蔡佐军[1]2006年在《移动机器人路径规划研究及仿真实现》文中研究说明移动机器人是一个集多种功能于一体的综合系统。它涉及到机械工程、控制工程、信息科学、人工智能和计算机科学等学科。移动机器人路径规划是机器人研究领域的一个重要组成部分,也成为了研究热点。本文分别以单机器人和多机器人系统为研究对象,对路径规划方法进行了较深入地研究与探索,并在实验室进行了仿真实现。主要有如下几个方面:首先,简要介绍了机器人的发展历史和机器人研究热点。对国内外移动机器人路径规划的研究现状、研究方法、及关键技术等进行了系统的归纳和总结,分析了其各自优点和不足之处。并从全局和局部两方面介绍了几种传统的移动机器人路径规划方法,为本论文的研究工作奠定了重要的基础。其次,分别以单个机器人和多机器人系统为研究对象,建立了系统工作环境模型。依据现有的算法,适当地加以改进研究,提出了一些改进型路径规划算法。具体为:单个机器人系统中,以构型空间法建立环境模型,用蚁群优化算法(Ant Colony Optimization,ACO)实现路径规划;多机器人系统中,给出了多机器人路径规划算法的判优准则:正确性、时空复杂度、并行性、可靠性、可扩展性等。在静态环境下,以栅格法进行工作空间环境建模,给定机器人之间的避碰处理规则,用改进遗传算法(Genetic Algorithm,GA)实现,给出了算法流程图。并且分别在计算机上进行仿真实现,实验结果有力地证明了算法的有效性,对未来在机器人研究特别是多机器人系统领域方面将有所帮助。最后对全文进行了总结并对移动机器人路径规划方法研究问题作出了展望。
杨帆[2]2007年在《自主式移动机器人路径规划研究》文中进行了进一步梳理机器人的诞生是近几十年来人类科学取得的重大成就之一，机器人学的快速发展给人类社会带来了巨大的变化。机器人在人类社会中的角色正在从传统的军用、工业机器人向民用、服务型机器人发展。服务机器人是一种工作于具体的环境、任务的机器人系统，活动空间通常较大，一般属于移动机器人。移动机器人的目标是在没有人的干预、无需对环境做任何规定和改变的条件下，有目的地移动并完成任务。因此路径规划是移动机器人能否成功完成任务的重要前提和条件之一。移动机器人目前的发展趋势之一是智能化、自主化，即自主式移动机器人。随着许多学者和技术人员对生物机制的不断研究，以神经网络、进化计算、人工免疫等为代表的智能控制理论正应用于自动控制领域，并且给解决实际控制问题提供了新的思路和方法。同样，这些智能控制理论也能应用于移动机器人的路径规划。因此人工智能技术的发展对机器人的应用有着十分重要的影响。本论文以移动机器人为研究对象，主要对自主式移动机器人在不同环境下的路径规划进行研究，主要工作有：首先研究了神经网络，重点是BP神经网络。分析了BP网络的特点、结构及本身的局限。其次简要介绍了生物免疫系统。讲述了有关人工免疫系统的理论及算法。重点对免疫系统的机理、特征进行研究和阐述。结合进化计算提出了免疫进化算法。该算法结合了免疫算法和进化计算的特点，将进化规划同生物免疫系统中的浓度机制及个体多样性保持策略相结合，不但考虑了抗体与抗原间的亲和度，也考虑了抗体间的亲和度即抗体的浓度。并基于两者构造抗体的选择概率。既保留了进化规划的全局搜索特性，又能增强个体适应环境的能力，避免了未成熟收敛。最后对机器人的路径规划进行了研究，将神经网络和免疫进化算法共同应用于机器人的路径规划。用神经网络构造机器人周围环境及障碍物的描述模型，用免疫进化算法寻找最佳路径。在足球机器人平台上进行了仿真实验。实验结果表明，该方法对于机器人的路径规划是有效可行的。
