移动机器人路径规划的改进粒子群三次样条插值算法
发布时间：2021-11-25 11:01
复杂环境下移动机器人路径规划是机器人路径规划研究领域中极具挑战的问题。移动机器人除了规划出一条从起始位置到目标点之间的最优路径之外,还要在移动的规程中面临因障碍物运动或目标点位置改变而导致先前规划出来的路径不可达的难题。在此背景下,本文聚焦于工厂巡检场景的机器人路径规划问题。在该场景中,移动机器人处于一个动态环境中,环境中有一个或多个处于静止或运动状态的障碍物以及一个动态移动目标,移动机器人需要定位追踪到该移动目标。为了解决该场景下动态路径规划问题,本文将动态环境切分成若干个静态环境,分而治之,对切分的环境进行路径规划以此达到动态环境路径规划的目的。基于此,本文提出了一种改进粒子群-三次样条插值算法（IPSO-Sp）,在粒子群算法框架下根据三次样条插值法生成路径方式,设计了特别的初始化种群方法。此外,在标准粒子群算法中,为了增强了算法的开采能力、避免陷入局部最优,在粒子更新速度时引入了随机正反馈因子。为了使机器人能够提前预测目标的位置,缩短动态环境路径规划路径长度,本文提出了惯性定位策略,并将该策略与IPSO-Sp算法进行融合,应用到动态环境路径规划中。仿真实验表明,在静态环境中IPS...
【文章来源】：湘潭大学湖南省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
机器人导航过程
6器人路径平滑规划算法，该方法在对机器人的路径平滑方面，有不错优势[42,43,44]。1.4研究内容及论文框架1.4.1论文框架论文首先从理论研究方面，分析了学者在相关领域做的研究，在前人的研究基础上，找出研究中存在的不足，然后设计了IPSO-Sp算法和提出惯性定位策略，采用对比计算来验证IPSO-Sp算法和提出惯性定位策略的有效性，相关章节的具体安排如图1.2所示。图1.2论文结构
10若目标和地图中的某一个障碍物隔得很近时，机器人可能会一直围绕目标周围运动，却不能达到目标点。以往，应用该方法研究路径规划问题时，大多都将目标点和障碍物设置在相隔较远的地方，人工避免了上述存在的问题。或者在机器人要靠近目标的时候，将障碍物的排斥系数减小，以致“排斥力”变得很小，或者达到可以忽略的大校这样机器人就几乎只收到目标点的“吸引力”，直接朝目标移动。然而，这种设定往往是不太合理的。因为在实际环境中，目标点和障碍物间隔很小的情况是常态。在这类状态下，机器人朝目标移动的时候，机器人也在朝着障碍物移动。如果不对初始势场函数做出相应调整，那么此时机器人所受到的“排斥力”将会比所受到的“吸引力”大得多，在两个力的相互作用下，将导致机器人始终达不到目标点。故而，势场函数的设计，是人工势场法的关键所在。2.2图形学方法传统算法在解决路径规划问题的时候，经常碰到的一个难题就是对路径规划问题的建模。为了解决这个问题，有人尝试用图形学的方法来解决，并获得了不错的成绩。虽然这解决了建模难的问题，但是与此同时也暴露出其缺陷：搜索能力不足。故而，这一类方法通常要与能与之匹配的搜索方法相结合，共同解决路径规划问题。这些图形学的方法大致有四中：栅格法、自由空间法、可视图空间法、voronoi图法等[56-59]。本文小节将着重介绍栅格法在路径规划上的相关知识与应用。图2.2栅格法地图栅格法是给机器人工作环境中地图建模的一种方法。栅格法实质上是将移动机器人检测到的周围环境转化为二维矩阵（工作环境为二维平面）或高维矩阵（工
【参考文献】：
期刊论文
[1]基于海图和改进粒子群优化算法的AUV全局路径规划[J]. 张岳星,王轶群,李硕,王晓辉. 机器人. 2020(01)
[2]基于模拟退火蚁群算法的机器人路径规划方法[J]. 袁佳泉,李胜,吴益飞,郭健. 计算机仿真. 2019(10)
[3]改进人工势场法自主移动机器人路径规划[J]. 罗强,王海宝,崔小劲,何晶昌. 控制工程. 2019(06)
[4]移动机器人路径规划综述[J]. 宋晓茹,任怡悦,高嵩,陈超波. 计算机测量与控制. 2019(04)
[5]基于差分进化算法的自主式水下航行器在时变水下环境中的快速路径规划方法（英文）[J]. S.Mahmoud Zadeh,D.M.W Powers,A.M.Yazdani,K.Sammut,A.Atyabi. Journal of Marine Science and Application. 2018(04)
[6]基于禁忌搜索算法的甩挂运输路径规划问题研究[J]. 马华伟,范奉伟,胡笑旋. 中国管理科学. 2016(S1)
[7]机器人技术研究进展[J]. 谭民,王硕. 自动化学报. 2013(07)
[8]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛. 现代机械. 2011(05)
[9]基于可视图的移动机器人路径规划[J]. 许斯军,曹奇英. 计算机应用与软件. 2011(03)
