陆亮[1]2017年在《叁维空间移动机器人路径规划技术的研究》文中研究说明在机器人智能控制的研究中,路径规划是实现移动机器人自主导航研究的重要环节之一,也是当今国内学者研究的重点。为了提高叁维空间移动机器人的自主导航能力,本文在充分调研轮式移动机器人和空间旋翼机器人路径规划技术的研究现状及发展趋势的基础上,对其路径规划技术展开了深入的研究。主要研究内容包含以下几个方面:首先,分别建立了轮式移动机器人和空间旋翼机器人的运动学模型和动力学模型,并根据轮式移动机器人的运动学模型,空间旋翼机器人的动力学模型以及路径规划任务的需求,建立了轮式移动机器人姿态变换的控制模型及空间旋翼机器人达点运动的控制模型。其次,考虑到叁维空间移动机器人全局路径规划的需求,先在二维的栅格环境下,采用A*算法和B样条曲线技术为轮式移动机器人构建了满足其运动学约束的全局路径规划模型。再在满足空间旋翼机器人动力学约束的基础上,将A*算法改进并应用在叁维空间并建立空间旋翼机器人的全局路径规划模型。之后,考虑到叁维空间移动机器人在动态环境下的路径规划需求,先将动态障碍物在避障环境中的运动情况考虑到RRT路径规划算法之中,提出了基于目标的动态RRT算法。然后考虑了轮式移动机器人的运动学约束,改进了所提出的RRT算法的节点扩展方式并建立了基于此算法的轮式移动机器人的动态路径规划模型。最后根据空间旋翼机器人的特性,将算法进一步扩展应用到叁维空间,并建立了空间旋翼机器人的动态路径规划模型。最后,利用MATLAB GUI开发环境,按照环境建模模块,规划途径和算法选择模块,算法参数设置模块和仿真结果显示模块为所提出的路径规划模型建立了仿真规划平台,通过之前所建立的控制模型和仿真平台验证了所提出的算法的有效性。
袁梦茹[2]2016年在《基于群智能算法的移动机器人路径规划技术研究》文中提出移动机器人技术涉及多个研究领域,已经在各个行业中取得了广泛的应用。移动机器人可以通过各种不同的传感器去探测所行走环境的空间信息和自身的状态,在存在障碍的环境中,完成从起始点开始避开障碍物所在位置,最终移动到目标点的任务要求,即为移动机器人的路径规划技术。路径规划技术是机器人导航技术的一个重要组成部分,具有重要的研究意义。在路径规划过程当中,移动机器人要建立准确的环境模型,规划出一条从起始点到目标点的最优路径。本文采用一种经典的群智能算法—人工鱼群算法,针对传统人工鱼群算法存在的不足,对人工鱼群算法进行改进,采用栅格法进行环境建模,通过行为选择策略改进人工鱼群算法,实现移动机器人的避障功能。主要研究内容有如下五个方面：一、针对移动机器人全局路径规划问题进行研究,提出了一种适用于移动机器人路径规划的栅格建模方法,通过研究环境中障碍物的位置与起点和目标点的关系,将移动机器人移动的叁维空间模型转化成二维平面,利用栅格法对二维平面环境模型进行栅格划分,并以此作为移动机器人的路径规划环境模型。二、针对传统人工鱼群算法视野参数的固定不变性,导致传统人工鱼群算法的收敛速度慢、易陷入局部最优,从而提出了一种加权平均距离人工鱼群算法,并分析该算法在函数优化和TSP问题以及移动机器人路径规划的问题中的应用。在移动机器人路径规划问题中,人工鱼以其与目标点的距离作为目标函数(即所谓的食物浓度),两个相邻的栅格之间的距离作为移动步长的最大移动范围,在预先设定的条件下执行人工鱼群算法的聚群行为、追尾行为,在当前视野域内搜索最优节点,从而得到移动机器人的路径规划。叁、传统人工鱼群算法不仅受视野参数的影响,而且人工鱼的步长也束缚了人工鱼群算法的性能。人工鱼的步长固定,影响算法的全局搜索速度,甚至在优化过程中跳出全局最优值,因而提出了对数函数自适应人工鱼群算法。该算法是在加权平均距离人工鱼群的基础上,同时利用对数函数作为步长的移动因子而提出的,并将该算法应用于函数优化和TSP问题以及移动机器人路径规划问题中。仿真实验结果表明,与传统人工鱼群算法和加权平均距离人工鱼群算法相比,该算法的优化能力相对较高,全局搜索能力更好。四、人工鱼群算法在优化过程中可能会使得种群的多样性降低,会产生停滞现象。