乔永兴[3]2003年在《自主式移动机器人的路径规划》文中研究表明关于智能机器人的研究近年来一直吸引着众多学者的注意。智能机器人有着巨大的应用潜力，其应用领域包括自动驾驶、导游、未知区域的探索、核电站的维护、无人工厂中的产品运输等等，智能机器人控制技术的发展将对人们的生产、生活产生深远影响。作为一个复杂的智能控制系统，智能机器人涉及人工智能、自动控制。传感器技术、图像识别等多门学科。 本文首先对机器人学的发展历史和研究动向作了简要的回顾和展望，并扼要介绍了自主式移动机器人的关键技术、体系结构和研究方法，以及对环境信息的建立、获取和路径规划的几种主要算法做了简单阐述。 然后讨论了本文以下叁个方面的研究重点： 1、在移动机器人全局路径规划中采用多样性指导进化算法，它在一定程度上解决了早熟现象。 2、为了提高遗传算法在全局路径规划中的性能，提出了新的算子---基因修复算子，此算子在实验中，极大地减少了全局路径规划所需时间，非常明显地提高了遗传算法的效果。广西人学MD：论义 自主式移动机器人的路径规划 3、为了使机器人在实际行进中的路线更加平滑、更加合理，从 仿生学的角度研究，利用全局路径规划结果为行进指引方向， 在实际行进中，实时检测周围环境避障，克服局部路径规划 的盲目性。 最后是仿真实验系统的简单说明和实验分析以及对全文的总结。
蔡漫漫[4]2017年在《自主式移动机器人路径规划算法研究》文中认为21世纪以来,随着现代科学技术和智能水平的快速发展,移动机器人技术也得到了越来越多专家的关注和研究。移动机器人技术涉及众多研究领域,如机械制造、计算机编程、电子科学、控制科学等。近年来,该技术已经成功应用于仓储物流、机械制造、医疗康复、公共服务以及航天航海等诸多领域。因此人们对于机器人的智能化程度、稳定性、安全性以及工作效率等性能要求越来越高。路径规划技术是移动机器人导航技术研究中的关键问题之一。本课题旨在自主式移动机器人路径规划的算法研究,运用MATLAB/2014b对所研究的智能算法进行仿真。首先,本文对智能移动机器人路径规划的背景、意义、发展水平、应用领域以及国内外研究现状进行了介绍。分析当前路径规划技术在机器人探索领域遇到的一些复杂状况,总结出需要解决的难题。同时分析了粒子群算法和蚁群算法的产生、基本原理以及研究现状。针对粒子群算法容易陷入过早收敛进行了改进,加入了过早收敛判定机制。对于蚁群算法,随着迭代次数的增加,蚂蚁群体极易陷进局部最优解。针对这个问题,本文在信息素更新规则上作了改进并且引入了最大-最小蚂蚁系统。其次,将改进后的两种算法进行融合,得到粒子群蚁群融合算法。该融合算法的基本思想是:先应用粒子群算法在障碍物空间对全局路径进行粗略的搜索,在搜索的同时进行信息素动态智能分布。并且根据信息素的含量对部分较差路径进行淘汰。然后采用改进的蚁群算法对没有被淘汰的较优路径进行二次搜索,直到找出最优解。该融合算法能够提高最优路径的搜索效率和搜索精度。最后,使用MATLAB/2014b对融合算法进行仿真,并将得到的仿真结果与改进前后的粒子群算法和蚁群算法进行比较。通过将五组算法的最优路径、全部路径和收敛曲线进行对比可以得出,改进粒子群蚁群融合算法相比于其它四组路径规划算法求解精度更高且收敛速度更快。
王火亮[5]2002年在《基于超声波传感器的智能吸尘机器人导航系统的研究》文中研究表明近年来，家用的自主式移动机器人研究和设计成为了许多人关注的焦点，机器人的研究和设计领域已经不仅仅限于军用领域中。许多应用于军用机器人上的成功技术已经使用于民用的机器人中。如利用各种传感器来采集环境信息并自动引航等先进技术。 对于移动机器人来说，机器人自动导航和定位是两个重要的问题，是实现机器人智能性的最重要的核心技术。它主要包括：环境信息获取功能，环境信息理解和建模功能以及实现自动导航的路径规划算法功能组成。其中环境信息理解和建模功能是核心。因此移动机器人导航系统研究就是针对所处环境选择相应的传感器，然后根据传感器信息特征采用相应的环境模型，最后建立面向该环境模型的路径规划控制算法。但是目前从理论上还没有很好的方法来解决机器人自动导航和定位问题，这是一个有待从原理去探索的问题。 对环境的感知是自主式移动机器人研究的关键技术之一。环境信息的描述是实现对机器人自主式导航的算法基础。环境信息采集和建模描述的精确度应该以实现对机器人导航的可靠性为依据。