复杂环境下移动机器人路径规划方法的研究
发布时间：2021-04-30 02:20
路径规划是移动机器人研究领域的重要组成部分,是移动机器人完成复杂任务的前提。本文在对经典蚁群算法改进的基础上引入了改进人工势场法,将两种优化算法融合起来,提高复杂环境下移动机器人路径规划的效率。本文的主要研究内容如下:首先,从初始信息素分布、转移概率以及全局信息素更新三个方面对经典蚁群算法进行改进:初始信息素分布考虑了栅格地图内的节点距离起始点和目标点连线的距离,距离中间连线越近,初始信息素浓度相对越高,解决了蚁群算法运行初期搜索盲目的问题;考虑到下一个可行节点的危险度,对蚂蚁的转移概率进行调整,降低了蚁群算法陷入局部最优的可能性;在全局信息素更新方面,对最差路径上的蚂蚁进行“惩罚”,减少其释放的信息素,增加最优路径上蚂蚁释放的信息素,而且全局信息素更新考虑了路径节点的危险度,提高算法收敛速度的同时,防止算法陷入局部最优;其次,对经典人工势场法中存在的目标不可达问题进行改进,在不增加斥力的前提下,考虑当前位置到目标点的距离来对传统的斥力函数进行调整;最后,为了提高复杂环境下路径规划的效率,提出一种由改进蚁群算法和改进人工势场法组合而成的融合优化算法,融合方法如下:采用改进蚁群算法获取静...
【文章来源】：河北工程大学河北省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 移动机器人路径规划概述及研究现状
1.2.1 移动机器人路径规划概述
1.2.2 移动机器人路径规划研究现状
1.3 移动机器人路径规划方法
1.3.1 基于环境模型的路径规划
1.3.2 基于行为的路径规划
1.4 移动机器人路径规划存在问题及发展趋势
1.4.1 移动机器人路径规划存在问题
1.4.2 移动机器人路径规划发展趋势
1.5 本文研究内容和章节安排
1.6 本章小结
第2章 基于经典蚁群算法的全局路径规划
2.1 经典蚁群算法介绍
2.1.1 蚁群算法的产生
2.1.2 蚂蚁道路选择分析
2.1.3 经典蚁群算法的数学模型
2.1.4 经典蚁群算法的特点
2.1.5 经典蚁群算法的优缺点
2.2 蚁群算法环境建模的搭建
2.3 经典蚁群算法路径规划的实现过程
2.3.1 经典蚁群算法路径规划的实现步骤
2.3.2 经典蚁群算法路径规划的流程图
2.4 经典蚁群算法路径规划的仿真分析
2.5 本章小结
第3章 基于改进蚁群算法的全局路径规划
3.1 经典蚁群算法的改进思路
3.1.1 经典蚁群算法缺陷分析
3.1.2 经典蚁群算法改进途径分析
3.2 改进蚁群算法的实现
3.2.1 初始信息素分布的改进
3.2.2 转移概率的改进
3.2.3 全局信息素更新的改进
3.3 蚁群算法参数选取的实验分析
3.3.1 蚂蚁数目
3.3.2 信息素挥发因子
3.3.3 信息素启发因子和期望启发因子
3.3.4 信息素强度
3.4 改进蚁群算法路径规划的实现过程
3.5 改进蚁群算法路径规划的仿真分析
3.6 本章小结
第4章 基于改进人工势场法的路径规划研究
4.1 经典人工势场法介绍
4.1.1 经典人工势场法概念
4.1.2 经典人工势场函数介绍
4.2 经典人工势场法的目标不可达问题及改进策略
4.2.1 目标不可达问题分析
4.2.2 目标不可达问题改进策略
4.3 改进人工势场法路径规划的执行流程及仿真
4.3.1 改进人工势场法路径规划的执行流程
4.3.2 改进人工势场法路径规划的仿真
4.4 本章小结
第5章 基于势场蚁群融合优化算法的路径规划研究
5.1 融合优化算法提出的必要性分析
5.2 融合优化算法的执行步骤及流程
5.2.1 融合优化算法的执行步骤
5.2.2 融合优化算法的执行流程
5.3 融合优化算法的仿真分析
5.4 本章小结
结论
致谢
参考文献
作者简介
攻读硕士期间发表的论文和科研成果
【参考文献】：
期刊论文
[1]基于双目视觉的农业机器人运动定位与避障研究[J]. 马耀锋,李红丽. 农机化研究. 2020(09)
本文编号：3168648
【文章来源】：河北工程大学河北省
【文章页数】：64 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景及意义
1.2 移动机器人路径规划概述及研究现状
1.2.1 移动机器人路径规划概述
1.2.2 移动机器人路径规划研究现状
1.3 移动机器人路径规划方法
1.3.1 基于环境模型的路径规划
1.3.2 基于行为的路径规划
1.4 移动机器人路径规划存在问题及发展趋势
1.4.1 移动机器人路径规划存在问题
1.4.2 移动机器人路径规划发展趋势
1.5 本文研究内容和章节安排
1.6 本章小结
第2章 基于经典蚁群算法的全局路径规划
2.1 经典蚁群算法介绍
2.1.1 蚁群算法的产生
2.1.2 蚂蚁道路选择分析
2.1.3 经典蚁群算法的数学模型
2.1.4 经典蚁群算法的特点
2.1.5 经典蚁群算法的优缺点
2.2 蚁群算法环境建模的搭建
2.3 经典蚁群算法路径规划的实现过程
2.3.1 经典蚁群算法路径规划的实现步骤
2.3.2 经典蚁群算法路径规划的流程图
2.4 经典蚁群算法路径规划的仿真分析
2.5 本章小结
第3章 基于改进蚁群算法的全局路径规划
3.1 经典蚁群算法的改进思路
3.1.1 经典蚁群算法缺陷分析
3.1.2 经典蚁群算法改进途径分析
3.2 改进蚁群算法的实现
3.2.1 初始信息素分布的改进
3.2.2 转移概率的改进
3.2.3 全局信息素更新的改进
3.3 蚁群算法参数选取的实验分析
3.3.1 蚂蚁数目
3.3.2 信息素挥发因子
3.3.3 信息素启发因子和期望启发因子
3.3.4 信息素强度
3.4 改进蚁群算法路径规划的实现过程
3.5 改进蚁群算法路径规划的仿真分析
3.6 本章小结
第4章 基于改进人工势场法的路径规划研究
4.1 经典人工势场法介绍
4.1.1 经典人工势场法概念
4.1.2 经典人工势场函数介绍
4.2 经典人工势场法的目标不可达问题及改进策略
4.2.1 目标不可达问题分析
4.2.2 目标不可达问题改进策略
4.3 改进人工势场法路径规划的执行流程及仿真
4.3.1 改进人工势场法路径规划的执行流程
4.3.2 改进人工势场法路径规划的仿真
4.4 本章小结
第5章 基于势场蚁群融合优化算法的路径规划研究
5.1 融合优化算法提出的必要性分析
5.2 融合优化算法的执行步骤及流程
5.2.1 融合优化算法的执行步骤
5.2.2 融合优化算法的执行流程
5.3 融合优化算法的仿真分析
5.4 本章小结
结论
致谢
参考文献
作者简介
攻读硕士期间发表的论文和科研成果
【参考文献】：
期刊论文
[1]基于双目视觉的农业机器人运动定位与避障研究[J]. 马耀锋,李红丽. 农机化研究. 2020(09)
本文编号：3168648
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3168648.html