因此在加权平均距离人工鱼群算法和对数函数自适应人工鱼群算法的基础之上,再结合高斯变异行为,从而提出了高斯变异人工鱼群算法。该算法不仅保留了前两种改进算法的所有特点,而且还提高了种群的多样性以及获取全局最优值的能力。通过分析传统人工鱼群算法和提出的这叁种鱼群算法在函数优化和TSP问题以及移动机器人路径规划问题中,可以很明显的看出相对于其他的叁种算法的优化效果,高斯变异人工鱼群算法的全局搜索能力最强,优化效果最好。五、设计了基于DSP的移动机器人路径跟踪控制系统。通过人工鱼群算法,在线优化PID控制器的参数,利用MATLAB建立跟踪控制系统的模型进行仿真实验,数值实验结果表明控制系统具有很好的控制效果。在此基础之上,进一步设计了移动机器人的实验平台,利用DSP芯片和C++编程开发移动机器人避障控制,构建避障环境从而完成避障实验。实验结果表明,移动机器人可以很好地实现避障功能。
罗骋[3]2008年在《家用清洁机器人路径探测和路径规划的研究》文中进行了进一步梳理移动机器人目前是机器人研究领域的热点之一,具有广阔的应用前景。随着人们住房面积的迅猛扩大,工作生活节奏的加快,几乎是每天一次的拖地使人们不堪重负。迫切需要有一种设备协助甚置替代人来完成地面清洁工作。因此,研制一台家用清洁机器人,帮助人们从繁重的家庭清洁劳动中解脱出来,对提高人们生活质量,有着十分重要的意义。本文概述了国内外移动机器人领域研究的成果,针对家用清洁机器人的路径探测和路径规划等热点问题进行了分析。本文选用了超声波传感器作为家用清洁机器人的探测元件,探讨了其指向特性、发射和接收特性,结合实际应用,探讨了该传感器的应用中的优缺点,并采用了一种滤波算法在一定程度上弥补了其自身在应用中的不足。在路径规划方面,本文采用了全局路径规划和局部路径规划想结合的思想,在全局范围内采用内螺旋方式行走,将室内沿墙摆设障碍物当墙壁处理,机器人由四周向室中心清扫。室内孤立障碍物,根据室内家具特点,将其按形状划分为叁大类别:矩形类、直角多边形类以及圆形类,并对叁类形状的障碍物做了相应的绕行策略。机器人全局内螺旋行走与局部区域绕障行走相结合,最终完成区域遍历。本文通过移动机器人在室内环境下的导航仿真实验,证实了研究的有效性,基本建立了家用清洁机器人室内区域遍历的路径规划方式,为后续的家用清洁机器人在控制方面的硬件和软件研究提供了一定的理论基础,为实际开发、生产提供了一个参考方向。
许源[4]2013年在《结合粒子群算法和改进人工势场法的移动机器人混合路径规划》文中研究说明移动机器人路径规划是机器人研究领域的一个重要的内容。本文根据研究课题的需要,针对部分环境信息未知及存在动态障碍物的情况,提出了一种移动机器人混合路径规划的方法。该方法首先采用改进粒子群算法进行全局路径规划,得到一条规划路径；然后,依赖这条路径,应用人工线势场法进行局部避障,保证了移动机器人在实时避开动态障碍物的同时,尽量沿着原规划好的次优路径运行。全文主要的研究内容如下：1、对于机器人混合路径规划的全局路径规划部分,本文提出了一种将粒子群算法应用到改进的栅格法中的全局路径规划的方法。该方法是提取栅格障碍物的部分有效顶点进行编码,最后将粒子群算法用在该编码上。基于此编码的方法容易克服路径规划算法中的障碍物陷阱,且能使规划算法更加简单有效,加快了粒子群算法的收敛速度。另外,随机因子的加入减小了粒子群算法陷入局部极值点的可能性。2、对于机器人混合路径规划的局部路径规划部分,本文提出了一种用改进的人工势场法作为局部规划的方法。本文在传统的位置势力场的基础上加入了速度势场和加速度势场,改进的方法能够较好地处理动态避障。另外,改进的人工势场法还加入一条期望路径对机器人的吸引产生的势场,即“线势场”。由于“线势场”的存在,机器人充分利用了已经完成的规划信息,从而和本文提出的混合路径规划的全局路径规划部分紧密的结合。3、结合了全局规划和局部规划的思路,本文给出了混合路径规划方法的流程,并把该方法用到了实验室的AS-R机器人上,最后的实物实验把机器人受到的虚拟力转换为对机器人的加速度的控制。针对履带式机器人的一些不可达的加速度控制量,提出了一种期望加速度法,用次优的控制量予以替代。仿真实验和实物实验证明了本方法简单可行,适用于实际环境。
