复杂环境下移动机器人路径规划的研究
发布时间：2021-07-19 23:02
路径规划是移动机器人研究领域中较为重要的一部分,是完成各项任务的前提。从起始点到目标点的运动过程中,机器人不仅要安全到达,而且要尽可能保持路径平滑。良好的算法能有助于移动机器人在复杂环境中适应各种变化,并完成到达指定位置的任务。本文以个体移动机器人为研究对象,就二维环境中的路径规划问题进行研究。主要研究内容如下。1.全局路径规划在预先知道环境准确信息的情况下,可以找到最优解,如出现未知动态障碍物时,该方法可能就无法完成。局部路径规划能对规划结果进行实时反馈和校正,但是由于缺乏全局环境信息,所以规划出来的路径有可能不是最优的。因此为了解决个体机器人路径规划问题,本文提出了在全局路径规划中效果较好的快速扩展随机树（RRT）方法和局部路径规划的人工力矩法结合的混合算法,对个体移动机器人进行路径规划。由于人工力矩法可能会导致机器人选择错误的运动方向,使路径繁琐,并且在符合新吸引线段的条件下,都要重新计算新的吸引线段和吸引点,计算量较为复杂,为了解决此问题,首先采用RRT方法对全局环境进行预规划,保存生成最终路径的子节点和轨迹;其次人工力矩法把RRT生成的每个子节点当作机器人的吸引点,机器人向节...
【文章来源】：辽宁科技大学辽宁省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
动态环境中的人工力矩法
27（a）RRT搜索结果（b）RRT路径规划结果图3.3RRT方法的路径规划Fig.3.3ThepathplanningofRRTRRT探索状态空间并能快速找到解决方案，但RRT的缺点之一是该算法永远不会收敛到渐近次优解。因为X是任意的点，所以扩展树的生长形状也是随机的，从而导致从树的根节点X到目标点X规划出来的路径有时不是最短路径。为了对算法进行有意义的改进，则需要在算法中引入一种较好的路径选择方法。RRT-Connect是对RRT的改进，它不但可以找到可行解，还能找到一条相对次优的算法。3.2.2RRT-Connect基本的RRT算法是从根节点开始向目标点扩展的RRT树搜索状态空间，而RRT-Connect是基于双向扩展随机树算法，有两棵随机树，分别从根节点和目标点来搜索状态空间的，算法的收敛速度将有所提高。在状态空间内，一棵树从起始点开始扩展，另一棵树从目标点开始扩展，两棵随机树分别是Ta和Tb，分别以X和X为根节点。在自由空间中随机选取X，选取离X最近节点X，再从X向X扩展得到树Ta的新节点X，此扩展得到的新节点为树Tb的扩展方向，那么扩展得到点X，直到X=X或两棵树的X小于给定步长，则停止两棵树的搜索扩展，最后，通过生成这些节点，不断向上一个节点追溯，直至连接X和X来结束此过程。构建过程如图3.4所示。RRT-connect在初始阶段的工作方式与最初的RRT算法完全相同，即它从对状态空间X的采样开始，然后是像RRT一样的扩展过程。最后是两个树的连接执行过程。如果连接尝试成功，则连接函数返回无障碍路径。
31Tab.3.1Parameters参数名参数值Dv3.4DR0.2DS1.3SR0.24δθpi/90λa0.9（a）RRT搜索过程（b）选择路径图3.7长条障碍物中RRT仿真Fig.3.7SimulationsofRRTmethodinalongobstacle采用RRT进行全局路径规划后，图（b）产生的路径是最短的一条路径，最终路径保存的46个子节点，路径长度为46.01，在直角坐标系里的单位长度。搜索到最终目标点所用时间是43.04秒。单独使用局部路径规划的人工力矩法形成的路径如图3.8所示。此时实际路径长度为34.56，机器人运动步数是145步。由图3.8（a）可以看出，机器人在起始运动过程中，不断检测到障碍物边缘上知识障碍墙，也就是蓝色的线段，随着机器人运动并不断更新知识障碍墙上的黑色吸引线段和吸引点引导机器人运动。人工力矩方法是局部路径规划方法，图3.8中由于目标点在起始点的右侧，所以初始运动方向依靠传感器探测因此机器人开始向右侧运动，从而出现短暂的错误初始方向，但若干步之后通过人工力矩法及时改变到正确的方向，并且生成的路径十分平滑，如图（b）所示。
【参考文献】：
期刊论文
[1]世界机器人大会：那些从想象中走来的机器人[J]. 张翔宇. 机器人产业. 2019(05)
[2]移动机器人避障运动关键技术分析[J]. 侯远韶. 科技资讯. 2019(24)
[3]全方位移动机器人模糊PID控制算法研究[J]. 崔吉,张燕超,段向军,赵海峰. 机械. 2019(08)
[4]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)
[5]人工势场法在路径规划中的应用研究[J]. 郑敏,王鹏,范丽波,王光政,高帅. 技术与市场. 2019(06)
[6]基于威胁评估与生物激励神经网络的机器人路径规划研究[J]. 代亚兰,熊禾根,陶永,李公法. 高技术通讯. 2019(06)
[7]5G网络助力警用机器人安防水平大幅提升[J]. 徐贵森. 中国安防. 2019(06)
[8]多窄路口下改进的bi-RRT路径规划[J]. 龙建全,张皓然,梁艳阳. 仪表技术与传感器. 2019(05)
