群體智能算法及其在移動(dòng)機(jī)器人路徑規(guī)劃與跟蹤控制中的研究.pdf

1、群體智能是指無(wú)智能的主體通過(guò)合作表現(xiàn)出智能行為特性的系統(tǒng)，群體智能在沒(méi)有集中控制且不提供全局模型的前提下，為尋找復(fù)雜問(wèn)題的解決方案提供了基礎(chǔ)。群體智能算法是基于群體行為對(duì)給定的目標(biāo)進(jìn)行尋優(yōu)的啟發(fā)式搜索算法，其尋優(yōu)過(guò)程體現(xiàn)了隨機(jī)、并行和分布式等特點(diǎn)。群體智能算法的典型代表是1995年Kennedy和Eberhart提出的粒子群優(yōu)化(Particle Swarm Optimization，PSO)算法。PSO算法自提出以來(lái)，由于其計(jì)算簡(jiǎn)單、

2、易于實(shí)現(xiàn)、控制參數(shù)少等特點(diǎn)，引起了國(guó)內(nèi)外相關(guān)領(lǐng)域眾多學(xué)者的關(guān)注和研究。J.Sun等在深入研究PSO算法單個(gè)粒子收斂行為的基礎(chǔ)上，受量子物理學(xué)的啟發(fā)提出了具有量子行為的粒子群優(yōu)化(Quantum-behaved Particle SwarmOptimization，QPSO)算法，QPSO算法具有控制參數(shù)更少，收斂速度快，全局搜索能力強(qiáng)等特點(diǎn)。
　　 本文以QPSO算法為基礎(chǔ)，提出了幾種不同搜索策略的改進(jìn)QPSO算法；針對(duì)離散空間

3、優(yōu)化問(wèn)題，提出了二進(jìn)制編碼的具有量子行為的粒子群優(yōu)化(Binary QPSO，BQPSO)算法，對(duì)其進(jìn)行了深入的分析和研究；并研究了群體智能算法在移動(dòng)機(jī)器人路徑規(guī)劃和軌跡跟蹤控制中的應(yīng)用方法，具體內(nèi)容如下：
　　 (1)闡述了群體智能優(yōu)化算法及移動(dòng)機(jī)器人路徑規(guī)劃和軌跡跟蹤控制的研究背景；介紹了兩種典型的群體智能算法的研究現(xiàn)狀，即蟻群優(yōu)化(ACO)算法和PSO算法；對(duì)移動(dòng)機(jī)器人路徑規(guī)劃和軌跡跟蹤控制的設(shè)計(jì)方法作了詳細(xì)的介紹；提出了

4、本課題的研究思路和方法。
　　 (2)為了進(jìn)一步提高QPSO算法在解決多峰優(yōu)化問(wèn)題中全局搜索能力，增加算法后期群體的多樣性，提高算法在大范圍內(nèi)進(jìn)行搜索的能力，提出了在群體中采用隨機(jī)選擇最優(yōu)個(gè)體的操作策略以避免群體的多樣性過(guò)小，從而提高算法的全局搜索能力，通過(guò)對(duì)標(biāo)準(zhǔn)測(cè)試函數(shù)的求解表明改進(jìn)算法的全局求解能力得到了提升。
　　 (3)詳細(xì)分析了智能群體的決策機(jī)制，發(fā)現(xiàn)在智能群體決策過(guò)程中，個(gè)體粒子參與決策的權(quán)利根據(jù)個(gè)體的優(yōu)劣程

5、度是不相同的，提出了在QPSO算法中引入線性權(quán)重算子和精英選擇算子進(jìn)一步提高QPSO算法的搜索效率及優(yōu)化性能。兩種改進(jìn)算法通過(guò)在標(biāo)準(zhǔn)測(cè)試函數(shù)中的求解顯示了較好的性能，其中引入線性權(quán)重算子的改進(jìn)方法取得了較為明顯的優(yōu)勢(shì)。
　　 (4)針對(duì)離散空間優(yōu)化問(wèn)題，給出了二進(jìn)制編碼的QPSO算法的設(shè)計(jì)思路，提出了BQPSO算法的進(jìn)化方程。通過(guò)泛函分析的方法和隨機(jī)過(guò)程方法分析了BQPSO算法的收斂性，得出全局收斂的結(jié)論。對(duì)多個(gè)測(cè)試函數(shù)的求解結(jié)

6、果顯示了BQPSO算法相對(duì)于二進(jìn)制編碼的PSO(BPSO)算法的優(yōu)越性。
　　 (5)算法參數(shù)是影響算法性能和效率的關(guān)鍵，文中對(duì)BQPSO算法的控制參數(shù)的取值方式作了系統(tǒng)的研究，提出了該參數(shù)的三種控制策略，即固定取值策略、線性取值策略和自適應(yīng)取值策略，通過(guò)對(duì)測(cè)試函數(shù)的求解分別研究了這三種控制策略，得出了具有指導(dǎo)意義的結(jié)論。分析了BQPSO算法的多樣性控制方法，基于群體多樣性的度量方式，提出了采用重新初始化最優(yōu)平均值和變異最優(yōu)個(gè)體

7、的方式對(duì)群體操作避免群體的多樣性過(guò)小，從而提高算法的性能。
　　 (6)分析了移動(dòng)機(jī)器人路徑規(guī)劃的不同技術(shù)方法，提出了BQPSO算法和柵格技術(shù)相結(jié)合的機(jī)器人路徑規(guī)劃方法，并利用多個(gè)設(shè)計(jì)實(shí)例來(lái)驗(yàn)證該方法的設(shè)計(jì)效果，仿真結(jié)果顯示了該方法能夠在工作空間中規(guī)劃出適合機(jī)器人運(yùn)動(dòng)的無(wú)碰撞路徑。
　　 (7)分析了移動(dòng)機(jī)器人軌跡跟蹤控制的兩種控制器設(shè)計(jì)方法。根據(jù)反演設(shè)計(jì)方法設(shè)計(jì)了軌跡跟蹤控制器；分析了滑模變結(jié)構(gòu)控制的基本原理，采用指數(shù)

8、趨近律和冪次趨近律相結(jié)合的方法，設(shè)計(jì)了新的滑模跟蹤控制律，并使用PSO算法、QPSO算法和改進(jìn)QPSO算法分別優(yōu)化了反演跟蹤控制器和滑模跟蹤控制器中的參數(shù)，使用多個(gè)實(shí)例驗(yàn)證了優(yōu)化后的跟蹤控制器的設(shè)計(jì)效果；通過(guò)對(duì)設(shè)計(jì)效果的分析和比較，表明了兩種跟蹤控制器都能夠控制機(jī)器人實(shí)現(xiàn)對(duì)既定軌跡的跟蹤，仿真結(jié)果顯示QPSO算法及改進(jìn)算法能夠在軌跡跟蹤控制器的參數(shù)優(yōu)化中取得更好的優(yōu)化效果。
　　 (8)使用一個(gè)綜合實(shí)例驗(yàn)證了BQPSO算法結(jié)合柵