基于混合算法的机器人路径规划及编队研究

发布时间：2017-10-07 12:05

  本文关键词：基于混合算法的机器人路径规划及编队研究

  更多相关文章： 移动机器人 路径规划 编队控制 MATLAB

【摘要】：随着计算机控制技术和自动化技术的飞速发展,移动机器人技术逐渐发展成熟。移动机器人路径规划与编队研究是当前机器人技术的研究热点和趋势,是多机器人导航、协作的基础,已广泛应用于军事救援、核工业、航空航天、航海勘察等诸多高科技领域。在研究学习了当前机器人路径规划与编队控制方面的成果后,本文对移动机器人避障和编队控制作了进一步的深入研究。首先结合移动机器人常用的路径规划方法,综合考虑每种方法的优势和缺陷,提出了一种将传统方法与智能方法相融合的混合人工势场—蚁群算法。其基本原理是在蚁群算法的转移概率函数中,引入人工势场合力,蚁群在路径选择过程中不仅要受到信息素浓度的作用,还要受到势场合力的作用,从而有效地发挥两种算法的优势;同时改进了信息素浓度更新方法,融合了路径长度和路径平滑程度的性能指标,能有效地改善路径质量,更加切合实际。然后,在MATLAB仿真平台上,分别用经典蚁群算法和混合人工势场—蚁群算法做移动机器人路径规划与避障实验,仿真数据结果表明,本文所提出的混合算法明显优于经典的蚁群算法,尤其在障碍物复杂的环境中,寻优能力更强,且算法的收敛速率更快,路径质量更高。其次,介绍了多机器人编队控制的常用方法:领航跟随法、基于行为法、虚拟结构法、人工势场法,分析了各种方法的优点和缺陷,本文提出一种基于群体智能优化算法的多机器人编队控制策略,以不同种类的蚁群代表不同的机器人,采用混合人工势场—蚁群算法寻找路径,而后设计了路径优化函数与队形误差惩罚函数,将其融入到信息素浓度更新策略中,经过算法的迭代调整和优化路径,最终得到编队的最优路径。最后,在MATLAB仿真平台上,以混合算法进行多机器人编队控制的路径规划仿真实验,给出了编队队形为三角形、正方形、菱形状态的仿真情况。仿真结果表明,该方法能有效地躲避障碍物和保持队形,寻优效果好,路径质量高,且算法简单易实现,收敛速度快,可用于多机器人的编队控制中。
【关键词】：移动机器人 路径规划 编队控制 MATLAB
【学位授予单位】：辽宁科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242
【目录】：

