智能搜救机器人路径规划算法研究
发布时间：2021-04-21 23:50
近年来自然灾害频发,其中既有地震、海啸等自然因素,也有由于人类的行为导致大型火灾、化工毒气泄露等灾难。在这些灾难发生后需要搜救工作人员紧急进入灾害现场,此时搜救人员的生命安全受到威胁,并且工作效率不高。因此,智能搜救机器人技术应用于灾后搜救工作成为目前机器人技术的研究热点。智能搜救机器人的路径规划方法是相关领域的重点研究内容之一。路径规划关键技术主要包括两点:1)规划一条无碰撞、距离最短、安全性较高的路径;2)如何能够获得所在的环境信息并建立模型。针对路径规划中的两个方面,本文首先分析了智能规划路径算法,研究了粒子群算法在路径规划问题上的缺陷,包括粒子群算法易陷入局部最优、陷入死循环导致路径规划时间过长、无法找到最短的路径。针对以上缺点,本文提出了两种改进方法:1)通过自适应调节的对数函数递减惯性改变权重;2)遗传算法中的变异因子优化粒子群中个体速度值。将改进后的算法与基本粒子群算法进行对比仿真。仿真实验表明:粒子群寻优的速率变快、与最优值最接近。其次,本文分析了目前成熟的环境模型及其构建方法,最后确定应用栅格法作为环境模型的构造方法。由于搜救环境中地图信息已经被严重破坏,因此本文通过...
【文章来源】：长春理工大学吉林省
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 选题背景及研究目的和意义
1.2 智能搜救机器人的国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 机器人路径规划算法的研究现状
1.4 论文的主要研究内容
1.4.1 主要研究内容
1.4.2 结构安排
第2章 路径规划算法基本原理
2.1 智能路径规划算法
2.1.1 环境建模概述
2.1.2 智能寻优路径算法
2.2 粒子群算法原理
2.3 遗传算法
2.4 本章总结
第3章 粒子群的优化算法
3.1 基于递减惯性的粒子群优化算法
3.1.1 改进惯性权重ω
3.1.2 改进学习因子
3.1.3 改进后粒子群算法
3.1.4 LOGPSO算法仿真
3.2 LOGPSO算法的二次改进
3.3 本章总结
第4章 搜救机器人路径规划环境建模
4.1 环境建模
4.1.1 栅格大小的确定
4.1.2 粒子群优化滚动窗口法
4.2 适应度函数（FITNESS）加入安全因子
4.3 总体建模流程
4.4 仿真实验及结果分析
4.5 本章小结
第5章 搜救机器人的路径规划仿真及测试
5.1 GLPSO算法搜救机器人路径规划
5.1.1 搜救环境问题描述
5.1.2 算法的结合与实现
5.2 现场测试
5.3 仿真结果与分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间取得的成果
致谢
【参考文献】：
期刊论文
[1]基于混沌粒子群算法的物流配送路径优化方法[J]. 张淑丽,张涛,崔岩,刘仁贵. 电子设计工程. 2019(15)
[2]基于改进A*算法的移动机器人路径规划研究[J]. 吴鹏,桑成军,陆忠华,余双,方临阳,张屹. 计算机工程与应用. 2019(21)
[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]遗传算法在优化问题中的应用综述[J]. 李岩,袁弘宇,于佳乔,张更伟,刘克平. 山东工业技术. 2019(12)
[5]移动机器人路径规划算法综述[J]. 霍凤财,迟金,黄梓健,任璐,孙勤江,陈建玲. 吉林大学学报(信息科学版). 2018(06)
[6]基于惯性权重矩阵的自适应粒子群算法[J]. 杜霖,曹江涛,李书臣. 控制工程. 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]动态混沌蚁群系统及其在机器人路径规划中的应用[J]. 李娟,游晓明,刘升,陈佳. 计算机应用. 2018(01)
[9]仿生机器人的发展与应用研究[J]. 崔新忠,常诚,缪新颖. 机器人技术与应用. 2017(04)
[10]粒子群优化的移动机器人路径规划算法[J]. 韩明,刘教民,吴朔媚,王敬涛. 计算机应用. 2017(08)
博士论文
[1]粒子群优化算法及差分进行算法研究[D]. 张庆科.山东大学 2017
[2]粒子群算法研究及其工程应用案例[D]. 邵晴.吉林大学 2017
[3]移动机器人路径规划和地图创建研究[D]. 吕太之.南京理工大学 2017
硕士论文
[1]自动导引车系统中的路径规划方法研究[D]. 韩增亮.青岛大学 2019
[2]粒子群优化算法的改进及应用研究[D]. 杨超杰.云南大学 2019
[3]动态环境下双机器人路径规划[D]. 苏吉恒.兰州理工大学 2019
