基于ARM平台的多机器人路径规划系统研究

发布时间：2017-10-22 12:17

  本文关键词：基于ARM平台的多机器人路径规划系统研究

  更多相关文章： 多机器人 路径规划 蚁群算法 滚动窗口 嵌入式系统

【摘要】：随着社会生产对机器人要求的不断提高,在处理某些复杂任务时,与单个机器人相比,多机器人系统往往表现出更强的适应能力,因此,多机器人系统研究得到了越来越多的学者和科研工作人员的关注。在多机器人系统诸多的研究问题中,路径规划是最基础的研究问题之一,也是多机器人顺利完成任务的保障。本文旨在研究机器人路径规划问题,从研究单机器人路径规划问题开始,到多机器人路径规划和协调,最后到基于ARM的多机器人路径规划系统的设计。首先,研究了单机器人路径规划问题,在传统的蚁群算法(ACS)的基础上,提出了一种改进的蚁群算法(IACS)并对其效果进行了仿真试验验证。在算法改进过程,在传统蚁群算法中增加了3-OPT算子,对算法每一代的最优解进行调整来提高算法解的精度;同时采用混沌算子修改传统蚁群算法的局部信息素的更新规则,进一步扩大了算法解的搜索空间,增加了解的多样性,避免了算法过早成熟。并通过TSP问题和单机器人路径规划仿真实验对改进蚁群算法的性能进行了验证,仿真实验表明改进的蚁群算法比传统蚁群算法具有更高的解的精度,更快的收敛速度。其次,基于单机器人路径规划问题研究的基础,研究了多机器人路径规划问题,针对多机器人工作环境局部已知的路径规划问题提出了一个全局目标函数,基于滚动路径规划原理,提出一种基于滚动窗口的预测策略。针对机器人与动态障碍物的冲突,提出了局部避障策略;为了协调机器人与机器人之间的路径冲突,提出了基于交互信息的局部协调策略。基于滚动窗口的预测策略、避障策略和协调策略,本文提出一种基于滚动窗口的多机器人分类避碰规划算法。再次,对基于ARM平台的多机器人路径规划仿真系统的硬件平台进行了研究,针对本文中使用到的pcDuino板卡,详细介绍了其硬件特性,并设计了基于ARM平台的多机器人路径规划仿真系统的硬件平台方案。最后,研究了基于ARM平台的多机器人路径规划仿真系统的软件设计,以及如何构建pcDuino嵌入式系统和Ubuntu系统下QT环境的搭载。在pcDuino上进行应用程序的开发,设计了人机交互界面并通过外接触摸屏显示,进行多机器人路径规划系统的仿真演示和操作。
【关键词】：多机器人 路径规划 蚁群算法 滚动窗口 嵌入式系统
【学位授予单位】：上海工程技术大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242
【目录】：

• 摘要6-8
• ABSTRACT8-13
• 第一章 绪论13-21
• 1.1 研究背景与意义13-14
• 1.2 课题国内外研究概况14-18
• 1.2.1 全局路径规划14-16
• 1.2.2 局部路径规划16-17
• 1.2.3 多机器人协调体系结构和策略17-18
• 1.3 本文主要研究内容及结构安排18-21
• 1.3.1 本文主要工作18-19
• 1.3.2 本文结构安排19-21
• 第二章 基于改进蚁群算法的机器人全局路径规划21-39
• 2.1 蚁群算法基本原理21-23
• 2.1.1 蚁群算法数学模型21-23
• 2.2 基于改进蚁群算法的移动机器人全局路径规划23-30
• 2.2.1 环境建模23-25
• 2.2.2 3-OPT算子改进蚁群算法25-27
• 2.2.3 局部信息素更新规则的改进27-29
• 2.2.4 改进蚁群算法设计29-30
• 2.3 实验仿真30-39
• 2.3.1 旅行商问题(TSP)仿真结果31-33
• 2.3.2 单机器人路径规划仿真结果33-35
• 2.3.3 Z型分布的障碍物环境仿真实验35-36
• 2.3.4 U型分布的障碍物环境仿真实验36-39
• 第三章 基于滚动规划算法的机器人局部路径规划39-60
• 3.1 多机器人系统特点39-40
• 3.2 多机器人路径规划问题的描述及定义40-42
• 3.2.1 工作区域W的定义40-41
• 3.2.2 多机器人问题描述41-42
• 3.2.3 多机器人路径规划目标函数42
• 3.3 基于滚动窗口的局部预测策略42-46
• 3.3.1 定义滚动窗口43-44
• 3.3.2 定义移动机器人移动步长44
• 3.3.3 基于滚动窗口的局部预测算法44-46
• 3.4 基于滚动窗口的动态障碍物避障策略46-48
• 3.4.1 暂停策略47-48
• 3.4.2 局部修正路径策略48
• 3.5 基于滚动窗口的机器人路径协调策略48-51
• 3.5.1 暂停策略49-50
• 3.5.2 局部修正路径策略50-51
• 3.6 多机器人局部路径规划算法51-53
• 3.7 仿真实验53-60
• 第四章 多机器人路径规仿真系统硬件平台设计60-67
• 4.1 硬件平台介绍60-62
• 4.1.1 pcDuino配置60-61
• 4.1.2 基于LVDS接口的触摸屏61-62
• 4.2 硬件平台设计方案62-67
• 4.2.1 TWI总线63-64
• 4.2.2 RS-644总线64-67
• 第五章 多机器人路径规划仿真系统软件实现67-82
• 5.1 嵌入式Linux系统67
• 5.2 设备驱动程序67-69
• 5.2.1 设备文件67-68
• 5.2.2 驱动架构68-69
• 5.3 嵌入式Linux文件系统69
• 5.4 构建pcDuino嵌入式系统69-76
• 5.4.1 为pcDuino搭建交叉编译环境70
• 5.4.2 编译并烧写U-Boot70-71
• 5.4.3 Linux的配置与编译71-72
• 5.4.4 制作根文件系统72-73
• 5.4.5 pcDuino触摸屏配置73-76
• 5.5 仿真系统软件设计76-80
• 5.5.1 在ubuntu系统上搭建Qt环境77-78
• 5.5.2 GUI编程语言78
• 5.5.3 GUI布局78-80
• 5.6 仿真系统运行80-82
• 第六章 总结与展望82-84
• 参考文献84-89
• 攻读硕士学位期间发表的学术论文及取得的相关科研成果89-90
• 致谢90-91

