无人作战移动平台控制系统及路径规划算法研究
发布时间：2022-12-11 19:19
随着科技的发展,无人移动平台在军用、工业、服务业等各个领域具有越来越广泛的应用,特别是在军用作战领域具有巨大的应用价值。其中运动控制和自主导航功能是技术应用的关键点,同时也面临着诸多的困难。本课题设计搭建了基于麦克纳姆轮的全向移动平台,并将人工智能领域的强化学习算法应用到移动平台的路径规划技术中,采用软件仿真和基于ROS（机器人操作系统,Robot Operating System）框架的室内环境自主导航两种方式对算法进行详细的研究和分析。（1）首先分析了国内外移动作战平台的发展趋势,分析了关键技术难点。在此基础之上采用麦克纳姆轮搭建了全向移动平台,设计了平台的总体结构和控制系统总体方案:采用单片机STM32f4作为下位机控制核心,负责底盘的运动控制和里程计数据传输,采用TX1高性能嵌入式控制器作为上位机控制核心,运行Ubuntu系统下的ROS框架,负责自主导航的算法实现,通过串口与下位机进行数据交互。（2）根据麦轮运动学模型的正解和反解求取平台整体速度与各个电机速度的转换关系,设计了改进PID控制算法实现底盘电机转速的精确控制,并利用高精度的霍尔传感器记录电机转角,推算出里程计信息。...
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究的背景及意义
1.2 无人作战移动平台的国内外研究现状及发展趋势
1.3 无人移动平台的关键技术
1.3.1 无人作战系统控制技术
1.3.2 通讯技术
1.3.3 环境感知技术
1.3.4 路径规划技术
1.4 全文内容安排
2 无人移动平台总体设计方案
2.1 全向移动平台总体结构
2.2 麦克纳姆轮特性
2.3 基于麦克纳姆轮全向移动平台动力学模型
2.4 全向移动平台总体控制系统设计
2.5 本章小结
3 下位机控制系统及算法
3.1 STM32f405主控系统
3.2 底盘电机控制系统
3.2.1 底盘电机RM3510及电子调速器RM820R
3.2.2 移动平台计算性能
3.2.3 基于CAN协议的电机通讯方式
3.3 PID控制算法
3.3.1 位置式PID控制算法
3.3.2 增量式PID控制算法
3.3.3 适合电机控制的改进型PID算法
3.3.4 速度外环电流内环的PID算法整定
3.4 里程计信息
3.4.1 上下位机之间串口通信协议设计
3.4.2 里程计信息传输
3.5 本章小结
4 基于ROS框架的上位机控制系统
4.1 Nvida TXl上位机主控系统
4.2 Ubuntu系统下ROS机器人控制框架
4.3 ROS导航定位包整体框架
4.4 激光雷达
4.5 ROS代价地图
4.6 本章小结
5 基于强化学习的路径规划算法
5.1 常规路径规划算法介绍
5.2 基于强化学习的路径规划
5.2.1 马尔可夫决策过程
5.2.2 强化学习基本要素
5.2.3 Q-learning算法模型
5.3 基于改进型强化学习算法的全局路径规划
5.3.1 引力势场
5.3.2 陷阱搜索
5.4 基于DDQN算法的局部路径规划
5.4.1 深度强化学习DDQN算法
5.4.2 DDQN算法实现局部路径规划
5.4.3 DDQN算法中神经网络结构设计
5.5 本章小结
6 仿真与实验
6.1 利用pygame模块仿真复杂地图的全局路径规划
6.2 利用pygame模块仿真动态地图的局部路径规划
6.3 采用单线雷达的室内自主路径规划实验
6.3.1 静态环境的全局路径规划
6.3.2 未知环境路径规划
6.4 本章小结
