基于學(xué)習(xí)分類器的多機器人路徑規(guī)劃關(guān)鍵技術(shù)研究.pdf

1、隨著機器人技術(shù)在多個領(lǐng)域的廣泛應(yīng)用，在研究和應(yīng)用雙重需求的推動下，多機器人系統(tǒng)的研究已逐漸成為熱門領(lǐng)域。在一些面向任務(wù)的應(yīng)用中，合理的體系結(jié)構(gòu)和高效的導(dǎo)航技術(shù)是多機器人系統(tǒng)迅速發(fā)展的要求，也是多機器人導(dǎo)航的核心關(guān)鍵技術(shù)。本文主要研究了以學(xué)習(xí)分類器為核心算法的多機器人在狹隘環(huán)境的路徑規(guī)劃和以路徑規(guī)劃為目標(biāo)的多機器人系統(tǒng)體系結(jié)構(gòu)、強化學(xué)習(xí)、行為控制等關(guān)鍵技術(shù)。目的在于探索多機器人在狹隘特殊環(huán)境下進行路徑規(guī)劃的有效方法，構(gòu)建適合多機器人系統(tǒng)路

2、徑規(guī)劃的體系結(jié)構(gòu)、強化學(xué)習(xí)方法、行為控制等關(guān)鍵技術(shù)，從而提高多機器人系統(tǒng)路徑規(guī)劃水平，最終高效實現(xiàn)多機器人系統(tǒng)在未知復(fù)雜、特殊、狹隘環(huán)境下的路徑規(guī)劃。
　　 本文所做的主要研究工作如下：
　　 (1)合理的機器人體系結(jié)構(gòu)是完成多機器人路徑規(guī)劃至關(guān)重要的基礎(chǔ)，本文在對傳統(tǒng)機器人體系結(jié)構(gòu)分析的基礎(chǔ)上，融合了學(xué)習(xí)分類器系統(tǒng)算法與勢場柵格法技術(shù)，提出了基于學(xué)習(xí)分類器的多機器人路徑規(guī)劃控制體系結(jié)構(gòu)；實現(xiàn)了多機器人體系結(jié)構(gòu)基本功能模

3、塊的靈活組合，使得功能和知識都具有良好的擴展性。
　　 (2)機器人路徑規(guī)劃離不開環(huán)境信息，如何通過強化學(xué)習(xí)獲得及時準(zhǔn)確的環(huán)境信息是尤為重要的。因此將梯度下降法映射到學(xué)習(xí)分類器，融合支持向量機算法與學(xué)習(xí)分類器系統(tǒng)，提出了基于梯度策略的學(xué)習(xí)分類器在多機器人強化學(xué)習(xí)中的應(yīng)用方法。
　　 (3)行為控制是機器人自主導(dǎo)航過程中最主要的功能之一，本文在融合學(xué)習(xí)分類器系統(tǒng)與人工勢場算法的基礎(chǔ)上，嘗試研究了機器人在未知狹隘環(huán)境中的四種

4、覆蓋策略，提出了基于多學(xué)習(xí)分類器和人工勢場法的多機器人行為控制策略。
　　 (4)提出了基于學(xué)習(xí)分類器的多機器人在狹隘環(huán)境中的避碰規(guī)劃，在理論上推導(dǎo)并證明了信用分配算法的收斂性，為本文提出的路徑規(guī)劃算法的收斂提供了理論保證。
　　 (5)提出了基于精度的學(xué)習(xí)分類器在有易燃、易爆、易碎等障礙物的危險狹隘環(huán)境中的多機器人避碰規(guī)劃，精確地解決了多機器人在特殊狹隘環(huán)境下的路徑規(guī)劃和避碰問題。
　　 (6)本文在最后一章對