基于改进蚁群和人工势场法的服务机器人路径规划研究
发布时间：2021-06-15 13:44
服务机器人的导航任务主要包括对环境地图构建、自主定位、路径规划和动态避障等。其中路径规划是导航技术中最重要的功能。但单一的路径规划算法只能满足服务机器人在某一种环境中的路径规划需求。本文针对服务机器人复杂环境下的混合路径规划技术进行了深入研究和探讨。主要工作内容如下:针对蚁群算法难以确定重要参数的最优组合问题,在根据展览大厅环境建模的地图中进行了仿真实验,验证了蚁群算法重要参数对算法寻优质量的影响大,并得到在展览大厅环境地图中能够发挥蚁群算法最佳性能的算法参数的取值范围,分别为自由栅格的数量是蚂蚁数量的6倍左右、α?[1,2]、β?[5,9]、ρ?（0.2,0.8）。分析了粒子群算法和蚁群算法所存在的问题。针对采用蚁群算法求解服务机器人全局路径规划时,会出现规划效率低,算法参数的改变对规划效果影响大等问题,提出了一种粒子群参数优化的改进蚁群算法。针对改进后算法耗时大的问题,给出了粒子群算法的动态惯性权重调整策略和改进蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率。通过仿真实验证明了该算法能够发挥蚁群算法最佳性能,规划路径缩短了约12%,转折点数量减少了约50%,提高了移动机...
【文章来源】：天津工业大学天津市
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
拓扑法路径规划示意图
天津工业大学硕士学位论文4图1-2可视图法路径规划示意图Fig.1-2Schematicdiagramofpathplanningwithviewablemethod（3）A*算法研究现状A*算法是由Nilsson提出来的一种典型的启发式搜索算法。针对应用A*算法的移动机器人路径规划方法，国内外学者做了大量研究。赵晓等[25]在A*算法的基础上，结合跳点搜索算法，提出一种改进的A*算法，解决了较大场景下A*寻路算法存在的内存开销大、运行时间长等问题。王维等[26]通过对当前节点及其父节点的估计路径代价进行指数衰减的方式加权，提出了对A*算法的进一步改进思路，使得移动机器人在离目标点较远时能够很快地向目标点靠近，在离目标点较近时能够局部精确搜索，确保障碍物较多时目标可达。Wang等[27]提出了一种基于车辆运动学模型的等步长采样的A*算法，以尽可能提高自动驾驶车辆路径的舒适性。A*算法是比较有效地获得最短路径的算法，它具有数据简单、复杂度低等优点。但其规划的路径往往转折点较多，不利于机器人的运动。（4）蚁群算法研究现状意大利学者Dorigo等受到蚂蚁觅食的启发提出了蚁群算法（antcolonyoptimization，ACO）。应用蚁群能算法解决移动机器人路径规划问题是国内外的研究热点。Stutzle等[28]提出最大最小蚂蚁系统（MMAS），通过限制路径上信息素的上下限，在一定程度上避免了陷入局部最优解问题。JuntaoCheng等[29]通过改变ACO中蚂蚁初始位置的分布，来减少算法迭代最初时蚂蚁之间的影响，从而提高了蚁群算法的搜索效率。王晓燕等[30]使用人工势场法求得初始路径与当前节点和下一节点之间的距离结合构造启发函数，并加入启发信息递减系数，避免了蚁群算法易陷入局部最优的问题。刘杰等[31]将路径几何优化方法与蚁群算法相结合解决了移动机?
