分析男開(kāi)題報(bào)告

1、河北科技大學(xué)工程專業(yè)開(kāi)題評(píng)審表注：1、成績(jī)以“合格”“不合格”記；評(píng)審組成員為高級(jí)。2、工程設(shè)計(jì)類包括：工程設(shè)計(jì)、建筑設(shè)計(jì)、產(chǎn)品設(shè)計(jì)、工藝設(shè)計(jì)、工業(yè)設(shè)計(jì)等；技術(shù)研究類包括：應(yīng)用基礎(chǔ)研究、應(yīng)用研究、預(yù)先研究、實(shí)驗(yàn)研究、系統(tǒng)研究等；應(yīng)用類包括：系統(tǒng)、應(yīng)用、數(shù)據(jù)庫(kù)、網(wǎng)絡(luò)等；工程管理類包括：工程管理、工程規(guī)劃等男學(xué)校導(dǎo)師企業(yè)導(dǎo)師工程領(lǐng)域控制工程開(kāi)題時(shí)間2014.11第1 次開(kāi)題論文選題題目名稱輪式機(jī)器人路徑規(guī)劃方法的研究性質(zhì)（）工程設(shè)計(jì)（）；技術(shù)研究（ ）；應(yīng)用（ ）；工程管理（ ）項(xiàng)目來(lái)源 （）企業(yè)項(xiàng)目（）；部（?。╉?xiàng)目（）；國(guó)家項(xiàng)目（）；校企聯(lián)合項(xiàng)目（）； 自擬項(xiàng)目（ ）。評(píng)審組成員姓名職稱工作及

2、職務(wù)簽字教授教授評(píng)審意見(jiàn)（含：選題意義；實(shí)驗(yàn)條件；技術(shù)方案可行性；研究計(jì)劃合理性等）成 績(jī)?cè)u(píng)審組長(zhǎng)簽字：年月日領(lǐng)域簽字：年月日一、立論依據(jù)（所選課題的科學(xué)意義和應(yīng)用前景，國(guó)內(nèi)外研究現(xiàn)狀分析，主要參考文獻(xiàn)目錄）：1.1 課題的科學(xué)意義和應(yīng)用前景機(jī)器人自 20 世紀(jì) 60 年代誕生以來(lái)，便在裝配、機(jī)械加工、檢測(cè)、弧焊電焊等工業(yè)生產(chǎn)中得到廣泛應(yīng)用，各種類型的機(jī)器人提高了產(chǎn)品質(zhì)量，加快了工業(yè)進(jìn)程，很大程度上提高了社會(huì)生產(chǎn)力，但是由于社會(huì)生產(chǎn)需求的不斷提高，這些固定位置的機(jī)器人由于其活動(dòng)范圍有限而大大限制了其應(yīng)用范圍。二十世紀(jì)八十年代，移器人的研究開(kāi)始興起，主要研究成果有巡邏排爆機(jī)器人、機(jī)器魚(yú)、無(wú)人飛行

3、器以及機(jī)器人等，移器人的研究領(lǐng)域不斷拓展。這些應(yīng)用對(duì)機(jī)器人的功能提出了更高的要求，準(zhǔn)確的說(shuō)需要移器人具有較高程度的智能性，能夠適應(yīng)環(huán)境的變化。移器人的研究涉及人工智能、計(jì)算機(jī)、模式識(shí)別、傳感器技術(shù)、自動(dòng)控制、機(jī)器視覺(jué)等諸多學(xué)科領(lǐng)域?？梢哉f(shuō)，移器人集路徑規(guī)劃、任務(wù)執(zhí)行、運(yùn)動(dòng)控制與信息融合等功能于一身1。機(jī)器人的誕生使得傳統(tǒng)工業(yè)的生產(chǎn)面貌發(fā)生了根本性變化。目前移 器人不僅在工業(yè)生產(chǎn)、醫(yī)療、航天、安全、交通、軍事等領(lǐng)域具有十分重要的應(yīng)用價(jià)值，并且在求援、輻射、搜捕等 領(lǐng)域得到廣泛的應(yīng)用。移 器人廣闊的應(yīng)用前景必將帶來(lái)巨大的經(jīng)濟(jì)效益和社會(huì)效益。移 器人有多種機(jī)構(gòu)形式2-10,采用何種形式取決于移動(dòng)環(huán)境

