基于智能优化算法的移动机器人路径规划与定位方法研究

发布时间：2020-11-18 15:38

　　 移动机器人是工作在复杂环境下,具有自规划、自组织、自适应能力的一种代表性智能机器人,被广泛地应用到军事和民用领域中,尤其在恶劣环境下更能体现出其重要的应用价值。自主导航作为一项核心技术,是实现移动机器人感知和行动能力的关键。而路径规划和定位则是组成移动机器人导航控制系统的重要部分,是实现移动机器人自主化、智能化的有效途径。随着障碍物环境日益复杂化和高维化,对移动机器人导航系统环境的适应能力和规划效率提出了更高更迫切的要求。因此,为提高移动机器人导航系统性能,本文结合智能优化算法,对移动机器人智能导航系统中的路径规划和定位方法开展研究。(1)针对环境模型已知的二维全局路径规划问题,在栅格环境模型和基本蚁群算法基础上提出了基于动态反馈A*蚁群算法的平滑路径规划方法。改进的蚁群算法主要从初始信息素的优化、进化策略的增加和参数的动态闭环调整三个方面考虑,并在得到规划路径后采用三次B样条曲线进行光滑处理。通过仿真比较显示,改进的蚁群算法能够有效提高路径规划的搜索效率和避免局部极小问题,另外,与传统蚁群算法相比能获得更短的规划路径。(2)由于三维全局规划问题较二维规划除在空间上复杂性增大,且运动学和动力学约束更为复杂。针对环境模型已知的三维全局路径规划问题,以固定翼无人机为研究对象建立三维全局路径规划的数学模型,给出整体路径和单段路径的评估函数,并对标准粒子群算法进行分析与改进。由于固定翼无人机的三维全局路径规划属于多约束多目标优化问题,采用标准粒子群算法解决无人机三维全局路径规划时存在着收敛速度慢和局部极小等缺陷,因此,提出了一种基于全局最优路径竞争的粒子群优化路径方法。在改进的粒子群算法中,以两个相邻路径点构成的单段路径评估函数为评价标准,通过单路径点逐步搜索,找出一条候选最优路径。并与将路径中的所有路径点作为整体时搜索到的候选最优路径相比较以此选出最优路径,从而实现对群体中最优个体的优化。通过仿真证明,改进的粒子群算法在三维全局路径规划中收敛速度较快,能够在不同的环境中找到一条无碰撞可飞的路径,具有良好的鲁棒性。(3)针对环境未知或部分未知的局部路径规划问题,提出基于改进动态窗口法的路径规划方法。从移动机器人的运动模型、速度搜索空间和评价函数三个方面来分析基本动态窗口法,由于标准动态窗口法中的评价函数在面对不同障碍物的分布环境时均采用固定权重参数组合。为提高算法在复杂环境中的规划效果,降低陷入障碍物陷阱的概率和减少权重参数对算法性能的影响,引入激光雷达数据来计算障碍物间隙大小,并与移动机器人的尺寸相比较,由比较结果来对权重参数进行模糊控制。通过仿真比较表明,在相同环境和参数条件下原动态窗口法无法通过障碍物而到达目标位置,而改进的动态窗口法可以有效避开障碍物顺利到达目标点,从而提高动态窗口法的环境适应能力。(4)针对地图完全未知且无法接受卫星信号的相对封闭环境中的移动机器人同时定位与地图构建(Simultaneous localization and mapping,SLAM)问题,建立移动机器人的运动模型和观测模型,在此基础上分析了 FastSLAM算法。为降低算法的计算复杂度,FastSLAM算法通过Rao-Blackwellized分解将移动机器人的位姿和地图中的路标特征分别采用粒子滤波器和卡尔曼滤波来估计。但在粒子滤波算法中普遍存在“粒子退化和消耗”的问题,因此,提出基于改进布谷鸟算法的粒子滤波方法。其中,为增加布谷鸟种群的多样性和提高搜索效率,在改进的布谷鸟算法中引入多策略差分进化算法来改进布谷鸟算法中的偏好随机游动搜索策略。仿真结果验证,引入改进布谷鸟算法的FastSLAM方法与标准FastSLAM算法相比较能够有效提高移动机器人位姿估计和环境特征估计的准确度。本文针对智能移动机器人的自主导航问题,对路径规划和定位技术分别展开研究,介绍了蚁群算法、粒子群算法、动态窗口法、粒子滤波算法和FastSLAM算法,通过分析现有算法的不足之处并进行改进。改进的算法能够更好提高移动机器人导航系统的性能,为实现移动机器人的自主控制提供参考。
【学位单位】：大连交通大学
【学位级别】：博士
【学位年份】：2018
【中图分类】：TP242
【部分图文】：

ＦａｓｔＳＬＡＭ算法中的粒子滤波器存在的“粒子贫化和枯竭”问题。??文总体安排??共包含五章内容，如图１．２所示。各章节的总体安排如下：??章主要论述了移动机器人导航技术的研究意义、研究背景，分别介绍国规划、局部路径规划和定位与地图构建问题的发展与研究现状，并确定和总体安排。??章提出了基于多策略动态反馈的Ａ＊蚁群算法来解决二维路径规划问题型作为环境地图的基础上，运用闭环反馈来调节蚁群算法参数，通过引快收敛速度。通过与传统蚁群算法在两种环境中的仿真对比，结果表明能有效缓解蚁群算袪中收敛速度和局部最优之间的矛盾。??章主要研究了基于全局最优路径竞争的粒子群算法规划三维路径问题。规划中，通过以固定翼无人机为研究对象建立约束条件和目标函数，用径竞争的粒子群算法来解决带有多个约束条件的多目标优化问题。并与真比较来验证该方法在三维路径规划应用中的优越性。??

