙集理论的发展与应用
• 1.6 基于粗糙集理论的机器人自主导航总体框架
• 1.7 本文主要研究问题
• 第2章 基于粗糙集理论的自主导航建模
• 2.1 引言
• 2.2 粗糙集基本理论分析
• 2.2.1 等价关系
• 2.2.2 粗糙集理论中的基本概念
• 2.2.3 信息系统与决策表
• 2.2.4 决策信息系统的属性约简
• 2.2.5 规则提取
• 2.3 基于粗糙集理论的知识获取方法
• 2.4 基于粗糙集理论的自主导航模型
• 2.4.1 基于粗糙集的移动机器人自主导航模型
• 2.4.2 基于粗糙集的移动机器人自主导航关键问题
• 2.5 本章小结
• 第3章 基于粗糙集理论的导航知识获取方法
• 3.1 引言
• 3.2 知识发现的粗糙集刻划
• 3.3 基于粗糙集的知识增添与修剪算法
• 3.3.1 基于辨识矩阵法的新知识快速增添算法
• 3.3.2 知识修剪算法
• 3.4 基于有限状态粗糙集模型的知识获取方法
• 3.4.1 有限状态机描述
• 3.4.2 面向粗糙集的有限状态机
• 3.4.3 基于有限状态粗糙集方法的知识获取策略
• 3.5 基于有限状态粗集方法的动态环境下单目视觉导航
• 3.5.1 动态多目标环境导航问题
• 3.5.2 多目标监控基本模型
• 3.5.3 基于有限状态粗集方法的多目标环境导航知识获取
• 3.6 基于规则知识的导航实验
• 3.7 本章小结
• 第4章 基于双目异构视觉的环境感知
• 4.1 引言
• 4.2 导航信息的获取模型与移动机器人定位
• 4.2.1 导航信息的获取模型
• 4.2.2 移动机器人自主定位方法
• 4.3 双目异构视觉（TIVS）感知系统设计
• 4.3.1 TIVS系统结构特点
• 4.3.2 TIVS系统设计
• 4.3.3 TIVS系统定位模型
• 4.3.4 TIVS定位基本策略
• 4.4 基于MONTE CARLO（MC）方法的TIVS定位算法
• 4.4.1 MCL定位模型
• 4.4.2 改进MCL定位算法
• 4.4.3 基于改进MCL的TIVS定位算法
• 4.5 TIVS定位仿真实验
• 4.6 本章小结
• 第5章 基于粗糙集理论的导航算法
• 5.1 引言
• 5.2 行为执行策略
• 5.3 非完整轮式移动机器人运动控制基本方法
• 5.3.1 基于Bézier曲线的轨迹生成算法
• 5.3.2 基于改进Liyapunov方法的轨迹跟踪
• 5.4 基于有限状态粗糙集方法的避障规划
• 5.4.1 基于TIVS系统避障过程分析
• 5.4.2 避障的有限状态机设计
• 5.4.3 基于粗集方法的避障规则获取
• 5.5 避障规划实验与结果分析
• 5.6 基于粗糙集方法的动态环境协作导航
• 5.6.1 角色状态值
• 5.6.2 基于角色状态值的协作规划
• 5.7 协作导航实验
• 5.8 本章小结
• 第6章 移动机器人自主导航系统设计与实现
• 6.1 引言
• 6.2 ANES总体结构设计
• 6.3 ANES硬件系统设计
• 6.3.1 主机系统
• 6.3.2 通讯与遥控系统
• 6.3.3 环境感知系统
• 6.3.4 运动控制与驱动系统
• 6.3.5 电源系统
• 6.4 ANES软件系统设计
• 6.4.1 软件系统总体设计
• 6.4.2 主控程序设计
• 6.5 ANES机器人导航实验
• 6.5.1 ANES带球避障射门实验
• 6.5.2 ANES机器人参赛情况
• 6.6 本章小结
• 结论
• 参考文献
• 附录：基于TIVS系统的ANES导航决策表
• 攻读博士学位期间科研情况
• 哈尔滨工业大学博士学位论文原创性声明
• 哈尔滨工业大学博士学位论文使用授权书
• 哈尔滨工业大学博士学位涉密论文管理
• 致谢
• 个人简历