赵珍[5]2016年在《基于改进蚁群算法的多机器人路径规划研究》文中研究表明机器人路径规划是指在具有障碍物的环境中,机器人按照一定的评价标准规划出一条安全、无碰撞的最优路径,它是机器人技术的一个重要分支,是机器人执行任务的前提和基础。多机器人系统中多机器人协作完成任务具有单机器人无法比拟的优势。目前,大部分的路径规划研究仍集中于单机器人在静态环境中的规划问题,在动态及多机器人环境中的路径规划问题仍然是一个亟需值得深入研究的一个问题。本文旨在解决多机器人动态环境中的路径规划问题。分别研究了机器人的全局规划技术、单机器人及多机器人在具有动态障碍物环境中的避碰规划方法,提出了一种基于动态优先级规则、改进蚁群算法和滚动窗口双层规划的方法来解决多机器人的路径规划问题。主要工作如下:(1)通过对基本蚁群算法的分析,在基本蚁群算法的基础上对其做了改进使其能够更好适应机器人的全局路径规划。改进的内容包括自适应启发函数、状态选择策略以及信息素分配机制。设置了一种静态环境,对基本蚁群算法和改进的蚁群算法多次进行仿真实验,证明了所提算法性能的优越性。(2)针对动态环境中的机器人避障问题,提出滚动窗口和双层规划相结合的避碰方法,在第一层规划中利用全局规划的方法规划出静态环境中的全局路径,在第二层规划中,在滚动窗口中使用局部避碰方法进行局部避碰。制定了动态障碍物预测方法,避碰策略以及机器人紧急避碰策略,最后在仿真软件中仿真了单机器人的动态避碰过程,实验结果验证了所提算法的有效性。(3)针对多机器人系统中出现的路径冲突问题,提出一种动态优先级规则,该方法依据机器人剩余路径长度的不同动态设置不同的优先级。将动态优先级规则与滚动双层规划算法相结合并制定了障碍物预测方法、机器人避碰策略,最后设计了一种仿真实验环境,仿真实验结果证明了该方法的有效性。
杨亚威[6]2017年在《基于改进人工鱼群算法的移动机器人路径规划问题研究》文中认为路径规划问题是移动机器人技术的相关研究热点之一。该问题具有复杂性、约束性及非线性的特点,具有一定的求解难度。各种智能算法的相继提出,为机器人路径规划问题的较好求解提供了有效的途径。本文采用群智能算法的求解策略。首先提出一种高效的优化算法。以较为新颖的人工鱼群算法为基础,为改善其易早熟、运行效率低等缺陷,提出了一种基于差分进化的并行自适应人工鱼群算法,其基本思路,一是采用并行计算,将种群分为两个子群体,分别注重全局搜索与局部开发,并采用不同参数的自适应策略,两者定期进行信息交流,以提高群体多样性及算法的收敛速度;二是采用混合策略,引入差分进化,当公告板状态多次未得到更新时,对种群进行差分进化操作,可避免算法陷入局部最优;叁是对算法的行为选择方式进行改进,引入判定概率,使种群向全局最优移动的概率随算法运行逐渐增大,这样既减少了算法运算量又提高了算法后期的收敛速度。将所提算法应用于经典函数优化问题中,结果验证了其可行性和有效性,所提算法的收敛速度和寻优精度得到了显着提高。然后,将所提的算法应用于机器人路径规划问题之中。本文在该问题的环境建模方面,提出了一种栅栏线数目的确定方法,同时在路径评价函数中考虑了路径长度、平滑度和安全度等多个性能指标。将所提算法应用于机器人的全局路径规划,有障碍物不定时加入的路径规划和变动目标点的路径规划等多种情况下的问题,所得路径长度、平滑度等指标得到明显改善,运行效率得到极大提高。进一一步,将其应用于同属机器人路径规划范畴的无人机航路规划问题之中,仿真结果表明,采用所提算法能够得到一条避开威胁区域且长度较短的优化航路。研究表明所提算法在整体性能上有较大改进和提高,在机器人路径规划问题的多种工况仿真测试中,均有较好的可行性和有效性。本文工作为相关算法更好地求解路径规划等问题,提供了启发和借鉴,具有一定的理论意义和实用价值。
