基于ART神經(jīng)網(wǎng)絡的移動機器人避碰撞系統(tǒng)研究.pdf

1、在移動機器人系統(tǒng)中,路徑規(guī)劃是一個非常重要的研究領(lǐng)域,而避碰撞是移動機器人路徑規(guī)劃中需要研究的重要課題.移動機器人在靜態(tài)環(huán)境下對障礙物的避障研究己經(jīng)趨于成熟,很多學者針對不同的應用領(lǐng)域進行建模,提出了很多路徑規(guī)劃方法,較好地解決了靜態(tài)環(huán)境中無碰撞路徑規(guī)劃問題.常用的方法有可視圖法、自由空間法、柵格法、人工勢場法等.但在動態(tài)環(huán)境下對動態(tài)障礙物的避碰撞研究,仍然是移動機器人路徑規(guī)劃的研究難點,越來越多的學者投入到動態(tài)環(huán)境下的路徑規(guī)劃研究,常

2、用的方法有矢量域柱狀圖法、模糊邏輯、神經(jīng)網(wǎng)絡方法等.使用神經(jīng)網(wǎng)絡是實現(xiàn)移動機器人避碰撞的一個很有希望的方法.由于動態(tài)環(huán)境下的路徑規(guī)劃非常復雜,應當分成三個子問題來考慮:全局路徑規(guī)劃、局部路徑規(guī)劃和避碰撞控制.本文針對動態(tài)障礙物的避碰撞控制問題,提出了基于ART神經(jīng)網(wǎng)絡的移動機器人避碰撞系統(tǒng).首先研究單個運動障礙物的避碰撞控制問題,提出了以區(qū)間法描述機器人和障礙物狀態(tài)的方法,并以ART1型神經(jīng)網(wǎng)絡為核心建立了移動機器人避碰撞仿真系統(tǒng).接著

3、,針對多個運動障礙物的避碰撞控制問題,提出了基于規(guī)則的避碰撞方法.為了解決多障礙物時,難于手工獲取避碰撞控制規(guī)則的難題,我們又提出了ART2神經(jīng)網(wǎng)絡的增強學習型算法,實現(xiàn)了增強學習和神經(jīng)網(wǎng)絡的集成,使系統(tǒng)可以自主獲取避碰撞規(guī)則,解決了傳統(tǒng)增強學習算法需要占用大量內(nèi)存空間的問題.本文結(jié)構(gòu)如下:首先介紹人工神經(jīng)網(wǎng)絡技術(shù),并詳細介紹ART自適應諧振神經(jīng)網(wǎng)絡的結(jié)構(gòu)、基本工作原理和學習算法.繼而介紹移動機器人路徑規(guī)劃和避碰撞的關(guān)系以及它們現(xiàn)有的研