强制要求传感器对环境信息采集和描述的精确度会影响传感器的信息采集速率，增加算法复杂度和计算量，从而影响算法的实时性、可靠性和鲁棒性。虽然现在对环境信息的建模方法有多种，其中比较成功和有效的方法主要有势场法和栅格法两种。1986年，0.Khatib提出了人工势场法，后来由C.W.Warren在1989和1990年又加以了改进。本文考虑家用自主智能吸尘机器人的使用环境和其设计的指标要求，以提高它的工作效率为主要目的的前提下，本文采用超声波测距传感器来采集环境信息和基于栅格法的环境信息建模。 本文由七个部分组成：第一章首先介绍了本文工作的背景，然后介绍了智能机器人导航系统实现的叁个组成部分的关系；第二章详细描述了超声波传感器的相关特性和当前两种测距技术——有源测距技术和无源测距技术，同时详细的分析了超声波传感器的测距原理和在智能吸尘机器人中选用超声波传感器的因素分析；第叁章主要介绍了两种主要的建模方法——栅格法和势场法；第四章详细的描述了基于栅格法的区域扫描路径规划导航算法的实现；第五章详细的描述了基于超声波测距的沿边走路径规划导航算法的实现；第六章对智能吸尘机器人的 总体设计框架和功能模块的设计进行了详细的描述，并结合基于超声波测距的沿 边走路径规划的导航算法给出了应用实例的程序模拟；第七章对本论文的工作进 行了总结，同时结合自己在参加智能吸尘机器人项目中所积累的经验和知识对智 能吸尘机器人的发展进行了粗略的展望。
张志广[6]2005年在《基于坦克式移动机器人定位和路径规划技术研究》文中提出自主式移动机器人是人工智能领域研究的一个热点。定位技术和路径规划技术是自主移动机器人技术的基础和关键,也是机器人智能性高低的一个重要标志。本文对坦克车机器人的系统组成和传感系统做了详细的介绍。本文研究了移动机器人的定位技术。GPS绝对定位技术和编码器相对定位技术两种定位技术精度都不是很高,因此将这两种定位技术结合起来使用。采用变维Kalman滤波技术对GPS数据进行滤波,消除随机噪声;采用最佳线性融合的方法,融合滤波后的GPS数据和编码器测得的数据进行,用以提高坦克车移动机器人的定位精度。人工势场法和遗传算法是移动机器人路径规划中最常用的方法。本文提出了一种人工势场法的改进算法。改进后的算法克服了传统人工势场法存在的两个主要问题,也提高了路径规划的效率。遗传算法在复杂障碍物环境下,能寻找到全局最优或次优解。本文采用了一种不同于传统遗传算法的评估函数求出最优路径并进行仿真。实验结果表明,该算法路径实时性好、运行速度快、精度高,适用于坦克车移动机器人在复杂障碍物环境下的路径规划。针对实际应用,本文研究了多机器人系统的编队控制问题。Ad-hoc网络以其方便、快捷性被广泛地应用。在利用传统人工势场法进行编队控制的基础上,通过引入通信引力,进行了改进算法,这种算法能够使多机器人系统按要求保持一定的队形。
陈卫平[7]2004年在《全区域覆盖自主移动机器人路径规划与避障的研究》文中研究表明本文研究了一种新型的移动机器人，即全区域覆盖自主移动机器人。重点研究了这种移动机器人的路径规划及避障系统，使移动机器人无遗漏地覆盖整片工作区域，同时能自主避开障碍。对全局路径规划，本文采用了迂回式规划方法，并且利用模块化设计思想将复杂的全区域覆盖全局路径规划问题分解成若干较简单的子问题，逐一加以解决。对全区域覆盖的局部路径规划，本文采用了一种模糊控制算法，利用模糊控制算法自身所具有的鲁棒性和基于生物学上的感知-动作的行为相结合。对于移动机器人的避障系统提出了充分接近障碍的避障策略，并对相关理论和实现方法作了深入的研究，最后进行了专门的软、硬件设计。