【相似文献】

中国期刊全文数据库 前10条

1 杨翊鹏,李少远;模糊优化算法及其在视觉机器人路径规划中的应用[J];控制与决策;2002年S1期

2 唐振民,赵春霞,杨静宇,张进;基于动态规划思想的多机器人路径规划[J];南京理工大学学报(自然科学版);2003年05期

3 张颖,吴成东,原宝龙;机器人路径规划方法综述[J];控制工程;2003年S1期

4 胡小兵,黄席樾;基于蚁群算法的三维空间机器人路径规划[J];重庆大学学报(自然科学版);2004年08期

5 伊连云;董玲;付莹莹;张俊亮;;虚拟磁场理论在足球机器人路径规划中的应用[J];自动化博览;2006年02期

6 宋一然;;基于强化学习的多机器人路径规划方法[J];莆田学院学报;2006年02期

7 姜志坚;徐效美;;智能算法在机器人路径规划中的应用研究[J];电脑知识与技术;2008年36期

8 王鹏飞;田冲;;用于多机器人路径规划的一种改进蚁群算法[J];电脑知识与技术;2008年S2期

9 黄力;张增芳;朱亚超;;基于二叉决策的机器人路径规划研究[J];机械设计与制造;2008年03期

10 刘砚菊;杨青川;辜吟吟;;蚁群算法在机器人路径规划中的应用研究[J];计算机科学;2008年05期

中国重要会议论文全文数据库 前9条

1 赵凯;王珏;;对人的适应以及在机器人路径规划中的应用[A];2001年中国智能自动化会议论文集（上册）[C];2001年

2 杨翊鹏;李少远;;基于满意优化的视觉机器人路径规划[A];第二十一届中国控制会议论文集[C];2002年

3 陆凯峰;彭力;;基于改进蚁群优化算法的机器人路径规划[A];2007中国控制与决策学术年会论文集[C];2007年

4 王奇志;王洪志;;关于机器人路径规划三种典型方法的比较与讨论[A];2005年中国智能自动化会议论文集[C];2005年

5 李贻斌;宋勇;荣学文;;基于神经网络的进化机器人路径规划方法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

6 宋勇;李贻斌;刘冰;;基于回声状态网络的机器人路径规划进化算法[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

7 张纯刚;席裕庚;;基于滚动窗口的移动机器人路径规划[A];2001年中国智能自动化会议论文集（上册）[C];2001年

8 王菁华;崔世钢;罗云林;;基于Matlab的智能机器人路径规划仿真[A];'2008系统仿真技术及其应用学术会议论文集[C];2008年

9 王文;夏耘;;微粒群算法在机器人路径规划中的应用[A];第六届全国信息获取与处理学术会议论文集（3）[C];2008年

中国博士学位论文全文数据库 前2条

1 邵杰;基于学习分类器的多机器人路径规划关键技术研究[D];南京理工大学;2011年

2 刘传领;基于势场法和遗传算法的机器人路径规划技术研究[D];南京理工大学;2012年

中国硕士学位论文全文数据库 前10条

1 向光海;变电站巡检机器人路径规划系统设计与实现[D];西南交通大学;2015年

2 孙晴晴;基于人工蜂群算法的机器人路径规划[D];南京师范大学;2015年

3 窦连航;基于人工蜂群算法的多机器人路径规划方法研究[D];上海大学;2015年

4 王维;基于多智能体系统的多机器人路径规划方法研究及应用[D];电子科技大学;2015年

5 李荣龙;基于改进粒子群优化算法的机器人路径规划研究[D];南京邮电大学;2015年

6 冯涛;基于协同进化算法的多机器人路径规划研究[D];南京邮电大学;2015年

7 蓝冬英;自主仿人机器人路径规划研究[D];东北大学;2014年

8 赵珍;基于改进蚁群算法的多机器人路径规划研究[D];兰州理工大学;2016年

9 于清平;基于ARM平台的多机器人路径规划系统研究[D];上海工程技术大学;2016年

10 张雷;机器人路径规划及编队问题的研究与仿真[D];西南交通大学;2007年

，

本文编号：1078332