图２．４蚁群觅食过程模拟??Ｆｉｇ．２．４?Ｔｈｅ?ｓｉｍｕｌａｔｉｏｎ?ｏｆ?ａｎｔｓ?ｆｏｒａｇｉｎｇ?ｐｒｏｃｅｓｓ??有一群蚂蚁正在从蚁巢固定位置Ａ寻找去往食物源位置Ｆ的路径，由于图２．４（ａ）中??不存在障碍物，所以蚂蚁群体不需要分流，直接选择蚁巢和食物源之间的直线路径即可。??但当在蚁巢Ａ与食物源Ｆ两点的直线路径上突然放置一个障碍物且障碍物的左右两端到??食物源的距离不等，如图２．４（ｂ）所示，ＤＧ为障碍物。在初始时刻，从Ｂ到Ｃ的路径有??两条，分别为ＢＤＣ和ＢＧＣ。因此，蚂蚁个体需要对点Ｄ和Ｇ在选择上做出决策，究??竟是向左转还是向右转？因为刚加入障碍物，路径上缺乏前面蚂蚁留下的信息素，蚂蚁??群体是以相等的概率朝Ｄ和Ｇ两个方向行进。但随着时间的推移蚂蚁走过分叉点Ｂ时，??将会分别在行进的路上释放出信息素，且信息素以一定的速率挥发掉。信息素是蚂蚁群??体之间信息交流的工具之一，后面的蚂蚁通过路径上信息素的浓度，做出往左还是往右??的决策。很明显

?大连交通大学工学博士学位论文???采用两种环境地图如图２．６所示，起点为１栅格，终点为４００栅格，在参数试验中??将蚂蚁数量取为３０。每组数据为２０次实验数据的平均值。参数变化对路径的影响??结果如图２．７和表２．１所不。??，：??
【相似文献】

相关期刊论文 前10条

1 王宏玉;;移动机器人行业:百花齐放,快速发展[J];物流技术与应用;2019年03期

2 王赛;刘子龙;;基于4G网络的移动机器人远程控制研究[J];软件导刊;2019年11期

3 张淇元;;自适应巡航移动机器人的构建与编程[J];数字通信世界;2017年10期

4 赵杰;;以世赛集训为引领 推动学院水平提升——44届世赛移动机器人项目集训介绍[J];中国培训;2018年03期

5 杨洪志;;移动机器人的双臂结构设计要点研究[J];南方农机;2018年14期

6 任芳;;移动机器人助力无人仓落地——访杭州海康机器人技术有限公司副总裁吴尧[J];物流技术与应用;2018年10期

7 刘银萍;;全向移动机器人中电动机控制系统的研究[J];微电机;2016年12期

8 张燕;徐一超;盛洲;;A*算法在移动机器人自学习中的使用[J];单片机与嵌入式系统应用;2016年11期

9 薛金水;张新政;;改进遗传算法优化移动机器人动态路径研究[J];机床与液压;2017年07期

10 张皓;;四轮全向移动机器人转弯半径的研究[J];价值工程;2017年09期

相关博士学位论文 前10条

1 王志瑞;四面体杆式移动机器人的系统设计与研究[D];北京交通大学;2019年

2 张启彬;基于不确定性分析的移动机器人室内定位与导航控制方法研究[D];中国科学技术大学;2018年

3 李晔卓;可重构多模式地面移动机器人的构型设计与性能研究[D];北京交通大学;2018年

4 黄辰;基于智能优化算法的移动机器人路径规划与定位方法研究[D];大连交通大学;2018年

5 程传奇;非结构场景下移动机器人自主导航关键技术研究[D];战略支援部队信息工程大学;2018年

6 冯晟;基于无线传感器网络的移动机器人室内动态定位[D];东北大学;2017年

7 邱增帅;面向室外环境的移动机器人自主场景理解[D];大连理工大学;2018年

8 陈伟华;社会环境的轮式移动机器人定位导航方法研究[D];华南理工大学;2018年

9 欧屹;特种地面移动机器人机械系统设计与分析[D];南京理工大学;2013年

10 姜健;多移动机器人协作方法研究[D];哈尔滨工业大学;2008年

相关硕士学位论文 前10条

1 周磊;基于RGB-D的移动机器人的同时定位与建图[D];华北电力大学(北京);2019年

2 刘耀;基于激光雷达的室内移动机器人定位技术研究[D];东北石油大学;2019年

3 胡学甲;多功能移动机器人的设计及下位机实现[D];上海交通大学;2017年

4 梁爽;智慧工厂中多移动机器人路径规划研究[D];上海交通大学;2017年

5 吴国鹏;基于2D激光传感器的移动机器人室内环境建模与自主导航研究[D];华南理工大学;2019年

6 陈鑫;基于领航-跟随者结构的移动机器人预设性能编队控制研究[D];华南理工大学;2019年

7 李建龙;基于脑电遥控的移动机器人同步定位与地图构建方法研究[D];华南理工大学;2019年

8 陈浩权;基于激光雷达的室内移动机器人关键技术研究[D];华南理工大学;2019年

9 柳俊城;全向移动机器人自主导航技术研究[D];华南理工大学;2019年

10 黎伟豪;全向移动机器人的控制算法及其运动规划[D];华南理工大学;2019年

本文编号：2888876