王戌[7]2014年在《智能仓库多移动机器人的路径规划研究》文中研究说明在电子商务领域,智能仓库使用多移动机器人已经逐渐成为当今物流业的发展趋势。多移动机器人的路径规划技术是智能仓库系统的关键技术,随着仓库系统面积和移动机器人数量的增大,其重要性日益明显。本文针对该项问题展开研究,目的是设计一种适应于智能仓库环境的多移动机器人路径规划算法。本文对智能仓库多移动机器人的全局路径规划和局部路径规划做了研究。多移动机器人系统采用混合式控制体系结构,机器人的全局路径规划由中央控制单元完成。本文提出的全局路径规划算法是在传统遗传算法基础上进行改进,改进的遗传算法采用连接图法建立仓库的环境模型,利用局部搜索算法从机器人起点出发依次搜索形成初始种群,通过交叉和变异形成新的染色体。建立适应度函数值矩阵,适应度函数值矩阵充分考虑了系统整体的路径长度和多机器人之间相互协调所需的时间。改进的遗传算法通过比较染色体适应度函数的大小,选择多机器人整体全局最优路径。多机器人的局部路径规划经过通信协商由机器人自身的决策模块完成,决策模块使用的局部路径规划算法是对SHAA神经网络算法模型的改进；利用阶跃函数可简化环境的动态数学模型的特性,在静态SHAA算法数学模型的状态方程中引入阶跃函数,将每个栅格看着神经元,通过神经元动态激活值的分布情况描述复杂的动态环境,使改进的算法适用于动态路径规划问题；为避免多机器人之间局部的路径冲突,对二维栅格地图进行扩展生成叁维时空地图,在此基础上引入预约表对机器人进行叁维时空的局部路径规划。因为全局规划和局部路径规划的控制器不同,环境模型的地图描述不同,所以引入地图转换函数,即将全局地图进行局部细化得到局部环境地图。本文编写仿真系统程序建立智能仓库工作环境,模拟机器人的运动状态,证明所提出的算法适合于智能仓库中多移动机器人的路径规划。
柯星[8]2013年在《动态环境下多移动机器人路径规划研究》文中指出多移动机器人路径规划问题是机器人研究领域中极具挑战性的问题，是机器人导航的核心内容。动态环境下多移动机器人路径规划是要在同时具有静态和动态障碍物的工作空间中，为每个移动机器人寻求一条从起始点到目标点的最优路径，同时保证移动机器人与障碍物之间、机器人之间不能发生碰撞。至今，大多数的工作仍着眼于环境信息已知并且不存在动态障碍物环境下的全局路径规划问题，动态环境下多移动机器人路径规划问题仍是一个待解决的难题。本文采用全局路径规划和局部预测避碰规划相结合的思路来解决动态环境下机器人路径规划问题，并在此研究成果的基础上，提出一种多机器人分布式滚动双层规划算法。本文的主要工作包括：1.研究了全局环境下移动机器人路径规划问题，在传统遗传算法基础上，提出了一种改进遗传算法。在算法设计过程中，使用了更加精确的适应度函数；改善了选择、交叉及突变遗传算子；增加了一种新的遗传算子。模拟实验证实了提出的改进遗传算法避免了传统遗传算法的局部最优以及收敛速度过慢问题，并在最短路径长度和时间性能上优于经典蚁群算法。2.针对动态复杂环境下单移动机器人路径规划问题，提出了一种基于全局路径规划和局部滚动预测避碰规划的双层规划算法。在全局路径规划中，提出了一种改进蚁群算法。在局部滚动预测避碰规划中，针对动态障碍物运动方向的不确定性，提出两种碰撞预测方案，并给出相应的碰撞避免策略。并针对所提出的双层规划算法存在不能适应环境变化的缺陷，在第二层规划中引入Follow_wall行为进行改进。仿真实验证实了所提算法对解决动态环境下移动机器人路径规划问题的有效性和改进蚁群算法的优越性。3.研究动态环境下多移动机器人路径规划问题。基于动态环境下单移动机器人路径规划的研究成果，详细设计了动态环境下多移动机器人分布式滚动双层规划算法。针对机器人之间可能存在的路径协调问题，提出了一种混合协调策略。并在仿真中设计了一种多机器人通过狭窄通道的实验场景，仿真实验表明所提算法的有效性。