4、,從廣義上說(shuō),包括空間無(wú)人探測(cè)器、無(wú)人飛行器及深海無(wú)人潛水器等7,而本文所研究的移 器人主要針對(duì)地面環(huán)境中的輪式移動(dòng)機(jī)器人。能夠在地面環(huán)境中移動(dòng)的機(jī)構(gòu)形式主要有：輪式移 構(gòu)5； 式移 構(gòu)7；角足式移 構(gòu)6。此外,還有步進(jìn)式移 構(gòu)、蠕動(dòng)式移 構(gòu)、混合式移 構(gòu)和蛇行移 構(gòu)11-12等,適合于各種特別的場(chǎng)合。在不平整的地面上運(yùn)動(dòng)時(shí),一般使用角足式移 構(gòu),輪式移 構(gòu)適合于不太粗糙的地面,而 式移 構(gòu)適合于地面傾斜不是很大的有 物的環(huán)境。在各種移 器人中輪式移 器人是最常見(jiàn)也是最重要的移 器人之一,除部分軍事和宇航用途(火星車可采用輪式結(jié)構(gòu))外,具有漫長(zhǎng)歷史的輪式移 器人仍然能夠滿足絕大部分應(yīng)用場(chǎng)所的要

5、求。據(jù) 1991 年統(tǒng)計(jì),在 個(gè)國(guó)家的 個(gè)機(jī)構(gòu)已宣布的 種移 器人中有 種機(jī)器人是輪式移 器人。實(shí)踐表明,輪式移 器人非常適合在光滑、堅(jiān)硬的表面上工作。隨著移 器人技術(shù)的研究重點(diǎn)從面向特殊惡劣環(huán)境到面向一般環(huán)境的轉(zhuǎn)變,此類機(jī)器人正逐漸成為移 器人技術(shù)研究的主要方向,并引起廣泛關(guān)注。移 器人路徑規(guī)劃是在已知或未知環(huán)境下構(gòu)造出一條從起點(diǎn)到終點(diǎn)的最優(yōu)或較優(yōu)的無(wú)碰路徑,該問(wèn)題涉及到機(jī)器人的運(yùn)動(dòng)模型、運(yùn)動(dòng)規(guī)劃與實(shí)際環(huán)境建模,是機(jī)器人研究領(lǐng)域的熱點(diǎn)問(wèn)題之一。當(dāng)機(jī)器人具備全局環(huán)境信息時(shí)，可用 的全局規(guī)劃來(lái)得到一條自起點(diǎn)到終點(diǎn)的安全路徑，并能對(duì)運(yùn)行過(guò)程中的某些性能指標(biāo)進(jìn)行優(yōu)化，這方面的研究已有廣泛的 。但實(shí)際

6、上，機(jī)器人具有的環(huán)境信息往往不完全，并且是動(dòng)態(tài)變化的，這時(shí)不能離線做出 全局規(guī)劃，機(jī)器人只能依靠實(shí)時(shí)探測(cè)到環(huán)境信息，經(jīng)過(guò)多次重規(guī)劃（滾動(dòng)規(guī)劃）來(lái)得到可行的安全路徑。人們已提出了不少解決靜態(tài)未知路徑規(guī)劃問(wèn)題的方法和策略，但對(duì)于存在動(dòng)態(tài) 物的未知環(huán)境，還缺少有效地規(guī)劃方法。因此，對(duì)機(jī)器人在外界靜態(tài)未知 物和動(dòng)態(tài)未知 物環(huán)境下的路徑規(guī)劃研究將具有重要意義。課題的國(guó)內(nèi)外研究現(xiàn)狀路徑規(guī)劃算法的研究是機(jī)器人研究領(lǐng)域中的一個(gè)重要分支，是機(jī)器人智能化的重要標(biāo)志。機(jī)器人的路徑規(guī)劃問(wèn)題，就是依據(jù)某些算法或準(zhǔn)則（如工作代價(jià)最小、行走時(shí)間最短、行走路線最短等），在機(jī)器人的作業(yè)空間中尋找一條從起始位置到目標(biāo)位置的行走路

