基于多智能体粒子群优化算法的移动机器人同时定位与建图

发布时间：2017-06-06 11:26

  本文关键词：基于多智能体粒子群优化算法的移动机器人同时定位与建图，由笔耕文化传播整理发布。

【摘要】：SLAM(simultaneous localization and mapping)问题是移动机器人自主导航的核心技术之一,涉及运动控制、信息交互、通信等领域的知识,该技术被广泛的应用于航空航天、农业、工商业等领域。未知环境中精确定位和地图构建是移动机器人SLAM问题的重中之重,精确的定位取决于高效的地图构建,而高效的地图构建反过来基于精确的定位。本文主要从以下四个方面介绍对SLAM问题的研究:1.结合希尔伯特(Hilbert)探测的原理和多智能体粒子群优化粒子滤波算法(multi-agent particle swarm optimized particle filter,MAPSOPF),分别完成了对未知区域探测和未知区域的合理划分的任务。2.对栅格法、人工场法、模糊法和MAPSOPF算法进行融合,用于处理动态障碍物环境下的路径规划问题,在机器人不与障碍物发生碰撞的前提下,保证机器人快速到达终点位置。3.利用多智能体(multi-agent particle,MA)系统的竞争机制对粒子群优化(particle swarm optimization,PSO)算法进行改进,并将改进的算法用于解决机器人的定位问题,提高定位精度。4.采用完全网络型结构、黑板机制和MAPSOPF算法解决多机器人的协作定位问题,相比于单机器人,多机器人可通过其他机器人的观测值对自身的定位信息进行更新,从而提高自身的定位精度。本文在最后对全文进行了总结,并对今后的研究进行了展望。
【关键词】：移动机器人 粒子群优化算法 多智能体机制 希尔伯特探测 栅格法
【学位授予单位】：重庆邮电大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242;TP18
【目录】：

• 摘要3-4
• Abstract4-8
• 第1章 引言8-16
• 1.1 研究背景与意义8-9
• 1.2 国内外研究现状9-12
• 1.2.1 扩展卡尔曼滤波算法10
• 1.2.2 粒子滤波算法10-11
• 1.2.3 粒子群优化的粒子滤波11
• 1.2.4 遗传算法、神经模糊系统、免疫算法11-12
• 1.3 MAPSOPF算法原理介绍12-14
• 1.3.1 PSO算法原理介绍12-13
• 1.3.2 MAPSOPF算法介绍13-14
• 1.4 论文主要工作14-15
• 1.5 论文组织结构15-16
• 第2章 基于MAPSO算法和希尔伯特（Hilbert）探测的多机器人协作建图16-31
• 2.1 希尔伯特（Hilbert）曲线生成原理16-21
• 2.1.1 Hilbert曲线简介及生成原理16-17
• 2.1.2 Hilbert曲线探测算法17-19
• 2.1.3 Hilbert曲线探测障碍物19-21
• 2.2 GUI界面设计21-23
• 2.2.1 GUI简介21
• 2.2.2 Hilbert曲线探测仿真的GUI设计21-23
• 2.3 实验分析23-28
• 2.3.1 一键运行24-25
• 2.3.2 分步运行25-28
• 2.4 适应度函数介绍28-29
• 2.5 MAPSOPF算法流程29-30
• 2.6 实验结果30-31
• 第3章 动态环境下多机器人路径规划31-40
• 3.1 栅格地图表示31-32
• 3.2 适应度函数介绍32-33
• 3.2.1 适应度函数一32
• 3.2.2 适应度函数二32-33
• 3.3 仿真实验及结果分析33-40
• 3.3.1 仿真环境33-34
• 3.3.2 粒子数目对算法性能的影响34-36
• 3.3.3 MAPSOPF算法与PSOPF算法对比36-38
• 3.3.4 MAPSOPF算法与改进遗传算法对比38-40
• 第4章 基于MAPSOPF算法的单机器人定位方法40-50
• 4.1 定位问题描述40-41
• 4.2 适应度函数分析41-43
• 4.3 对比试验及结果分析43-50
• 4.3.1 实验一：研究粒子数目对算法的影响43
• 4.3.2 实验二：简单环境下PF、PSOPF和MAPSOPF算法的对比实验43-45
• 4.3.3 实验三：复杂环境下PF、PSOPF和MAPSOPF算法的对比实验45-46
• 4.3.4 实验四：EKF、PSOPF和MAPSOPF算法的仿真误差对比46-48
• 4.3.5 实验五：EKF、PSOPF和MAPSOPF算法在较复杂环境的误差对比48-50
• 第5章 多机器人协作定位研究50-57
• 5.1 多机器人和黑板机制原理介绍50-51
• 5.1.1 多机器人系统介绍50-51
• 5.1.2 黑板机制简介51
• 5.2 适应度函数值51-52
• 5.3 协作定位算法流程52-54
• 5.3.1 地图初始化52
• 5.3.2 数据初始化52-53
• 5.3.3 预测53
• 5.3.4 更新53-54
• 5.3.5 采样54
• 5.3.6 更新黑板信息54
• 5.4 实验分析54-57
• 5.4.1 仿真环境54-55
• 5.4.2 实验数据分析55-57
• 第6章 总结与展望57-58
• 参考文献58-62
• 致谢62-63
• 攻读硕士学位期间从事的科研工作及取得的成果63

【参考文献】

中国期刊全文数据库 前10条

1 张国良;汤文俊;曾静;徐君;姚二亮;;考虑通信状况的多机器人CSLAM问题综述[J];自动化学报;2014年10期

2 胡旺;Gary G. YEN;张鑫;;基于Pareto熵的多目标粒子群优化算法[J];软件学报;2014年05期

3 吴明光;;Hilbert填充曲线与空间分布模式探测的点数据集空间划分方法[J];中国图象图形学报;2013年10期

4 赵志刚;黄树运;王伟倩;;基于随机惯性权重的简化粒子群优化算法[J];计算机应用研究;2014年02期

5 张建化;巩敦卫;张勇;;基于微粒群优化的有限通信多机器人气味寻源[J];控制与决策;2013年05期

6 朱长青;符浩军;缪剑;王玉海;;一种自适应的数字栅格地图可见水印算法[J];测绘学报;2013年02期

7 陈志敏;薄煜明;吴盘龙;段文勇;刘正凡;;基于自适应粒子群优化的新型粒子滤波在目标跟踪中的应用[J];控制与决策;2013年02期

8 姜丽梅;张汝波;;具有通信时延的多机器人编队控制[J];北京邮电大学学报;2012年02期

9 陈晓红;;多机器人通信中防冲突方法研究[J];计算机仿真;2012年04期

10 姜丽梅;张汝波;;弱通信条件下多机器人编队控制及稳定性分析[J];江苏大学学报(自然科学版);2012年01期

  本文关键词：基于多智能体粒子群优化算法的移动机器人同时定位与建图，由笔耕文化传播整理发布。

，

本文编号：426263