樊瑛[9]2012年在《模块化移动机器人路径规划的实验研究》文中进行了进一步梳理移动机器人路径规划问题是机器人研究中一个重要问题,也是热门的研究方向之一。目前对路径规划的研究工作多是理论上的,通过计算机仿真来验证路径规划方法的有效性,而有关的实验研究或实验结论比较少见。进行移动机器人路径规划的实验研究,对验证已有的规划算法的有效性及局限性、对路径规划理论的发展以及对路径规划理论在实际中的应用都具有非常重要的意义。本文使用博创科技的模块化移动机器人UP-Voyager作为实验平台,从移动机器人路径规划研究中的两个大方向出发进行实验研究。1、模块化移动机器人的全局路径规划实现。使用栅格模型来描述实际实验环境,对不同障碍物处理方法进行可行性分析。通过机器人的运动控制实验了解机器人的运动特性。使用A*算法在实际实验环境中进行全局路径规划,用模块化移动机器人进行实验；然后对A*算法规划后进行路径优化处理,用模块化移动机器人进行实验。对两者的实际实验结果进行多方面的分析和比较。2、模块化移动机器人在未知环境下的路径规划实现。机器人采用航位推算方法计算位姿,对航位推算法存在的问题进行分析。对模块化移动机器人进行传感器性能测试实验,并对多种传感器信息配置融合方法进行实验对比。采用两种基于多传感器信息的路径规划策略进行未知环境下的路径规划实验。通过实验分析它们存在的问题,提出可行的解决方法,并对部分解决方法进行实验。最后对各种规划策略的实验结果进行分析和比较。通过实验结果,对各种路径规划方法适用的环境和情形进行分析,得出了总结性结论。
余冬冬[10]2017年在《移动机器人避障与轨迹规划》文中指出导航规划作为移动机器人的核心算法,为机器人提供了基于感知移动作业的能力,是学术界和工业界的热点问题。机器人的导航规划一般分为构建地图、自定位、路径规划和轨迹规划四个部分。本文主要研究其中的路径规划和轨迹规划部分。本文内容和研究成果如下:1.实现了基于泰森多边形(GVD,GeneralizedVoronoiDiagram)的栅格地图与混合A*算法的全局路径规划改进算法。该方法与传统的全局路径规划算法相比,考虑了机器人的几何约束,即最小转弯半径,同时引入Reeds-Shepp最优轨迹加速算法速度用以跳过大量开阔的搜索空间,并用梯度下降法优化了混合A*规划出来的路径,使最后的规划路径更加平滑合理。2.提出了一种基于图优化的轨迹规划方法TEB(TimedElasticBand)的改进算法。本文用混合A*算法得到的全局路径作为TEB算法的初值进行优化,且在计算下发速度时变换了思路,采用轨迹跟踪的算法跟踪TEB优化后的轨迹替换原来的速度计算。此外,相比TEB算法最大速度与最大角速度的约束,在原有算法的基础上进一步增加了速度与角速度的联合约束,使整个算法更加合理。3.提出了一种采用PD控制器和非线性模型预测控制(NMPC,Nonlinear Model Predictive Control)优化的路径追踪方法。其中基于NMPC的轨迹跟踪方法考虑了机器人本身的模型信息,有效提高了轨迹跟踪的精度,轨迹规划的控制周期能时刻保持在40ms以内。
参考文献：
[1]. 叁维空间移动机器人路径规划技术的研究[D]. 陆亮. 合肥工业大学. 2017
[2]. 基于群智能算法的移动机器人路径规划技术研究[D]. 袁梦茹. 安徽工程大学. 2016
[3]. 家用清洁机器人路径探测和路径规划的研究[D]. 罗骋. 武汉理工大学. 2008
[4]. 结合粒子群算法和改进人工势场法的移动机器人混合路径规划[D]. 许源. 浙江大学. 2013
[5]. 基于改进蚁群算法的多机器人路径规划研究[D]. 赵珍. 兰州理工大学. 2016
[6]. 基于改进人工鱼群算法的移动机器人路径规划问题研究[D]. 杨亚威. 大连海事大学. 2017
[7]. 智能仓库多移动机器人的路径规划研究[D]. 王戌. 大连交通大学. 2014
[8]. 动态环境下多移动机器人路径规划研究[D]. 柯星. 电子科技大学. 2013
[9]. 模块化移动机器人路径规划的实验研究[D]. 樊瑛. 中南大学. 2012
[10]. 移动机器人避障与轨迹规划[D]. 余冬冬. 浙江大学. 2017
标签：自动化技术论文; 机器人论文; 路径规划论文; 移动机器人论文; 仿真软件论文; 混合策略论文; 优化策略论文; 动态模型论文;