[4]蛇形机器人的机构设计及控制系统研究[D]. 田路.北京化工大学 2017
[5]自主式移动机器人路径规划算法研究[D]. 蔡漫漫.青岛科技大学 2017
[6]多目标粒子群优化算法的改进与研究[D]. 马博荣.兰州大学 2017
[7]混合遗传算法及其应用研究[D]. 云文霞.西北师范大学 2013
[8]蛇形机器人的机构设计和运动研究[D]. 张玲玲.大连理工大学 2009
[9]遗传算法在函数优化中的应用研究[D]. 金芬.苏州大学 2008
本文编号：3152735
【文章来源】：长春理工大学吉林省
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 选题背景及研究目的和意义
1.2 智能搜救机器人的国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 机器人路径规划算法的研究现状
1.4 论文的主要研究内容
1.4.1 主要研究内容
1.4.2 结构安排
第2章 路径规划算法基本原理
2.1 智能路径规划算法
2.1.1 环境建模概述
2.1.2 智能寻优路径算法
2.2 粒子群算法原理
2.3 遗传算法
2.4 本章总结
第3章 粒子群的优化算法
3.1 基于递减惯性的粒子群优化算法
3.1.1 改进惯性权重ω
3.1.2 改进学习因子
3.1.3 改进后粒子群算法
3.1.4 LOGPSO算法仿真
3.2 LOGPSO算法的二次改进
3.3 本章总结
第4章 搜救机器人路径规划环境建模
4.1 环境建模
4.1.1 栅格大小的确定
4.1.2 粒子群优化滚动窗口法
4.2 适应度函数（FITNESS）加入安全因子
4.3 总体建模流程
4.4 仿真实验及结果分析
4.5 本章小结
第5章 搜救机器人的路径规划仿真及测试
5.1 GLPSO算法搜救机器人路径规划
5.1.1 搜救环境问题描述
5.1.2 算法的结合与实现
5.2 现场测试
5.3 仿真结果与分析
5.4 本章小结
第6章 总结与展望
6.1 总结
6.2 展望
参考文献
攻读硕士学位期间取得的成果
致谢
【参考文献】：
期刊论文
[1]基于混沌粒子群算法的物流配送路径优化方法[J]. 张淑丽,张涛,崔岩,刘仁贵. 电子设计工程. 2019(15)
[2]基于改进A*算法的移动机器人路径规划研究[J]. 吴鹏,桑成军,陆忠华,余双,方临阳,张屹. 计算机工程与应用. 2019(21)
[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]遗传算法在优化问题中的应用综述[J]. 李岩,袁弘宇,于佳乔,张更伟,刘克平. 山东工业技术. 2019(12)
[5]移动机器人路径规划算法综述[J]. 霍凤财,迟金,黄梓健,任璐,孙勤江,陈建玲. 吉林大学学报(信息科学版). 2018(06)
[6]基于惯性权重矩阵的自适应粒子群算法[J]. 杜霖,曹江涛,李书臣. 控制工程. 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]动态混沌蚁群系统及其在机器人路径规划中的应用[J]. 李娟,游晓明,刘升,陈佳. 计算机应用. 2018(01)
[9]仿生机器人的发展与应用研究[J]. 崔新忠,常诚,缪新颖. 机器人技术与应用. 2017(04)
[10]粒子群优化的移动机器人路径规划算法[J]. 韩明,刘教民,吴朔媚,王敬涛. 计算机应用. 2017(08)
博士论文
[1]粒子群优化算法及差分进行算法研究[D]. 张庆科.山东大学 2017
[2]粒子群算法研究及其工程应用案例[D]. 邵晴.吉林大学 2017
[3]移动机器人路径规划和地图创建研究[D]. 吕太之.南京理工大学 2017
硕士论文
[1]自动导引车系统中的路径规划方法研究[D]. 韩增亮.青岛大学 2019
[2]粒子群优化算法的改进及应用研究[D]. 杨超杰.云南大学 2019
[3]动态环境下双机器人路径规划[D]. 苏吉恒.兰州理工大学 2019
[4]蛇形机器人的机构设计及控制系统研究[D]. 田路.北京化工大学 2017
[5]自主式移动机器人路径规划算法研究[D]. 蔡漫漫.青岛科技大学 2017
[6]多目标粒子群优化算法的改进与研究[D]. 马博荣.兰州大学 2017
[7]混合遗传算法及其应用研究[D]. 云文霞.西北师范大学 2013
[8]蛇形机器人的机构设计和运动研究[D]. 张玲玲.大连理工大学 2009
[9]遗传算法在函数优化中的应用研究[D]. 金芬.苏州大学 2008
本文编号：3152735
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3152735.html