[9]农业机器人展望[J]. 赵春江. 中国农村科技. 2019(05)
[10]基于改进RRT-connect的四旋翼无人机避障轨迹规划算法[J]. 李成雷,贺继林,邓宇,敖小乐. 传感器与微系统. 2019(05)
博士论文
[1]移动机器人局部路径规划的人工力矩方法[D]. 徐望宝.大连理工大学 2014
硕士论文
[1]室内移动机器人区域覆盖路径规划方法研究[D]. 孙建.中国科学技术大学 2016
[2]基于粒子群算法的路径规划问题研究[D]. 吴高超.燕山大学 2016
本文编号：3291600
【文章来源】：辽宁科技大学辽宁省
【文章页数】：73 页
【学位级别】：硕士
【部分图文】：
动态环境中的人工力矩法
27（a）RRT搜索结果（b）RRT路径规划结果图3.3RRT方法的路径规划Fig.3.3ThepathplanningofRRTRRT探索状态空间并能快速找到解决方案，但RRT的缺点之一是该算法永远不会收敛到渐近次优解。因为X是任意的点，所以扩展树的生长形状也是随机的，从而导致从树的根节点X到目标点X规划出来的路径有时不是最短路径。为了对算法进行有意义的改进，则需要在算法中引入一种较好的路径选择方法。RRT-Connect是对RRT的改进，它不但可以找到可行解，还能找到一条相对次优的算法。3.2.2RRT-Connect基本的RRT算法是从根节点开始向目标点扩展的RRT树搜索状态空间，而RRT-Connect是基于双向扩展随机树算法，有两棵随机树，分别从根节点和目标点来搜索状态空间的，算法的收敛速度将有所提高。在状态空间内，一棵树从起始点开始扩展，另一棵树从目标点开始扩展，两棵随机树分别是Ta和Tb，分别以X和X为根节点。在自由空间中随机选取X，选取离X最近节点X，再从X向X扩展得到树Ta的新节点X，此扩展得到的新节点为树Tb的扩展方向，那么扩展得到点X，直到X=X或两棵树的X小于给定步长，则停止两棵树的搜索扩展，最后，通过生成这些节点，不断向上一个节点追溯，直至连接X和X来结束此过程。构建过程如图3.4所示。RRT-connect在初始阶段的工作方式与最初的RRT算法完全相同，即它从对状态空间X的采样开始，然后是像RRT一样的扩展过程。最后是两个树的连接执行过程。如果连接尝试成功，则连接函数返回无障碍路径。
31Tab.3.1Parameters参数名参数值Dv3.4DR0.2DS1.3SR0.24δθpi/90λa0.9（a）RRT搜索过程（b）选择路径图3.7长条障碍物中RRT仿真Fig.3.7SimulationsofRRTmethodinalongobstacle采用RRT进行全局路径规划后，图（b）产生的路径是最短的一条路径，最终路径保存的46个子节点，路径长度为46.01，在直角坐标系里的单位长度。搜索到最终目标点所用时间是43.04秒。单独使用局部路径规划的人工力矩法形成的路径如图3.8所示。此时实际路径长度为34.56，机器人运动步数是145步。由图3.8（a）可以看出，机器人在起始运动过程中，不断检测到障碍物边缘上知识障碍墙，也就是蓝色的线段，随着机器人运动并不断更新知识障碍墙上的黑色吸引线段和吸引点引导机器人运动。人工力矩方法是局部路径规划方法，图3.8中由于目标点在起始点的右侧，所以初始运动方向依靠传感器探测因此机器人开始向右侧运动，从而出现短暂的错误初始方向，但若干步之后通过人工力矩法及时改变到正确的方向，并且生成的路径十分平滑，如图（b）所示。
【参考文献】：
期刊论文
[1]世界机器人大会：那些从想象中走来的机器人[J]. 张翔宇. 机器人产业. 2019(05)
[2]移动机器人避障运动关键技术分析[J]. 侯远韶. 科技资讯. 2019(24)
[3]全方位移动机器人模糊PID控制算法研究[J]. 崔吉,张燕超,段向军,赵海峰. 机械. 2019(08)
[4]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)
[5]人工势场法在路径规划中的应用研究[J]. 郑敏,王鹏,范丽波,王光政,高帅. 技术与市场. 2019(06)
[6]基于威胁评估与生物激励神经网络的机器人路径规划研究[J]. 代亚兰,熊禾根,陶永,李公法. 高技术通讯. 2019(06)
[7]5G网络助力警用机器人安防水平大幅提升[J]. 徐贵森. 中国安防. 2019(06)
[8]多窄路口下改进的bi-RRT路径规划[J]. 龙建全,张皓然,梁艳阳. 仪表技术与传感器. 2019(05)
[9]农业机器人展望[J]. 赵春江. 中国农村科技. 2019(05)
[10]基于改进RRT-connect的四旋翼无人机避障轨迹规划算法[J]. 李成雷,贺继林,邓宇,敖小乐. 传感器与微系统. 2019(05)
博士论文
[1]移动机器人局部路径规划的人工力矩方法[D]. 徐望宝.大连理工大学 2014
硕士论文
[1]室内移动机器人区域覆盖路径规划方法研究[D]. 孙建.中国科学技术大学 2016
[2]基于粒子群算法的路径规划问题研究[D]. 吴高超.燕山大学 2016
本文编号：3291600
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3291600.html
