基于智能算法的機(jī)器人路徑規(guī)劃方法研究.pdf

1、移動機(jī)器人路徑規(guī)劃是移動機(jī)器人技術(shù)研究中關(guān)鍵的問題之一，路徑規(guī)劃的主要任務(wù)是當(dāng)移動機(jī)器人運(yùn)行在外界環(huán)境中時(shí)，尋求一條從已知起點(diǎn)到終點(diǎn)之間的最優(yōu)路徑，即在存在障礙物的空間中能夠找到一條最短的或最低代價(jià)的無碰撞路徑。智能算法作為解決非線性問題的特殊方法，正在引起人們的廣泛關(guān)注，它是用計(jì)算的手段或方法來獲取和表達(dá)知識，并模擬實(shí)現(xiàn)智能行為。將智能算法運(yùn)用到移動機(jī)器人路徑規(guī)劃中并對算法加以改進(jìn)，是本文的研究重點(diǎn)。主要內(nèi)容如下： 首先從移動

2、機(jī)器人的歷史和現(xiàn)狀出發(fā)，對比機(jī)器人技術(shù)在國內(nèi)外的不同發(fā)展?fàn)顩r，詳盡地介紹機(jī)器人的定義和分類，討論移動機(jī)器人技術(shù)的研究意義和基本研究方向，對移動機(jī)器人領(lǐng)域的各種路徑規(guī)劃算法進(jìn)行綜述，并總結(jié)路徑規(guī)劃所要解決的基本問題。 其次深入研究Dijkstra算法和啟發(fā)式搜索算法，在對比兩種算法的基礎(chǔ)上應(yīng)用啟發(fā)式A*算法對移動機(jī)器人進(jìn)行路徑規(guī)劃。同時(shí)對算法的啟發(fā)函數(shù)進(jìn)行加權(quán)處理，比較了靜態(tài)加權(quán)和動態(tài)加權(quán)兩種方法，實(shí)驗(yàn)仿真表明，應(yīng)用動態(tài)加權(quán)的啟發(fā)

3、函數(shù)減少算法搜索的節(jié)點(diǎn)數(shù)目，在算法的搜索效率上，有了很大的提高。 然后提出基于神經(jīng)網(wǎng)絡(luò)的移動機(jī)器人路徑規(guī)劃。利用神經(jīng)網(wǎng)絡(luò)原理研究移動機(jī)器人的路徑規(guī)劃方法，此方法用并行網(wǎng)絡(luò)輸出的碰撞罰函數(shù)來量化路徑點(diǎn)與障礙物的遠(yuǎn)近程度，并通過求解能量函數(shù)的最小值，來實(shí)現(xiàn)機(jī)器人的最優(yōu)路徑規(guī)劃。實(shí)驗(yàn)表明，該方法在參數(shù)取值合理的情況下能較好的完成路徑規(guī)劃任務(wù)，但是在障礙物較多的情況下容易陷入局部極小值。 最后針對神經(jīng)網(wǎng)絡(luò)路徑規(guī)劃出現(xiàn)的局部極小值