7、徑。根據(jù)機(jī)器人對(duì)環(huán)境信息的已知程度，路徑規(guī)劃可以分為對(duì)環(huán)境信息完全已知的全局路徑規(guī)劃和對(duì)環(huán)境信息完全未知或部分未知的局部路徑規(guī)劃，局部路徑規(guī)劃是通過(guò)傳感器實(shí)時(shí)地感知機(jī)器人的工作環(huán)境，以獲取物的位置、形狀和尺寸等環(huán)境信息，進(jìn)而對(duì)機(jī)器人行走路徑進(jìn)行規(guī)劃13。路徑規(guī)劃方法可以分為傳統(tǒng)路徑規(guī)劃方法和智能路徑規(guī)劃方法。傳統(tǒng)方法包括以下幾種：可視圖法、柵格法、空間法以及人工勢(shì)場(chǎng)法等?？梢晥D法可視圖法14,15的關(guān)鍵是構(gòu)造一個(gè)稱之為可視圖的連通圖。此方法將機(jī)器人視為一點(diǎn)，將 物的棱角、機(jī)器人起點(diǎn) s 以及終點(diǎn) g 用直線相連，同時(shí)確保所有線段不得穿過(guò)物，對(duì)圖中的邊賦值，構(gòu)造圖 GVE，V 為所有頂點(diǎn)的集合，

8、E 為邊集，如此生成的圖稱之為可視圖。由于圖 GVE中所有線段均是顯示的，路徑規(guī)劃問(wèn)題就轉(zhuǎn)化為求圖 GVE的最短路徑問(wèn)題，利用 Dijkstra 算法即可求解。為提高搜索效率，可在規(guī)劃前對(duì)可視圖進(jìn)行預(yù)處理，以去除圖中冗余的線段?？梢晥D法忽略了機(jī)器人尺寸，易造成機(jī)器人經(jīng)過(guò)物頂點(diǎn)時(shí)與物發(fā)生摩擦甚至碰撞，且該方法缺乏靈活性，物的形狀只能局限于多邊形。柵格法柵格法16-19使用相同大小的柵格單元?jiǎng)澐汁h(huán)境空間，從而可用柵格數(shù)組表示環(huán)境信息。每個(gè)柵格由一個(gè)序號(hào)表示，一條路徑可以用一連串的柵格序號(hào)來(lái)表示。在環(huán)境空間中，沒(méi)有被 物占據(jù)的柵格為 柵格，被 物完全占據(jù)的柵格為 物柵格，被 物部分占據(jù)的柵格將其歸屬

9、為 物柵格。規(guī)劃前，根據(jù)柵格信息，在環(huán)境空間中構(gòu)造一個(gè)顯示或隱士的賦權(quán)連通圖，規(guī)劃過(guò)程中只需在形成的連通圖中搜索最短路徑即可。柵格法的優(yōu)點(diǎn)是容易編程實(shí)現(xiàn)，路徑編碼簡(jiǎn)單，且能夠處理任意形狀的 物。缺點(diǎn)是存在求解精度與時(shí)空開(kāi)銷之間的 。空間法空間法20-21將環(huán)境空間劃分為 空間和 物空間兩部分，然后在 空間中搜尋最短路徑。 空間的創(chuàng)建是關(guān)鍵，其創(chuàng)建方法是：將不同 物的頂點(diǎn)兩兩相連，這些線段與 物的邊界將會(huì)形成多個(gè)凸多邊形等預(yù)定義的形狀，為使每個(gè)凸多邊形的面積盡可能大，可對(duì)一些冗余的連接線段進(jìn)行精簡(jiǎn)。如此形成的每個(gè)面積最大的凸多邊形即為 空間。再在 空間中將各連接線的中點(diǎn)進(jìn)行相連，生成 網(wǎng)絡(luò)連通圖

10、。機(jī)器人可在 網(wǎng)絡(luò)連通圖中進(jìn)行路徑規(guī)劃。 空間的創(chuàng)建不涉及到起始位置和目標(biāo)位置，因而，路徑規(guī)劃過(guò)程中若起始位置和目標(biāo)位置發(fā)生變動(dòng)，不需要重新構(gòu)造 空間中的連通圖，具有較高的靈活性。其缺點(diǎn)是不能適應(yīng)環(huán)境的變化且不能保證肯定能獲取最短路徑。(4) 人工勢(shì)場(chǎng)法上世紀(jì) 80 年代，斯坦福大學(xué)教授 Oussama Khatib 首次提出了人工勢(shì)場(chǎng)法22-23，其靈感來(lái)源于物理學(xué)中勢(shì)場(chǎng)和力場(chǎng)的基本理論。其算法原理是在機(jī)器人的工作空間中構(gòu)造一種虛擬人工力場(chǎng)，在物附近存在斥力勢(shì)場(chǎng)，在目標(biāo)位置附近存在引力勢(shì)場(chǎng)，機(jī)器人在斥力場(chǎng)和引力場(chǎng)的共同作用下傾朝向目標(biāo)位置移動(dòng)，并能夠避免與物發(fā)生碰撞。人工勢(shì)場(chǎng)法在數(shù)學(xué)上描述簡(jiǎn)

