动态环境下基于人工势场引导进化算法的移动机器人路径规划

论文摘要

移动机器人路径规划是机器人研究领域的关键技术之一,也是该领域的研究热点。本文主要针对动态环境下的移动机器人路径规划及其相关问题进行了研究,旨在构建动态环境下提高移动机器人智能水平的路径规划方案,使移动机器人在运动过程中更好地适应环境变化,从而为移动机器人的进一步实用化奠定基础。本文主要工作如下:首先,对移动机器人路径规划的研究现状与研究方法进行了分析和归纳,介绍了移动机器人的硬件系统结构、运动控制流程、传感器系统等。其次,对传统人工势场法的势场函数进行了改进,采用改进后的人工势场法实现了移动机器人在动态环境中的路径规划,通过仿真结果验证了改进人工势场法的合理性。再次,在进化算法理论的基础上,确立了进化算法在路径规划中的应用流程,改进了进化算法中的代价函数。针对单一进化算法搜索的盲目性,结合人工势场法的优点,将人工势场用于引导进化算法,并将引导规划后的结果与单一进化算法规划时的结果进行比较,证明了该方法的优越性。最后,利用移动机器人平台进行了航位推测实验,并将传感器采集的数据应用于地图创建。将人工势场引导进化算法应用于移动机器人平台,指导移动机器人动态路径规划。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 移动机器人路径规划概述
• 1.2 移动机器人路径规划国内外研究现状
• 1.3 移动机器人路径规划技术的展望
• 1.4 课题研究的意义
• 1.5 课题的主要研究内容
• 1.6 论文组织结构
• 第二章 移动机器人实验平台与路径规划相关技术
• 2.1 移动机器人实验平台
• 2.1.1 移动机器人总体控制结构
• 2.1.2 移动机器人运动控制系统
• 2.1.3 移动机器人传感器系统
• 2.1.4 移动机器人无线网络通信
• 2.1.5 移动机器人上位机编程环境
• 2.2 移动机器人路径规划相关技术
• 2.2.1 环境描述
• 2.2.2 不确定信息的描述与处理
• 2.2.3 机器人运动学模型
• 2.3 小结
• 第三章 基于改进人工势场的移动机器人路径规划
• 3.1 静态环境下传统的人工势场路径规划方法
• 3.2 动态环境下传统人工势场法引力场函数的改进
• 3.3 动态环境下传统人工势场法斥力场函数的改进
• 3.4 引入速度斥力函数后的机器人在人工势场中的仿真
• 3.5 小结
• 第四章 进化计算的理论与实现
• 4.1 遗传算法（GA）
• 4.1.1 遗传算法简介
• 4.1.2 遗传算法的理论基础
• 4.1.3 遗传算法的构成
• 4.2 进化策略（ES）
• 4.3 进化规划（EP）
• 4.4 小结
• 第五章 基于人工势场引导进化算法的移动机器人路径规划
• 5.1 基于进化算法的路径规划步骤
• 5.2 映射操作
• 5.3 代价函数的设计
• 5.4 进化算法仿真结果
• 5.5 人工势场引导进化算法的仿真结果
• 5.6 移动机器人平台实验
• 5.7 小结
• 第六章 结束语
• 6.1 论文的主要工作
• 6.2 进一步的研究工作
• 参考文献
• 研究生期间发表的论文
• 致谢