周巍[8]2011年在《煤矿井下搜救探测机器人的路径规划及轨迹跟踪控制研究》文中提出我国是世界上最大的煤炭生产国和消费国。然而,由于矿井自然条件差,高瓦斯矿井多,加上技术和管理等诸多方面不到位,以及近年来国家对煤炭资源需求量的不断增长,使得煤矿开采中瓦斯爆炸、涌水、着火等事故频繁发生,由此造成重大的人员伤亡事故和不良的社会影响,严重制约着煤炭工业的健康发展。因此,研发煤矿井下搜救探测机器人是煤矿井下发生瓦斯爆炸事故后进行抢险救援的前提手段和必要工具,它能够在矿难原因和现场情况不明的情况下,替代或部分替代救援人员进入灾害现场实施环境探测和搜救任务,同时将信息实时地传输到救援指挥中心,为救援决策提供科学依据,便于快速、准确地制定救援方案。因此,对煤矿安全生产、减少国家和人民生命财产的损失具有十分重要的意义。本文以煤矿井下搜救探测机器人为研究对象,在对其运动装置进行设计分析的基础上,围绕移动机器人自主导航中的两项关键技术——路径规划与轨迹跟踪控制问题进行了深入的研究。首先对自主移动机器人研究中的关键技术进行了全面、系统的总结,重点对其中路径规划和轨迹跟踪控制的研究内容、存在问题及发展趋势等进行了综述,归纳总结了各种算法的性能差异,并以此为基础展开进一步的研究与探讨,主要研究内容包括以下几个方面：提出了一种针对煤矿井下特殊环境的运动装置设计方案。对煤矿井下搜救探测机器人的运动系统、通行能力和结构特点进行了重新设计及进一步改进,并在此基础上,利用地面力学理论,参考履带车辆的运动学和动力学原理,针对煤矿井下搜救探测机器人采用差动转向的特点,建立了机器人的运动学和动力学模型,为后续的煤矿井下搜救探测机器人轨迹跟踪等控制问题的研究奠定了基础。针对煤矿井下非结构化环境的不确定环境特征,设计了上下位机的分级控制系统,提出了一种分层协作规划与控制的体系结构。考虑到煤矿井下搜救探测机器人特定的应用环境及要求,设计了一个主要由决策系统(包括上位机监控模块、下位机控制模块、传感检测模块等)、数据通信系统和运动控制系统等组成的控制系统。并在分析当前出现的机器人各种体系结构的基础上,提出了一种从上到下依次分为决策层、慎思层和控制层的分层协作规划与控制的体系结构,能够满足机器人在未知环境下导航任务的复杂性与不确定性的要求。结合目前具有代表性的遗传算法、蚁群算法这两种优化算法各自的特点,分别对其进行了改进。首先,设计了一种改进的遗传算法,充分考虑到井下环境地形的高低变化,采用栅格法在叁维空间中对机器人工作环境进行建模,并根据路径长度最短且能耗最少的评价指标设计了适应度函数。按照可变长度的染色体编码方式及随机指导式搜索策略来生成初始种群,保证初始阶段无障碍路径的产生,同时针对传统遗传算法中存在的“早熟现象”和“收敛速度慢”的问题,将交叉算子和变异算子进行优化设计,从而使整个规划过程变得简单而有效。其次,本文还在最大—最小蚂蚁系统(MMAS)的基础上,提出了一种改进的蚁群算法,对其启发函数、路径选择规则及信息素更新方式等进行改进,加快了算法收敛速度,改善了路径规划的性能。最后通过实验对改进算法的性能进行了验证。提出了一种用于实现机器人轨迹跟踪的模糊自适应控制器的设计方法。首先利用Lyapunov直接法设计出机器人轨迹跟踪控制系统的控制器,对机器人以期望运动速度从当前位置运动到目标点的过程进行控制,并在参考线速度不为零时,利用Barbalat引理对系统的全局一致渐近稳定性进行了证明。另外,在此基础上设计了一种模糊自适应控制器,解决了模糊多变量控制系统中规则数随系统变量数呈指数增长的问题,提高了控制器效率,且使模糊控制逻辑变得清晰明了。实验结果证明,本文设计的这两种轨迹跟踪控制器,对于不同初始误差、不同类型的参考速度都具有很好的跟踪效果。
郑向阳[9]2004年在《自主式移动机器人路径规划研究》文中认为移动机器人路径规划(Path Planning)是移动机器人技术研究中关键的问题之一。路径规划的主要任务是：当移动机器人运行在外界环境中，寻求一条从已知起点到己知终点之间的最优路径。即在障碍物空间中能够找到一条最短或最低代价的无碰撞路径。在静态障碍物空间完全已知的情况下，比较容易找到一条最优路径；但在动态障碍物空间完全未知或部分未知的情况下，要能够找到一条最优路径的路径规划则较为困难和复杂。 本文的主要内容包括： 1．综合国内外的有关文献，阐述了移动机器人技术的主要研究内容、路径规划的目的和路径规划的工程意义。