11、單、美觀，計(jì)算量小，實(shí)時(shí)性較好，但存在局部最優(yōu)問(wèn)題。智能路徑規(guī)劃方法中應(yīng)用較多的有模糊邏輯算法、神經(jīng)網(wǎng)絡(luò)、遺傳算法和群蟻算法。遺傳算法遺傳算法（GA)24-33是由 John Holland 于 20 世紀(jì) 60 年代首次提出。它將生物進(jìn)化中的自然選擇和種群遺傳學(xué)原理引入到搜索過(guò)程中。遺傳算法將自然界中“適者生存”這一自然規(guī)律作為主旋律，并結(jié)合隨機(jī)信息交換，有力提高了搜索效率。其基本是在問(wèn)題的求解過(guò)程中，把問(wèn)題的每一個(gè)可能解視為種群中的一個(gè)，所有組成種群。依據(jù)某些評(píng)價(jià)標(biāo)準(zhǔn)對(duì)每一個(gè)進(jìn)行評(píng)價(jià)，計(jì)算其適應(yīng)度，并根據(jù)概率對(duì)每個(gè)進(jìn)行遺傳操作，如選擇、交叉、變異等操作，淘汰適應(yīng)度小的，保留適應(yīng)度大的，從而

12、得到下一代種群，且下一代種群優(yōu)于上一點(diǎn)種群。這樣反復(fù)迭代，最終種群會(huì)進(jìn)化到最優(yōu)狀態(tài)，也即獲得具體問(wèn)題的最優(yōu)解。移器人路徑規(guī)劃是遺傳算法重要的應(yīng)用領(lǐng)域之一，其缺陷是在搜索過(guò)程中容易陷入局部最優(yōu)，收斂速度過(guò)慢以及實(shí)時(shí)性較差等問(wèn)題。本文將在下一章基于對(duì)經(jīng)典遺傳算法的改進(jìn)來(lái)研究移器人全局路徑規(guī)劃問(wèn)題。模糊邏輯算法模糊邏輯算法18,21,34的靈感來(lái)源于駕駛員的駕駛經(jīng)驗(yàn)。該算法的基本是根據(jù)傳感器感知的實(shí)時(shí)環(huán)境信息，依據(jù)駕駛員的駕駛經(jīng)驗(yàn)做出決策，從而避免與環(huán)境中物發(fā)生碰撞，完成局部路徑規(guī)劃，而不是對(duì)環(huán)境信息的精確計(jì)算來(lái)完成的。模糊邏輯算法可以避免局部極小問(wèn)題，實(shí)時(shí)性較好，可以應(yīng)用于動(dòng)態(tài)環(huán)境下的路徑規(guī)劃。其

13、缺點(diǎn)主要是算法復(fù)雜度隨著 物數(shù)量的增加而增加，且模糊規(guī)則難以建立。神經(jīng)網(wǎng)絡(luò)算法通過(guò)對(duì)生物大腦神經(jīng)系統(tǒng)的認(rèn)知而創(chuàng)建的具有非線性 能力、泛化能力以及自組織與自適應(yīng)能力的多處理器計(jì)算機(jī)系統(tǒng)，稱為神經(jīng)網(wǎng)絡(luò)21,34。它是仿效生物大腦神經(jīng)系統(tǒng)的一種分布式系統(tǒng)模型，化的人腦神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型。神經(jīng)網(wǎng)絡(luò)是由許多功能有限結(jié)構(gòu)簡(jiǎn)單的神經(jīng)元組成的復(fù)雜系統(tǒng)，大量神經(jīng)元之間的互動(dòng)能夠?qū)崿F(xiàn)復(fù)雜的行為。神經(jīng)網(wǎng)絡(luò)算法具有學(xué)習(xí)能力強(qiáng)、容錯(cuò)性好、快捷方便以及能夠處理復(fù)雜的非線性關(guān)系等優(yōu)點(diǎn)。但神經(jīng)網(wǎng)絡(luò)算法存在局部極小化、收斂速度慢以及 能力與訓(xùn)練能力。蟻群算法蟻群算法21,34-36由意大利學(xué)者 M.Dorigo 于 1991