天津工业大学硕士学位论文8图1-3技术路线Fig.1-3Technicalroute1.3.3结构安排第一章主要介绍课题的研究背景与意义、国内外移动机器人路径规划技术的研究现状，分别介绍了移动机器人全局路径规划方法、局部路径规划方法和混合路径规划方法的研究现状。第二章针对展厅服务机器人的工作环境构建环境地图模型。分析了蚁群算法的数学模型和算法流程。在展厅服务机器人工作环境地图模型中对蚁群算法求解质量受参数影响大的问题进行实验分析，得到蚁群算法重要参数的取值范围。第三章进行了服务机器人全局路径规划方法的研究。分析了粒子群算法的基本原理，详细分析了粒子群算法、蚁群算法所存在的问题。提出一种基于粒子群参数优化改进蚁群算法的全局路径规划方法。针对改进算法运行时间长等问题，提出粒子群算法的动态惯性权重调整策略和改进蚁群算法信息素更新策略。对障碍物分布不同的地图中进行了仿真实验。第四章进行了服务机器人局部路径规划方法的研究。分析了人工势场法的基本原理和人工势场法的缺陷。针对应用人工势场法进行局部路径规划时存在的问题，提出在斥力势场中引入目标距离函数和动态障碍物的速度斥力势场函数的解
【参考文献】：
期刊论文
[1]A review:On path planning strategies for navigation of mobile robot[J]. B.K.Patle,Ganesh Babu L,Anish Pandey,D.R.K.Parhi,A.Jagadeesh. Defence Technology. 2019(04)
[2]移动机器人中激光雷达测距测角标定方法[J]. 赵海鹏,杜玉红,丁娟,赵地,史屹君. 红外与激光工程. 2019(06)
[3]改进遗传算法在移动机器人路径规划中的应用[J]. 孙波,姜平,周根荣,卢易天. 计算机工程与应用. 2019(17)
[4]基于改进粒子群算法的路径规划[J]. 贾会群,魏仲慧,何昕,张磊,何家维,穆治亚. 农业机械学报. 2018(12)
[5]基于负反馈机制的蚁群算法及其在机器人路径规划中的应用[J]. 白建龙,陈瀚宁,胡亚宝,何茂伟,梁晓丹,PARK Dongwon. 计算机集成制造系统. 2019(07)
[6]一种混合路径规划方法在装甲车辆CGF中的应用[J]. 邓青,薛青,陈琳,陈俊. 兵器装备工程学报. 2018(07)
[7]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[8]一种动态调整惯性权重的粒子群优化算法[J]. 董红斌,李冬锦,张小平. 计算机科学. 2018(02)
[9]复杂动态环境下自主机器人路径规划研究[J]. 王志中. 组合机床与自动化加工技术. 2018(01)
[10]改进A*算法的移动机器人最短路径规划[J]. 王维,裴东,冯璋. 计算机应用. 2018(05)
博士论文
[1]移动机器人的路径规划与定位技术研究[D]. 张琦.哈尔滨工业大学 2014
硕士论文
[1]导航机器人的地图构建和定位研究[D]. 王鹏.天津工业大学 2018
[2]基于ROS的全向移动机器人系统设计与实现[D]. 张鹏.中国科学技术大学 2017
[3]面向楼宇环境的移动机器人行为规划技术的研究与应用[D]. 刘晓涛.南京理工大学 2017
[4]结合粒子群算法和改进人工势场法的移动机器人混合路径规划[D]. 许源.浙江大学 2013
[5]基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究[D]. 邹挺.苏州大学 2011
本文编号：3231166
【文章来源】：天津工业大学天津市
【文章页数】：86 页
【学位级别】：硕士
【部分图文】：
拓扑法路径规划示意图
天津工业大学硕士学位论文4图1-2可视图法路径规划示意图Fig.1-2Schematicdiagramofpathplanningwithviewablemethod（3）A*算法研究现状A*算法是由Nilsson提出来的一种典型的启发式搜索算法。针对应用A*算法的移动机器人路径规划方法，国内外学者做了大量研究。赵晓等[25]在A*算法的基础上，结合跳点搜索算法，提出一种改进的A*算法，解决了较大场景下A*寻路算法存在的内存开销大、运行时间长等问题。王维等[26]通过对当前节点及其父节点的估计路径代价进行指数衰减的方式加权，提出了对A*算法的进一步改进思路，使得移动机器人在离目标点较远时能够很快地向目标点靠近，在离目标点较近时能够局部精确搜索，确保障碍物较多时目标可达。Wang等[27]提出了一种基于车辆运动学模型的等步长采样的A*算法，以尽可能提高自动驾驶车辆路径的舒适性。A*算法是比较有效地获得最短路径的算法，它具有数据简单、复杂度低等优点。但其规划的路径往往转折点较多，不利于机器人的运动。（4）蚁群算法研究现状意大利学者Dorigo等受到蚂蚁觅食的启发提出了蚁群算法（antcolonyoptimization，ACO）。应用蚁群能算法解决移动机器人路径规划问题是国内外的研究热点。Stutzle等[28]提出最大最小蚂蚁系统（MMAS），通过限制路径上信息素的上下限，在一定程度上避免了陷入局部最优解问题。JuntaoCheng等[29]通过改变ACO中蚂蚁初始位置的分布，来减少算法迭代最初时蚂蚁之间的影响，从而提高了蚁群算法的搜索效率。王晓燕等[30]使用人工势场法求得初始路径与当前节点和下一节点之间的距离结合构造启发函数，并加入启发信息递减系数，避免了蚁群算法易陷入局部最优的问题。刘杰等[31]将路径几何优化方法与蚁群算法相结合解决了移动机?