• 中文摘要5-6
• ABSTRACT6-10
• 1. 绪论10-18
• 1.1 移动机器人技术概述10-12
• 1.1.1 机器人技术发展10
• 1.1.2 机器人技术应用10-12
• 1.1.3 机器人技术研究方向12
• 1.2 课题研究意义12-14
• 1.3 机器人路径规划研究现状14-15
• 1.4 多机器人技术研究现状15-16
• 1.5 论文的研究内容16-18
• 2. 移动机器人路径规划技术18-24
• 2.1 概述18
• 2.2 路径规划研究的主要问题及解决办法18
• 2.3 路径规划研究的主要方法18-23
• 2.3.1 传统方法18-20
• 2.3.2 智能算法20-23
• 2.4 本章小结23-24
• 3. 基于混合人工势场—蚁群算法的机器人路径规划24-42
• 3.1 人工势场法24-27
• 3.1.1 经典人工势场法24-25
• 3.1.2 人工势场法的优势和不足25-26
• 3.1.3 改进人工势场法26-27
• 3.2 基于蚁群算法的移动机器人路径规划27-31
• 3.2.1 蚁群算法基本原理27-28
• 3.2.2 蚁群算法数学模型28-29
• 3.2.3 算法参数的选择29-30
• 3.2.4 蚁群算法的实现步骤30-31
• 3.2.5 蚁群算法的优缺点31
• 3.3 基于混合人工势场-蚁群算法的机器人路径规划31-41
• 3.3.1 环境建模31-33
• 3.3.2 混合算法的基本原理33-36
• 3.3.3 算法步骤与流程图36-37
• 3.3.4 仿真结果与分析37-41
• 3.4 本章小结41-42
• 4. 多机器人编队控制42-52
• 4.1 编队控制的基本问题42-44
• 4.1.1 编队控制的基本思想42
• 4.1.2 编队控制的队形保持42-43
• 4.1.3 编队控制的参考点选择43
• 4.1.4 编队控制的通信问题43-44
• 4.1.5 编队控制的性能指标44
• 4.2 多机器人系统体系结构44-46
• 4.2.1 机器人个体体系结构44-45
• 4.2.2 多机器人群体体系结构45-46
• 4.3 多机器人编队方法46-49
• 4.3.1 领航跟随法46-48
• 4.3.2 基于行为法48
• 4.3.3 虚拟结构法48
• 4.3.4 人工势场法48-49
• 4.3.5 混合编队控制方法49
• 4.4 多机器人初始队形形成49-51
• 4.4.1 队形形成方法50
• 4.4.2 队形形成仿真50-51
• 4.5 本章小结51-52
• 5. 基于混合人工势场—蚁群算法的多机器人编队控制52-59
• 5.1 改进蚁群算法52-53
• 5.2 编队控制方法53-54
• 5.2.1 惩罚函数的设置53-54
• 5.2.2 信息素更新策略54
• 5.3 避障方法54-55
• 5.4 具体实现方法55-56
• 5.5 仿真结果与分析56-58
• 5.6 本章小结58-59
• 6. 总结与展望59-61
• 6.1 总结59
• 6.2 展望59-61
• 参考文献61-64
• 攻读硕士学位期间发表学术论文情况64-65
• 致谢65-66
• 作者简介66-67

【相似文献】

中国期刊全文数据库 前10条

1 ;世界机器人最新统计数据[J];机器人技术与应用;2000年01期

2 ;警卫和保洁两用机器人[J];机器人技术与应用;2000年03期

3 ;案例分析之四 机器人码垛单元[J];机器人技术与应用;2000年04期

4 李成桐;对中国机器人产业的思考(之二) 未来之路[J];机器人技术与应用;2000年05期

5 贾培发,王全福;团结奋斗努力实现中国机器人产业化[J];机器人技术与应用;2000年06期

6 李开生,张慧慧,费仁元,宗光华;国外服务机器人的发展动态和前景[J];制造业自动化;2000年06期

7 淑芳;机器人种菜[J];湖南农业;2000年09期

8 长路;机器人技术在发展[J];世界制造技术与装备市场;2001年01期

9 贾一;机器人外科手术的必要技术条件[J];机器人技术与应用;2002年04期

10 董瑞翔;人间协调共存型机器人[J];机器人技术与应用;2002年05期

中国重要会议论文全文数据库 前10条

1 胡春华;范勇;朱纪洪;孙增圻;;空中机器人的研究现状与发展趋势[A];2005年中国智能自动化会议论文集[C];2005年

2 陈卫东;;服务机器人的技术发展及微特电机在其中的应用[A];第十届中国小电机技术研讨会论文集[C];2005年

3 肖玉林;侍才洪;陈炜;李浩;张西正;;救援机器人的现状及发展趋势(综述)[A];天津市生物医学工程学会第三十四届学术年会论文集[C];2014年

4 郑亚青;吴建坡;;岸边集装箱宏-微起重机器人的机构、结构设计及运动仿真[A];2009海峡两岸机械科技论坛论文集[C];2009年

5 王静;边继东;张大慧;林峰华;张宏;;管道定量采样机器人系统设计[A];2009全国虚拟仪器大会论文集（二）[C];2009年

6 黄海明;杨雷;宋跃;赖思沅;;智能保安巡逻机器人[A];2009全国虚拟仪器大会论文集（二）[C];2009年

7 王明辉;马书根;李斌;;独立操作型可重构机器人群体的动态层次体系结构研究[A];第八届全国信息获取与处理学术会议论文集[C];2010年

8 谭金林;刘明英;梁建民;;机器人硬件电路设计[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（下册）[C];1995年

9 许家中;孔祥冰;尤波;李长峰;禹鑫q，

本文编号：987743