14、年首次提出，該算法模擬了自然界中螞蟻的覓食行為，其計(jì)算過(guò)程主要包括兩個(gè)階段：信息素的累積階段和螞蟻間的協(xié)作階段。前者包括各個(gè)可行解根據(jù)累積的信息不斷調(diào)整自身結(jié)構(gòu)的過(guò)程，即螞蟻不斷選擇從信息素濃度高的路徑上經(jīng)過(guò)，進(jìn)而使得該路徑上螞蟻留下的信息素濃度越來(lái)越大，而信息素濃度低的路徑，螞蟻選擇的概率會(huì)越來(lái)越小，隨著時(shí)間推移會(huì)被慢慢淘汰；在螞蟻間的協(xié)作階段，可行解相互間不斷進(jìn)行信息交流，以希望發(fā)現(xiàn)更加優(yōu)秀的路徑，產(chǎn)生更好的解。蟻群算法作為應(yīng)用比較廣泛的模擬進(jìn)化算法，最初是用于解決旅行商問(wèn)題（TSP），目前已經(jīng)用來(lái)解決許多組合優(yōu)化問(wèn)題、工件排序問(wèn)題以及路由選擇問(wèn)題等。蟻群算法的優(yōu)點(diǎn)有魯棒性強(qiáng)、具有高度并行

15、性。但蟻群算法的研究時(shí)間不長(zhǎng)，還未形成堅(jiān)實(shí)的數(shù)學(xué)基礎(chǔ)和系統(tǒng)的分析方法，算法中參數(shù)的選取尚無(wú)理論依據(jù)，有待進(jìn)一步研究。交通大學(xué)、哈爾濱工程大學(xué)等 對(duì)機(jī)器人路徑規(guī)劃方法展開(kāi)了研究，在已知機(jī)器人期望運(yùn)動(dòng)軌跡的情況下，該運(yùn)動(dòng)軌跡是由幾何參數(shù)來(lái)描述的，機(jī)器人基本可以按照由時(shí)間關(guān)系曲線圖所表達(dá)的期望運(yùn)動(dòng)軌跡而運(yùn)動(dòng)。 景興建37等提出了一種基于理性遺傳算法的協(xié)調(diào)運(yùn)動(dòng)行為 算法，使得機(jī)器人在已知環(huán)境下，運(yùn)動(dòng)行為更加協(xié)調(diào)與優(yōu)化。在復(fù)雜環(huán)境下，機(jī)器人的運(yùn)動(dòng)路徑大多不能用幾何參數(shù)來(lái)表達(dá)，這就要求機(jī)器人的運(yùn)動(dòng)狀態(tài)要隨著環(huán)境中 物的變化而變化，因此機(jī)器人沿任意曲線運(yùn)動(dòng)的路徑規(guī)劃算法研究對(duì)于機(jī)器人 完成任務(wù)具有重要意義。

16、1.3 主要參考文獻(xiàn)1，等.移器人技術(shù)及其應(yīng)用. 電子工業(yè)，20072華,. 移器人的發(fā)展現(xiàn)狀及其趨勢(shì). 機(jī)器人技術(shù)與應(yīng)用,2001,(3),7-14 3,. 移人技術(shù)研究現(xiàn)狀與未來(lái). 機(jī)器人,2002,24(5),475-4804 王天然. 機(jī)器人.:化學(xué)工業(yè),2002.15,. 室外智能移器人的發(fā)展及其研究. 機(jī)器人,2000,22(6),519-5266 李滿天,. 小型雙足移器人控制系統(tǒng).特微電機(jī),2003,(4),17-18. 機(jī)器人智能控制工程.:科學(xué),2004.6方建軍,何廣平. 智能機(jī)器人.:化學(xué)工業(yè),2004.2JohnM.Holland.eDsigning Mobile A

17、utonomous Robots.ton Butterworth 一 Heinemann,2004 10Roland Siegwart,IllahR.Nourbakhsh.roduetion to Autonomous Mobile Robots. Cambridge,Mass MITPress,200411,超,. 蛇形機(jī)器人研究現(xiàn)況與進(jìn)展. 機(jī)器人,2002,24(6),559-563 12,超,等. 蛇形機(jī)器人側(cè)向運(yùn)動(dòng)的研究. 機(jī)器人,2003,25(3),246-24913 KruusmaaM, WillemsonJ. Covering the path space:a case ba

