广义障碍环境下移动机器人路径规划研究

发布时间：2020-07-13 20:48

【摘要】：路径规划是机器人运动规划的主要研究内容之一。路径规划的任务是使机器人在作业环境中寻求一条从起点到终点的最优路径。现有路径规划的研究中,通常将环境分为可通过和不可通过两类区域。对应于常用的栅格建模法,即自由栅格和障碍栅格。然而,在移动机器人执行任务的现实世界环境中,并非只包括“自由”和“障碍”两类属性单一的区域,许多区域模糊地介于二者之间。同样是自由栅格,由于环境特征(如地形等)不同,通过的代价也可能不同;同样是障碍栅格,有些在任务执行时可以也应该突破的,有些则是必须避开的。本文基于移动机器人作业环境特征的模糊特性,提出广义障碍的概念,进一步研究了广义障碍环境下移动机器人路径规划的建模及规划算法,主要研究内容和结论如下:(1)针对移动机器人作业环境特征的模糊特性,给出了广义障碍的定义与建模方法。基于特殊地形的特征参数,通过模糊隶属度函数获得这类障碍的通过代价;通过栅格建模法建立广义障碍模型。(2)对静态环境下的特殊地形与破障任务,提出了广义障碍下混合势场蚁群算法的离线规划算法。利用人工势场法改进蚁群算法相关要素;并结合群智能优化算法的迭代特点,提出一种种群迭代的交叉优化策略。(3)对未知动态环境,提出了一种广义障碍下生物激励神经网络的在线规划算法。移动机器人以虚拟目标作为寻优依据并利用滚动优化方式;采用直觉模糊集与多属性决策方法建立动态障碍的威胁评估模型;并且提出一种导向扫描的神经元激励传递方式,较好地传递神经元激励。(4)对广义障碍建模方法以及规划算法进行了仿真试验验证。在Matlab2014b平台上使用编程语言搭建了用于路径规划仿真的可视化界面,并进行了相关的试验分析。试验结果表明与传统障碍模型进行的路径规划相比,本文提出的广义障碍下的离线路径规划算法得到的路径更短更平滑,也能得到更合理更优的规划路径;本文提出的广义障碍下在线路径规划算法可有效规避不同速度的动态障碍物,在未知动态障碍物动机的环境下具有更好的规划能力。
【学位授予单位】：武汉科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP242
【图文】：

模型图,移动机器人,自主导航,路径规划

武汉科技大学硕士学位论文研究现状器人路径规划建模研究现状首个移动机器人 Shakey 在美国开始研制[6]（如图用人工智能技术，可实现自主感知、环境建模、行能。此后，国内外大量学者对移动机器人相关问题机器人研究中具有代表性的问题之一，路径规划问到了广泛的探索与积累。目前，该问题的研究已取于成熟[8]。研究表明，若移动机器人应用场合不同略与侧重点也应不同。其中，能否充分解决路径规的优劣的基础。

机器人,障碍物

及在军事场合等特殊任务中，并不只存在避障任务，也可能存在破障需求，但常用的建模手段无法满足或不能扩展出符合特殊场合下的路径规划需要。目前有限的文献主要集中于相应机器人的硬件设计方面（如图1.2所示）。Zang X等[27]针对在狭窄空间和危险区域未能进行救援的问题设计一种抬高特定碎片式障碍物的救援机器人。Mori M等[28]设计了一种应用于大型救援行动中将特定重型障碍物进

曲线图,路面高差,曲线图,坡道

max maxh h50 ，mins 5，隶属函数曲面如图 2.2 所示。图 2.2 路面高差类障碍隶属曲线图2.2.2 坡道障碍在地面环境中，坡道也是具有代表性的障碍。与高差类障碍相比，坡道障碍的坡度角是处理该类障碍物的重要标志。坡道类障碍按几何角度分为上升型坡道和下降型坡道，并采用坡角a 描述，其特征如图 2.3 所示。 min max min max 图 2.3 坡道障碍特征图

【相似文献】