多機(jī)器人系統(tǒng)的動態(tài)路徑規(guī)劃方法研究.pdf

1、自從20世紀(jì)80年代后期,多機(jī)器人系統(tǒng)發(fā)展以來,由于多機(jī)器人系統(tǒng)具有許多單機(jī)器人系統(tǒng)無法比擬的優(yōu)勢,主要體現(xiàn)在:應(yīng)用領(lǐng)域更廣泛、容錯性更好、完成復(fù)雜任務(wù)的成本更低、效率更高、可擴(kuò)展性更好、并且易于研究和開發(fā)等,所以多機(jī)器人系統(tǒng)已經(jīng)成為機(jī)器人學(xué)研究中一個充滿活力、具有良好應(yīng)用前景的研究方向。在多機(jī)器人系統(tǒng)的眾多研究問題中,路徑規(guī)劃是其最基本的研究問題之一,是多機(jī)器人系統(tǒng)完成任務(wù)的根本保證。對于實(shí)際應(yīng)用中的多機(jī)器人系統(tǒng),大多工作在復(fù)雜、動態(tài)

2、環(huán)境下,所以本文結(jié)合國家“211工程”建設(shè)項(xiàng)目“智能移動機(jī)器人系統(tǒng)”,對多機(jī)器人系統(tǒng)的動態(tài)路徑規(guī)劃方法進(jìn)行了研究,具有重要的理論意義和實(shí)際意義。
　　 首先,針對機(jī)器人之間存在通信時的多機(jī)器人系統(tǒng)的動態(tài)路徑規(guī)劃問題進(jìn)行研究,提出了一種將速度障礙和行為動力學(xué)方法相結(jié)合的動態(tài)路徑規(guī)劃方法。在該方法中,充分考慮動態(tài)障礙物和其它機(jī)器人的速度信息,為機(jī)器人規(guī)劃了避障和避碰區(qū)域,完善了避障和避碰行為的姿態(tài)角動力學(xué)和速度動力學(xué),可有效的防止機(jī)

3、器人在動態(tài)路徑規(guī)劃時出現(xiàn)提前避障或躲避不及等避障失敗現(xiàn)象。通過仿真,驗(yàn)證了該方法的有效性和可行性。
　　 其次,對基于速度障礙的行為動力學(xué)路徑規(guī)劃方法進(jìn)行了兩點(diǎn)優(yōu)化研究:一個是提出利用粒子群優(yōu)化算法對奔向目標(biāo)行為、避障行為和避碰行為的三種行為模式進(jìn)行了融合,從而使機(jī)器人能夠根據(jù)傳感器所采集的實(shí)時環(huán)境信息來獲取各個基本行為的權(quán)值。并把該方法同基于競爭動力學(xué)的行為協(xié)調(diào)方法進(jìn)行比較,仿真結(jié)果驗(yàn)證了算法的可行性和優(yōu)越性;另一個是用改進(jìn)的

4、勢場柵格法確定機(jī)器人子目標(biāo)點(diǎn)的位置,并利用子目標(biāo)點(diǎn)的位置代替最終目標(biāo)的位置建立奔向目標(biāo)行為的姿態(tài)角動力學(xué),從而使機(jī)器人的目標(biāo)點(diǎn)距離初始點(diǎn)較遠(yuǎn)的情況下的路徑規(guī)劃更合理,擴(kuò)大了行為動力學(xué)路徑規(guī)劃方法的使用范圍。
　　 再次,針對沒有通信情況下的多機(jī)器人系統(tǒng)在未知動態(tài)環(huán)境下的路徑規(guī)劃問題,提出了一種雙層模糊控制器結(jié)構(gòu),設(shè)計了危險度模糊控制器和速度模糊控制器。由于雙層模糊控制器的應(yīng)用,使每一層模糊控制器的輸入和輸出的模糊關(guān)系明確,并且簡

5、化了模糊規(guī)則的設(shè)計。其中,危險度模糊控制器充分考慮了運(yùn)動障礙物的速度信息,把機(jī)器人同障礙物之間的碰撞可能性用基于碰撞時間因子和碰撞距離因子的碰撞危險度來表示,從而更能表達(dá)機(jī)器人同環(huán)境之間的關(guān)系,使算法更適合動態(tài)的環(huán)境;速度模糊控制器的設(shè)計充分考慮了目標(biāo)方位角、障礙物方位角和碰撞危險度的影響,并采用基于行為的思想設(shè)計模糊規(guī)則,規(guī)則中體現(xiàn)了奔向目標(biāo)行為、躲避障礙物行為和沿著障礙物行走行為,使算法更適合狹長的障礙物等特殊的環(huán)境。仿真結(jié)果表明該

6、方法是可行的和有效的。
　　 最后,針對如何利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)模糊規(guī)則的自動提取和化簡、以及自動確定輸入和輸出隸屬度函數(shù)的參數(shù)等問題進(jìn)行了主要研究。提出利用改進(jìn)的人工魚群算法進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化和參數(shù)優(yōu)化,從而實(shí)現(xiàn)了模糊控制規(guī)則的自動提取和化簡,以及輸入和輸出隸屬度函數(shù)參數(shù)的自動確定。仿真結(jié)果表明,該方法能夠減少多機(jī)器人系統(tǒng)利用雙層模糊控制器進(jìn)行動態(tài)路徑規(guī)劃時的計算復(fù)雜性,提高了算法的實(shí)時性。另外,通過在人工魚群算法中對行為

7、評價后的人工魚增加交叉和變異操作,從而加快了基本人工魚群算法對最優(yōu)值的搜索速度和減少陷入局部最優(yōu)值的可能性,同時提出了適合變定義域的最大步長方法,設(shè)計了改進(jìn)的人工魚群算法。
　　 此外,利用實(shí)驗(yàn)室的配備了全景視覺傳感器和超聲傳感器的履帶式機(jī)器人,對本文提出的動態(tài)路徑規(guī)劃方法以及相關(guān)技術(shù)進(jìn)行了實(shí)驗(yàn)研究,主要有基于全景視覺的人工路標(biāo)識別實(shí)驗(yàn)、機(jī)器人的三角定位實(shí)驗(yàn)、基于光電編碼器的定位實(shí)驗(yàn)、行為動力學(xué)路徑規(guī)劃方法實(shí)驗(yàn)和雙層模糊控制器路