18、seysis for mobile robot path planingJ. Knowledge-Based Systems 2003,16(5P6):235-242.14，. 移器人路徑規(guī)劃技術(shù)綜述. 控制與決策，2010, 25(07), 961-96715，原寶龍. 機(jī)器人路徑規(guī)劃方法綜述. 控制工程，2003, 10(S1), 52-5516，等.多機(jī)器人路徑規(guī)劃研究方法. 計(jì)算機(jī)應(yīng)用研究，2008, 9(25): 66-6917 鄔再新，. 多移器人路徑規(guī)劃技術(shù)的研究現(xiàn)狀與展望. 機(jī)械，2008, 35(1): 01-0418，. 機(jī)器人路徑規(guī)劃方法的研究. 機(jī)械工自動(dòng)化，2009,

19、 05(01): 94-9619 X. X.He and L. T.Chen. Path planning based on grid-potential fields. Proceedings of ernational Conference on Computer Science and Software Engineering. Wu han, 2008,1114-111620，.移器人路徑規(guī)劃技術(shù)綜述. 控制與決策，2010, 25(07), 961-96721，原寶龍.機(jī)器人路徑規(guī)劃方法綜述. 控制工程，2003, 10(S1), 52-55B. Q. Ye, M. F. Zhao

20、and Y.Wang. Research of path planning method for mobile robot based on artifil potential field. 2011ernational Conference on Multimedia Technology,Hangzhou,2011, 267-270J. C. Fraile,C. H. Wang, C. J. J. Paredis and P. K. Khosla. Agent-based control andplanning of a multiple manipulator assembly syst

21、em. IEEEernational Conference on Robotics and Automation,1999,(2): 1219-1225.基于改進(jìn)遺傳算法的移器人路徑規(guī)劃方法研究. 計(jì)算機(jī)工科學(xué)，2010, 32(07), 104-107，.使用遺傳算劃移器人路徑. 西北工業(yè)大學(xué)學(xué)報(bào)，1998, 16(04), 580-583，孫紅霞. 遺傳算法在移器人靜態(tài)全局路徑規(guī)劃中的應(yīng)用.與信息化，2008, (03), 103-106P. Shi and Y. J. Cui. Dynamic path planning for mobile robot based on genetic

22、 algorithm in unknown environment. 2010 Chi Control and Deci Conference, Bangkok, iland 2010, 4325-4329T. Suhail, S.Mercy and H. Suhai. Optimal path selection for mobile robot navigation using genetic algorithm. ernational Journal of Computer Science I es, 2011, 08(04): 433-440C.C.Tsai, H. C.Huang a

23、nd C. K. Chan. Parallel elite genetic algorithm and its application to global path planning for autonomous robot navigation.IEEE Tran ion on Industrial Electronics,2011, 58(10): 4813-4821L. Lei, H. J.Wang and Q. S. Wu. Improved genetic algorithms based path planning of mobile robot under dynamic unk

24、nown environment. Proceeding of the 2006 IEEE ernational Conference on Mechatronics and Automation, Luo , China 2006, 1728-1732, , . 基于改進(jìn)遺傳算法的移 器人路徑規(guī)劃方法研究. 計(jì)算機(jī)科學(xué)與工程, 2010, 32(7): 104-107S. C. Yun, V. Ganapathy and L. O. Chong. Improved genetic algorithms based optimum path planning for mobile robot.

25、11th ernational Conference on Control, Automation, Robotics and Vi , Singapore, 2011, 1565-1570N. T. Mahmood, M. S. Taghi. Efficient and safe path planning for a mobile robot using genetic algorithm. IEEE Congress on Evolutionary Compu ion,Trondheim, Norway, 2009, 2091-209734 ，淘金， . 移 器人路徑規(guī)劃技術(shù)研究. 廣西

26、學(xué)院學(xué)報(bào)，2009, 20(04), 70-77I. A. Wagner, M. Lindenbaum and A. M. Bruckstein. Distributed Covering by Ant-Robot Using Evaporating Tra. IEEE Tranion on robotics and automation, 1999, 15(5): 918-933，.動(dòng)態(tài)環(huán)境下基于蟻群算法的機(jī)器人路徑規(guī)劃研究.師范大學(xué)學(xué)報(bào)(工程技術(shù)版)，2006, 06(03):45-50景興建，超.一種基于理性遺傳算法（RGA）的協(xié)調(diào)運(yùn)動(dòng)行為算法.機(jī)器人，2002,24（01）:49-54

