多自主機器人對未知環(huán)境的探索和地圖構(gòu)建.pdf

1、移動機器人成功探索未知環(huán)境，是機器人順利執(zhí)行各種后期任務的先決條件，機器人對所處環(huán)境產(chǎn)生認知后，就可將未知環(huán)境中的問題轉(zhuǎn)化到已知環(huán)境中解決，為機器人執(zhí)行后期任務提供充足的環(huán)境信息，有利于給出全局最優(yōu)方案。因此，對未知環(huán)境的探索和地圖構(gòu)建具有重要意義和研究價值。未知環(huán)境探索是機器人通過傳感器對環(huán)境產(chǎn)生認知的過程，機器人在移動探索時需實時避障;構(gòu)建環(huán)境地圖則是用特定的地圖模型解釋和表達認知的環(huán)境信息。
　　與單機器人相比，多機器人系統(tǒng)

2、在應用中體現(xiàn)出更強的適應性、良好的可擴展性以及高度可靠性，多機器人系統(tǒng)吸引了國內(nèi)外專家學者的目光。若采用多自主機器人探索未知環(huán)境并構(gòu)建環(huán)境地圖，勢必具有更高的探索效率且可構(gòu)建更準確的環(huán)境地圖。常規(guī)多機器人探索策略往往存在諸多限制因素，并非都適用于大規(guī)模機器人的應用場景，限制了算法應用的推廣。本文在總結(jié)前人研究的成果后，給出一種基于機器人分數(shù)階達爾文粒子群優(yōu)化算法(Robotic Fractional Order Darwinian PS

3、O)的多機器人地圖探索和構(gòu)建方法，該算法是群智能算法，特點是多個種群同時并存，在算法執(zhí)行過程中，機器人群體數(shù)和群內(nèi)機器人個數(shù)能夠?qū)崟r動態(tài)變化。多種群并存有效減輕系統(tǒng)通信負擔量，適合大規(guī)模機器人的群體協(xié)作探索未知環(huán)境的應用場景。本文同時引入模糊控制器實現(xiàn)該算法參數(shù)的自適應調(diào)整。最后，成功實現(xiàn)固定參數(shù)與參數(shù)自調(diào)整兩種類型的R-FODPSO算法仿真;設定評價指標，依據(jù)仿真得出的評價指標值比較兩類算法并論證了參數(shù)實時調(diào)整算法在探索未知環(huán)境時，機