天津工业大学硕士学位论文8图1-3技术路线Fig.1-3Technicalroute1.3.3结构安排第一章主要介绍课题的研究背景与意义、国内外移动机器人路径规划技术的研究现状，分别介绍了移动机器人全局路径规划方法、局部路径规划方法和混合路径规划方法的研究现状。第二章针对展厅服务机器人的工作环境构建环境地图模型。分析了蚁群算法的数学模型和算法流程。在展厅服务机器人工作环境地图模型中对蚁群算法求解质量受参数影响大的问题进行实验分析，得到蚁群算法重要参数的取值范围。第三章进行了服务机器人全局路径规划方法的研究。分析了粒子群算法的基本原理，详细分析了粒子群算法、蚁群算法所存在的问题。提出一种基于粒子群参数优化改进蚁群算法的全局路径规划方法。针对改进算法运行时间长等问题，提出粒子群算法的动态惯性权重调整策略和改进蚁群算法信息素更新策略。对障碍物分布不同的地图中进行了仿真实验。第四章进行了服务机器人局部路径规划方法的研究。分析了人工势场法的基本原理和人工势场法的缺陷。针对应用人工势场法进行局部路径规划时存在的问题，提出在斥力势场中引入目标距离函数和动态障碍物的速度斥力势场函数的解
【参考文献】：
期刊论文
[1]A review:On path planning strategies for navigation of mobile robot[J]. B.K.Patle,Ganesh Babu L,Anish Pandey,D.R.K.Parhi,A.Jagadeesh. Defence Technology. 2019(04)
[2]移动机器人中激光雷达测距测角标定方法[J]. 赵海鹏,杜玉红,丁娟,赵地,史屹君. 红外与激光工程. 2019(06)
[3]改进遗传算法在移动机器人路径规划中的应用[J]. 孙波,姜平,周根荣,卢易天. 计算机工程与应用. 2019(17)
[4]基于改进粒子群算法的路径规划[J]. 贾会群,魏仲慧,何昕,张磊,何家维,穆治亚. 农业机械学报. 2018(12)
[5]基于负反馈机制的蚁群算法及其在机器人路径规划中的应用[J]. 白建龙,陈瀚宁,胡亚宝,何茂伟,梁晓丹,PARK Dongwon. 计算机集成制造系统. 2019(07)
[6]一种混合路径规划方法在装甲车辆CGF中的应用[J]. 邓青,薛青,陈琳,陈俊. 兵器装备工程学报. 2018(07)
[7]基于改进A*算法的移动机器人路径规划[J]. 赵晓,王铮,黄程侃,赵燕伟. 机器人. 2018(06)
[8]一种动态调整惯性权重的粒子群优化算法[J]. 董红斌,李冬锦,张小平. 计算机科学. 2018(02)
[9]复杂动态环境下自主机器人路径规划研究[J]. 王志中. 组合机床与自动化加工技术. 2018(01)
[10]改进A*算法的移动机器人最短路径规划[J]. 王维,裴东,冯璋. 计算机应用. 2018(05)
博士论文
[1]移动机器人的路径规划与定位技术研究[D]. 张琦.哈尔滨工业大学 2014
硕士论文
[1]导航机器人的地图构建和定位研究[D]. 王鹏.天津工业大学 2018
[2]基于ROS的全向移动机器人系统设计与实现[D]. 张鹏.中国科学技术大学 2017
[3]面向楼宇环境的移动机器人行为规划技术的研究与应用[D]. 刘晓涛.南京理工大学 2017
[4]结合粒子群算法和改进人工势场法的移动机器人混合路径规划[D]. 许源.浙江大学 2013
[5]基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究[D]. 邹挺.苏州大学 2011
本文编号：3231166
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3231166.html