详细地阐述了移动机器人路径规划的研究现状。 2．根据轮式移动机器人系统的特点，论述了路径规划的理论和算法。主要包括障碍物空间完全未知或部分未知和障碍物空间完全已知情况下的路径规划理论和算法。提出了多路冗余超声波避障和驱动轮位置不同等路径规划控制策略和控制方法。 3．根据实验研究需要，研制了轮式移动机器人实验样车，样车由控制部分和机械部分构成。设计以DSP芯片为核心的超声波测距传感器和光电脉冲编码器的接口电路；并论述了障碍物、转速和位置检测工作原理；同时，设计了DSP芯片外围电路(包括DSP工作电源、CAN通信、LCD显示、直流电机驱动和存储等硬件模块)。 4．根据前述的控制策略和控制方法，进行了移动机器人实验样车系统的路径规划的软件设计。系统的软件分为：上位机软件和下位机软件。上位机软件的功能主要是实现实验样车系统的显示和向下位机发送命令；下位机软件的功能是实现实验样车系统的路径规划、数据的采集和执行上位机所给的命令。路径规划包括在不同障碍物环境下(如：无障碍物、直角障碍物和回型障碍物等)如何规划机器人路径。数据采集包括：采用时间渡越法实现对目标距离的测量和光电编码器的转速脉冲采集。 5．在实验样车上对上述控制策略和控制算法进行实验，重点分析了路径规划的实验结果，包括在不同障碍物环境下(如：无障碍物、直角障碍物和回型障碍物等)分析了规划路径与实际路径的差异。
陈昊[10]2007年在《基于距离传播的动态系统和路径规划算法研究》文中提出移动机器人技术是近年来的研究热点，路径规划技术是移动机器人技术研究中的一个重要领域，也是机器人完成其它高级任务的必要基础。机器人路径规划是给定机器人及其工作环境信息，按照某种优化指标，使系统在规定的时间内从起始点转移到目标点。对移动机器人路径规划展开理论和应用研究，旨在构建静态已知、静态未知和动态时变等不同复杂环境下具有实时性和有效性的路径规划方案，使得移动机器人提高适应环境变化的能力，从而为移动机器人的进一步实用化奠定基础。本文描述了一种静态和动态环境下的基于路径传播的机器人路径规划算法，该算法利用栅格法对场景进行建模，实时最优路径的产生是通过动态距离的传播，距离信息是以栅格步的方式从目标开始的路径往机器人的起始点向外传播，不是简单地在工作空间中搜索全局最优路径和碰撞路径。距离信息的快速传播，以及每个栅格处理距离信息和数据更新的计算量减小，使得搜索过程效率极大提高。仿真实验结果表明，即使在障碍物比较复杂的静态和动态环境中，该算法也能迅速规划出最优路径，效果令人满意。最后本文进行了针对AS—R移动机器人平台的实验，应用基于路径传播的动态系统和路径规划算法进行机器人路径规划，通过对实验结果和数据的分析讨论，表明了所提方法的有效性。
参考文献：
[1]. 移动机器人路径规划研究及仿真实现[D]. 蔡佐军. 华中科技大学. 2006
[2]. 自主式移动机器人路径规划研究[D]. 杨帆. 太原理工大学. 2007
[3]. 自主式移动机器人的路径规划[D]. 乔永兴. 广西大学. 2003
[4]. 自主式移动机器人路径规划算法研究[D]. 蔡漫漫. 青岛科技大学. 2017
[5]. 基于超声波传感器的智能吸尘机器人导航系统的研究[D]. 王火亮. 浙江大学. 2002
[6]. 基于坦克式移动机器人定位和路径规划技术研究[D]. 张志广. 国防科学技术大学. 2005
[7]. 全区域覆盖自主移动机器人路径规划与避障的研究[D]. 陈卫平. 南京理工大学. 2004
[8]. 煤矿井下搜救探测机器人的路径规划及轨迹跟踪控制研究[D]. 周巍. 太原理工大学. 2011
[9]. 自主式移动机器人路径规划研究[D]. 郑向阳. 浙江大学. 2004
[10]. 基于距离传播的动态系统和路径规划算法研究[D]. 陈昊. 合肥工业大学. 2007
标签：自动化技术论文; 机器人论文; 路径规划论文; 移动机器人论文; 智能算法论文; 仿真软件论文; 空间分析论文; 信息发展论文;