7 总结与展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]智能汽车横向控制方法研究综述[J]. 陈慧岩,陈舒平,龚建伟. 兵工学报. 2017(06)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[3]深度强化学习综述:兼论计算机围棋的发展[J]. 赵冬斌,邵坤,朱圆恒,李栋,陈亚冉,王海涛,刘德荣,周彤,王成红. 控制理论与应用. 2016(06)
[4]无人作战系统发展对未来战争的影响[J]. 赵先刚. 国防科技. 2015(05)
[5]基于势场蚁群算法的移动机器人全局路径规划方法[J]. 刘建华,杨建国,刘华平,耿鹏,高蒙. 农业机械学报. 2015(09)
[6]大规模无人系统集群智能控制方法综述[J]. 梁晓龙,孙强,尹忠海,王亚利,刘苹妮. 计算机应用研究. 2015(01)
[7]基于蚁群算法的移动机器人全局路径规划方法研究[J]. 史恩秀,陈敏敏,李俊,黄玉美. 农业机械学报. 2014(06)
[8]基于强化学习的农业移动机器人视觉导航[J]. 周俊,陈钦,梁泉. 农业机械学报. 2014(02)
[9]基于改进人工势场法的移动机器人路径规划[J]. 邓学强. 山东理工大学学报(自然科学版). 2014(01)
[10]未知环境中移动机器人环境感知技术研究综述[J]. 王东署,王佳. 机床与液压. 2013(15)
博士论文
[1]基于机器学习的物体识别[D]. 刘光灿.上海交通大学 2013
硕士论文
[1]车辆自动驾驶纵向控制系统仿真研究[D]. 李滨.西华大学 2016
[2]基于ROS的自主移动机器人系统设计与实现[D]. 沈俊.西南科技大学 2016
[3]基于ROS的自主式救援机器人SLAM和导航系统研究[D]. 祝甜一.东南大学 2015
[4]基于麦克纳姆轮的全向重载移动技术研究[D]. 朱浩.南京航空航天大学 2015
[5]基于CAN总线的移动机器人分布式控制系统研究[D]. 张传斌.山东大学 2013
[6]基于强化学习的移动机器人路径规划研究[D]. 许亚.山东大学 2013
[7]基于遗传算法的移动机器人路径规划研究[D]. 王坤.哈尔滨工业大学 2012
[8]无人作战系统在未来体系作战中的作用研究[D]. 兰志民.哈尔滨工程大学 2012
[9]基于ZigBee无线技术的移动机器人编队控制的导航定位[D]. 邸庆龙.沈阳航空航天大学 2011
[10]基于模拟退火-Q学习的移动机器人路径规划技术研究[D]. 郭娜.南京理工大学 2009
本文编号：3719350
【文章页数】：93 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
1 绪论
1.1 课题研究的背景及意义
1.2 无人作战移动平台的国内外研究现状及发展趋势
1.3 无人移动平台的关键技术
1.3.1 无人作战系统控制技术
1.3.2 通讯技术
1.3.3 环境感知技术
1.3.4 路径规划技术
1.4 全文内容安排
2 无人移动平台总体设计方案
2.1 全向移动平台总体结构
2.2 麦克纳姆轮特性
2.3 基于麦克纳姆轮全向移动平台动力学模型
2.4 全向移动平台总体控制系统设计
2.5 本章小结
3 下位机控制系统及算法
3.1 STM32f405主控系统
3.2 底盘电机控制系统
3.2.1 底盘电机RM3510及电子调速器RM820R
3.2.2 移动平台计算性能
3.2.3 基于CAN协议的电机通讯方式
3.3 PID控制算法
3.3.1 位置式PID控制算法
3.3.2 增量式PID控制算法
3.3.3 适合电机控制的改进型PID算法
3.3.4 速度外环电流内环的PID算法整定
3.4 里程计信息
3.4.1 上下位机之间串口通信协议设计
3.4.2 里程计信息传输
3.5 本章小结
4 基于ROS框架的上位机控制系统