27、二、研究?jī)?nèi)容，預(yù)期目標(biāo)或成果（具體說(shuō)明課題研究?jī)?nèi)容，要重點(diǎn)解決的關(guān)鍵問(wèn)題和本課題所要達(dá)到的目標(biāo)或要取得的成果）：2.1 課題研究?jī)?nèi)容及重點(diǎn)解決首先建立機(jī)器人運(yùn)動(dòng)學(xué)建模，采用兩輪差動(dòng)驅(qū)動(dòng)三輪式移 器人，然后對(duì)機(jī)器人的運(yùn)動(dòng)學(xué)模型進(jìn)行分析和研究，為后期移 器人路徑規(guī)劃提供數(shù)學(xué)模型。在移 器人運(yùn)動(dòng)學(xué)模型基礎(chǔ)上，進(jìn)行了機(jī)器人的定位研究，主要利用機(jī)器人自身安裝的光電編 進(jìn)行機(jī)器人的自定位。如何對(duì)光電編 的讀數(shù)進(jìn)行推算，來(lái)實(shí)現(xiàn)機(jī)器人的自定位是本章去解決的重點(diǎn)問(wèn)題。基于遺傳算法的全局路徑規(guī)劃，因?yàn)閭鹘y(tǒng)遺傳算法存在收斂速度慢、容易陷入局部極小點(diǎn)等問(wèn)題，所以提出一種改進(jìn)遺傳算法，以避免傳統(tǒng)遺傳算法的局部最優(yōu)和收斂

28、速度慢 。遺傳算法的關(guān)鍵在于如何對(duì)已有的遺傳算子進(jìn)行改進(jìn)并增加新的遺傳算子來(lái)優(yōu)化路徑，從而避免該路徑與 物發(fā)生碰撞。基于模糊神經(jīng)網(wǎng)絡(luò)的智能方法構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)，進(jìn)行機(jī)器人路徑的實(shí)時(shí)規(guī)劃。機(jī)器人裝有光電編 ，以檢測(cè)機(jī)器人的全局位置和前進(jìn)方向；研究超聲傳感器來(lái)實(shí)現(xiàn)機(jī)器人路徑規(guī)劃時(shí)的 探測(cè)，并對(duì)所得到的 物信息進(jìn)行模糊處理，針對(duì)靜態(tài)未知環(huán)境設(shè)計(jì)基于模糊神經(jīng)網(wǎng)絡(luò)的路徑規(guī)劃方法。機(jī)器人由世界坐標(biāo)系的原點(diǎn)出發(fā),目標(biāo)點(diǎn)的絕對(duì)位置 于機(jī)器人中,并實(shí)時(shí)通過(guò)目標(biāo)點(diǎn)與機(jī)器人在坐標(biāo)系中的全局位置推算該時(shí)刻坐標(biāo)點(diǎn)相對(duì)于機(jī)器人的方向，分析如何根據(jù)這些數(shù)據(jù)來(lái)實(shí)時(shí)規(guī)劃出機(jī)器人運(yùn)行行為是本節(jié)的重點(diǎn)。預(yù)期目標(biāo)完成對(duì)移器人運(yùn)動(dòng)學(xué)模

29、型的建立。機(jī)器人定位研究算法的推算以及驗(yàn)證定位光電編 實(shí)現(xiàn)機(jī)器人自定位的可行性。分析 模擬基于改進(jìn)遺傳算法的機(jī)器人路徑規(guī)劃以及比較改進(jìn)遺傳算法和傳統(tǒng)遺傳算法的性能，分析通過(guò)兩個(gè)實(shí)驗(yàn)來(lái)驗(yàn)證改進(jìn)遺傳算法的有效性和高效性。由于單獨(dú)的模糊邏輯控制可能由于被控系統(tǒng)太復(fù)雜而無(wú)法定出控制規(guī)則，而單獨(dú)的神經(jīng)網(wǎng)絡(luò)生成的 規(guī)則是在網(wǎng)絡(luò)中隱含而無(wú)法直接理解的，通過(guò)模糊控制和神經(jīng)網(wǎng)絡(luò)的兩種技術(shù)的結(jié)合，對(duì)路徑規(guī)劃進(jìn)行優(yōu)化并通過(guò)仿真實(shí)驗(yàn)來(lái)驗(yàn)證模糊神經(jīng)網(wǎng)絡(luò)的路徑規(guī)劃方法的有效性。三、擬采用的研究方法、技術(shù)路線、試驗(yàn)方案、可行性分析及研究進(jìn)度安排：3.1 研究方法兩輪差動(dòng)驅(qū)器人的結(jié)構(gòu)模型，運(yùn)動(dòng)學(xué)模型原理及算法。通過(guò)使用光電編