[10]移动机器人路径规划技术综述[J]. 朱大奇,颜明重. 控制与决策. 2010(07)
硕士论文
[1]基于模糊神经网络的智能交通路径规划系统的研究与实现[D]. 马思臣.南京邮电大学 2017
[2]基于A*算法的路径规划算法研究[D]. 彭澎.安徽工业大学 2018
[3]改进蚁群算法在机器人路径规划上的应用研究[D]. 喻环.安徽大学 2017
[4]移动机器人全局路径规划及轨迹跟踪研究[D]. 熊菡.武汉科技大学 2014
[5]基于模糊逻辑控制的动态行为移动机器人路径规划[D]. 曹萌萌.北京交通大学 2009
本文编号：3518005
【文章来源】：湘潭大学湖南省
【文章页数】：48 页
【学位级别】：硕士
【部分图文】：
机器人导航过程
6器人路径平滑规划算法，该方法在对机器人的路径平滑方面，有不错优势[42,43,44]。1.4研究内容及论文框架1.4.1论文框架论文首先从理论研究方面，分析了学者在相关领域做的研究，在前人的研究基础上，找出研究中存在的不足，然后设计了IPSO-Sp算法和提出惯性定位策略，采用对比计算来验证IPSO-Sp算法和提出惯性定位策略的有效性，相关章节的具体安排如图1.2所示。图1.2论文结构
10若目标和地图中的某一个障碍物隔得很近时，机器人可能会一直围绕目标周围运动，却不能达到目标点。以往，应用该方法研究路径规划问题时，大多都将目标点和障碍物设置在相隔较远的地方，人工避免了上述存在的问题。或者在机器人要靠近目标的时候，将障碍物的排斥系数减小，以致“排斥力”变得很小，或者达到可以忽略的大校这样机器人就几乎只收到目标点的“吸引力”，直接朝目标移动。然而，这种设定往往是不太合理的。因为在实际环境中，目标点和障碍物间隔很小的情况是常态。在这类状态下，机器人朝目标移动的时候，机器人也在朝着障碍物移动。如果不对初始势场函数做出相应调整，那么此时机器人所受到的“排斥力”将会比所受到的“吸引力”大得多，在两个力的相互作用下，将导致机器人始终达不到目标点。故而，势场函数的设计，是人工势场法的关键所在。2.2图形学方法传统算法在解决路径规划问题的时候，经常碰到的一个难题就是对路径规划问题的建模。为了解决这个问题，有人尝试用图形学的方法来解决，并获得了不错的成绩。虽然这解决了建模难的问题，但是与此同时也暴露出其缺陷：搜索能力不足。故而，这一类方法通常要与能与之匹配的搜索方法相结合，共同解决路径规划问题。这些图形学的方法大致有四中：栅格法、自由空间法、可视图空间法、voronoi图法等[56-59]。本文小节将着重介绍栅格法在路径规划上的相关知识与应用。图2.2栅格法地图栅格法是给机器人工作环境中地图建模的一种方法。栅格法实质上是将移动机器人检测到的周围环境转化为二维矩阵（工作环境为二维平面）或高维矩阵（工
【参考文献】：
期刊论文
[1]基于海图和改进粒子群优化算法的AUV全局路径规划[J]. 张岳星,王轶群,李硕,王晓辉. 机器人. 2020(01)
[2]基于模拟退火蚁群算法的机器人路径规划方法[J]. 袁佳泉,李胜,吴益飞,郭健. 计算机仿真. 2019(10)
[3]改进人工势场法自主移动机器人路径规划[J]. 罗强,王海宝,崔小劲,何晶昌. 控制工程. 2019(06)
[4]移动机器人路径规划综述[J]. 宋晓茹,任怡悦,高嵩,陈超波. 计算机测量与控制. 2019(04)
[5]基于差分进化算法的自主式水下航行器在时变水下环境中的快速路径规划方法（英文）[J]. S.Mahmoud Zadeh,D.M.W Powers,A.M.Yazdani,K.Sammut,A.Atyabi. Journal of Marine Science and Application. 2018(04)
[6]基于禁忌搜索算法的甩挂运输路径规划问题研究[J]. 马华伟,范奉伟,胡笑旋. 中国管理科学. 2016(S1)
[7]机器人技术研究进展[J]. 谭民,王硕. 自动化学报. 2013(07)
[8]路径规划算法及其应用综述[J]. 张广林,胡小梅,柴剑飞,赵磊,俞涛. 现代机械. 2011(05)
[9]基于可视图的移动机器人路径规划[J]. 许斯军,曹奇英. 计算机应用与软件. 2011(03)
[10]移动机器人路径规划技术综述[J]. 朱大奇,颜明重. 控制与决策. 2010(07)
硕士论文
[1]基于模糊神经网络的智能交通路径规划系统的研究与实现[D]. 马思臣.南京邮电大学 2017
[2]基于A*算法的路径规划算法研究[D]. 彭澎.安徽工业大学 2018
[3]改进蚁群算法在机器人路径规划上的应用研究[D]. 喻环.安徽大学 2017
[4]移动机器人全局路径规划及轨迹跟踪研究[D]. 熊菡.武汉科技大学 2014
[5]基于模糊逻辑控制的动态行为移动机器人路径规划[D]. 曹萌萌.北京交通大学 2009
本文编号：3518005
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3518005.html