4.1 Nvida TXl上位机主控系统
4.2 Ubuntu系统下ROS机器人控制框架
4.3 ROS导航定位包整体框架
4.4 激光雷达
4.5 ROS代价地图
4.6 本章小结
5 基于强化学习的路径规划算法
5.1 常规路径规划算法介绍
5.2 基于强化学习的路径规划
5.2.1 马尔可夫决策过程
5.2.2 强化学习基本要素
5.2.3 Q-learning算法模型
5.3 基于改进型强化学习算法的全局路径规划
5.3.1 引力势场
5.3.2 陷阱搜索
5.4 基于DDQN算法的局部路径规划
5.4.1 深度强化学习DDQN算法
5.4.2 DDQN算法实现局部路径规划
5.4.3 DDQN算法中神经网络结构设计
5.5 本章小结
6 仿真与实验
6.1 利用pygame模块仿真复杂地图的全局路径规划
6.2 利用pygame模块仿真动态地图的局部路径规划
6.3 采用单线雷达的室内自主路径规划实验
6.3.1 静态环境的全局路径规划
6.3.2 未知环境路径规划
6.4 本章小结
7 总结与展望
致谢
参考文献
附录
【参考文献】：
期刊论文
[1]智能汽车横向控制方法研究综述[J]. 陈慧岩,陈舒平,龚建伟. 兵工学报. 2017(06)
[2]卷积神经网络研究综述[J]. 周飞燕,金林鹏,董军. 计算机学报. 2017(06)
[3]深度强化学习综述:兼论计算机围棋的发展[J]. 赵冬斌,邵坤,朱圆恒,李栋,陈亚冉,王海涛,刘德荣,周彤,王成红. 控制理论与应用. 2016(06)
[4]无人作战系统发展对未来战争的影响[J]. 赵先刚. 国防科技. 2015(05)
[5]基于势场蚁群算法的移动机器人全局路径规划方法[J]. 刘建华,杨建国,刘华平,耿鹏,高蒙. 农业机械学报. 2015(09)
[6]大规模无人系统集群智能控制方法综述[J]. 梁晓龙,孙强,尹忠海,王亚利,刘苹妮. 计算机应用研究. 2015(01)
[7]基于蚁群算法的移动机器人全局路径规划方法研究[J]. 史恩秀,陈敏敏,李俊,黄玉美. 农业机械学报. 2014(06)
[8]基于强化学习的农业移动机器人视觉导航[J]. 周俊,陈钦,梁泉. 农业机械学报. 2014(02)
[9]基于改进人工势场法的移动机器人路径规划[J]. 邓学强. 山东理工大学学报(自然科学版). 2014(01)
[10]未知环境中移动机器人环境感知技术研究综述[J]. 王东署,王佳. 机床与液压. 2013(15)
博士论文
[1]基于机器学习的物体识别[D]. 刘光灿.上海交通大学 2013
硕士论文
[1]车辆自动驾驶纵向控制系统仿真研究[D]. 李滨.西华大学 2016
[2]基于ROS的自主移动机器人系统设计与实现[D]. 沈俊.西南科技大学 2016
[3]基于ROS的自主式救援机器人SLAM和导航系统研究[D]. 祝甜一.东南大学 2015
[4]基于麦克纳姆轮的全向重载移动技术研究[D]. 朱浩.南京航空航天大学 2015
[5]基于CAN总线的移动机器人分布式控制系统研究[D]. 张传斌.山东大学 2013
[6]基于强化学习的移动机器人路径规划研究[D]. 许亚.山东大学 2013
[7]基于遗传算法的移动机器人路径规划研究[D]. 王坤.哈尔滨工业大学 2012
[8]无人作战系统在未来体系作战中的作用研究[D]. 兰志民.哈尔滨工程大学 2012
[9]基于ZigBee无线技术的移动机器人编队控制的导航定位[D]. 邸庆龙.沈阳航空航天大学 2011
[10]基于模拟退火-Q学习的移动机器人路径规划技术研究[D]. 郭娜.南京理工大学 2009
本文编号：3719350
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3719350.html