30、實(shí)現(xiàn)機(jī)器人的自定位，進(jìn)行懸空實(shí)驗(yàn)的測(cè)量值與理論值對(duì)比，驗(yàn)證利用光電編進(jìn)行機(jī)器人全局定位的可行性。通過(guò)比較原始遺傳算法和改進(jìn)的遺傳算法，并通過(guò)仿真實(shí)驗(yàn)?zāi)M基于改進(jìn)遺傳算法的機(jī)器人路徑規(guī)劃以及比較改進(jìn)遺傳算法和傳統(tǒng)遺傳算法的性能。模糊控制和神經(jīng)網(wǎng)絡(luò)的兩種技術(shù)相互結(jié)合，依靠光電編 來(lái)實(shí)現(xiàn)自身定位，選擇多個(gè)超聲傳感器獲得 物信息，并對(duì)獲得的信息進(jìn)行模糊處理，使用基于模糊神經(jīng)網(wǎng)絡(luò)的智能方法構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)，并進(jìn)行機(jī)器人路徑的實(shí)時(shí)規(guī)劃，最后進(jìn)行仿真實(shí)驗(yàn)，分析驗(yàn)證方法的有效性。3.2 技術(shù)路線（1）遺傳算法在選擇操過(guò)程中，聯(lián)合使用賭選擇遺傳算子和精英選擇遺傳算子；改善其他遺傳算子；增加了新的遺傳算子修改遺傳

31、算子。開(kāi)始改進(jìn)遺傳算法流程圖：Y終止條件？N結(jié)束精英選擇計(jì)算適應(yīng)度修改突變兩點(diǎn)交叉賭選擇種群初始化(2) 研究移 器人在未知環(huán)境下的路徑規(guī)劃，實(shí)驗(yàn)中,機(jī)器人在行進(jìn)時(shí),必須確定周圍的 信息,而對(duì) 物的距離和角度進(jìn)行探測(cè)則主要通過(guò)超聲傳感器來(lái)實(shí)現(xiàn)，且采用多個(gè)超聲傳感器來(lái)進(jìn)行探障，另外實(shí)驗(yàn)中對(duì) 距離信息進(jìn)行模糊處理，然后構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)。構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)時(shí)每經(jīng)過(guò)一個(gè)采樣時(shí)間進(jìn)行一次信息，并對(duì)傳感器信息數(shù)據(jù)進(jìn)行一次處理，得到的當(dāng)前環(huán)境信息作為機(jī)器人下一步行為動(dòng)作的依據(jù)。實(shí)驗(yàn)當(dāng)中采用誤差反傳算法對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，從而來(lái)調(diào)整輸出速度和轉(zhuǎn)角對(duì)應(yīng)的權(quán)值。實(shí)驗(yàn)方案研究分析改進(jìn)遺傳算法，通過(guò) 實(shí)驗(yàn)環(huán)境模擬改進(jìn)遺傳算法的機(jī)器人路徑規(guī)劃，并比較改進(jìn)遺傳算法性能。將模糊邏輯技術(shù)和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合，通過(guò) 仿真來(lái)驗(yàn)證機(jī)器人能夠順利的繞過(guò) 物到達(dá)目標(biāo)點(diǎn)，從而驗(yàn)證構(gòu)建的模糊神經(jīng)網(wǎng)絡(luò)是可行的。可行性分析光電編 是利用光電原理，將角度、位置、轉(zhuǎn)速等物理量轉(zhuǎn)化為電氣信號(hào)并加以輸出的一種傳感器。軸每轉(zhuǎn)動(dòng)一圈產(chǎn)生固定脈沖數(shù)，計(jì)數(shù)器 的脈沖數(shù)即為測(cè)得碼盤(pán)轉(zhuǎn)過(guò)的角度，這種碼盤(pán)可以用來(lái)測(cè)量軸角或者位移,分辨率高低取決于碼盤(pán)每轉(zhuǎn)一圈產(chǎn)生的脈沖數(shù)和相對(duì)于被測(cè)角或者位移的傳動(dòng)比，通過(guò)對(duì)光電編 的讀數(shù)進(jìn)行推算，來(lái)實(shí)現(xiàn)機(jī)器人的自定位。在利用遺傳算法求解具體問(wèn)題時(shí)，其執(zhí)行過(guò)程有對(duì)所求問(wèn)題進(jìn)行編碼；給出問(wèn)題的