基于勢場法和遺傳算法的機器人路徑規(guī)劃技術(shù)研究.pdf

1、移動機器人是迅速發(fā)展起來的一門綜合學科，集成了計算機、電子、自動控制以及人工智能等多學科的最新研究成果，代表了機電一體化的最高成就。近年來，移動機器人路徑規(guī)劃已經(jīng)成為自動控制、計算機和人工智能等領(lǐng)域的一個研究熱點，其發(fā)展對國防、社會、經(jīng)濟和科學技術(shù)具有重大的影響力，已成為各國高科技領(lǐng)域的戰(zhàn)略性研究目標。
　　 本文研究了基于勢場法和遺傳算法的移動機器人路徑規(guī)劃技術(shù)，在傳統(tǒng)方法的基礎(chǔ)上，提出了一些改進算法及新的解決方案，以提高算法

2、的計算效率，擴展其使用范圍。具體的研究內(nèi)容包括以下幾個方面:
　　 (1)提出了一種改進的機器人路徑規(guī)劃方法。為了對機器人的復雜工作空間進行預處理，采用二值圖像的數(shù)學形態(tài)學的方法，利用膨脹運算和腐蝕運算兩種對偶的基本變換，將離散的障礙物個體融合為完整的障礙物體，使用改進的勢場法進行機器人導航，以改善其運動軌跡;另外，通過設(shè)置子目標點使陷入局部極小的機器人“逃離”極小狀態(tài)。
　　 (2)考慮到動態(tài)環(huán)境下移動機器人路徑規(guī)劃的

3、各個量都可能在變化，在人工勢場算法中引入了有關(guān)的位置信息、速度信息和加速度信息。在路徑規(guī)劃過程中當機器人到達或者追上了目標點時，相對加速度值為零。否則，調(diào)整參數(shù)使相對加速度值為零。又利用人工勢場法結(jié)合遺傳算法進行路徑規(guī)劃，在人工勢場算法中引用一種“逃脫力”，當機器人陷入局部最小狀態(tài)時，使用“逃脫力”來逃脫局部最小的限制。利用遺傳算法進行全局搜索和個體優(yōu)化，保證了最優(yōu)個體傳遞到下一代。
　　 (3)提出了一種改進的遺傳算法，在該算

4、法中，設(shè)計了一種新的適應性函數(shù)，該函數(shù)考慮了路徑長度信息、碰撞懲罰因素、路徑間隙因素;并且設(shè)計了一套合理的遺傳算子及路徑修復機制來優(yōu)化路徑;給出了理想的路徑優(yōu)化參數(shù)。該方法能夠在起始點和目標點之間搜索一條優(yōu)化路徑。
　　 (4)以人工勢場法和柵格法為基礎(chǔ)，考慮到遺傳算法的“收斂速度慢”和“早熟收斂”問題，提出了一種基于量子遺傳算法的機器人路徑規(guī)劃方法。該方法引入量子遺傳算法和勢場柵格法進行融合，來求解移動機器人路徑規(guī)劃問題。采用

5、柵格法進行全局路徑規(guī)劃、人工勢場法對移動機器人進行控制、量子遺傳算法對最優(yōu)或次優(yōu)個體進行選擇，并且引入雙適應度評價函數(shù)對進化個體進行評價，為最優(yōu)或次優(yōu)個體進入下一代提供了保障。
　　 (5)由于遺傳算法的過早收斂而使一些優(yōu)秀個體過早地被排除掉，從而導致搜索范圍縮小及產(chǎn)生局部最優(yōu)的缺陷。提出了一種基于改進染色體編碼的自適應遺傳算法，采用方向和距離對來編碼染色體，使用自適應控制交叉概率函數(shù)(Pc)和突變概率函數(shù)（Pm）進行遺傳操作。

6、該算法使得過早收斂問題得以緩解，同時又提高了搜索的范圍和效率。
　　 (6)提出了一種基于量子染色體變異的融合算法。首先，對人工勢場的斥力場進行改進，然后利用融合的人工勢場法和柵格法對路徑進行規(guī)劃，產(chǎn)生初始化種群，最后利用量子比特對染色體編碼、利用量子染色體變異對種群個體進行更新，完成最佳路徑搜索。提高了種群質(zhì)量和收斂速度，有效地避開障礙物，穩(wěn)定地產(chǎn)生最佳規(guī)劃路徑，適合于求解復雜優(yōu)化問題。
　　 本文在最后對全文進行了總