自主移動機器人的路徑規(guī)劃算法研究.pdf

1、自主移動機器人是機器人研究領域的前沿研究方向，自主移動機器人因其運動的靈活性和對環(huán)境的適應性而得到了廣泛的應用。導航是自主移動機器人的核心技術。導航是指機器人建立精確的環(huán)境模型，實現(xiàn)自身的定位，按照一定的約束條件規(guī)劃移動路徑，實現(xiàn)從起始位置到目標位置的無碰撞運動。自主導航主要解決三個問題:地圖創(chuàng)建、定位和路徑規(guī)劃。因此研究自主移動機器人的路徑規(guī)劃算法具有理論和現(xiàn)實的意義。本論文對自主移動機器人路徑規(guī)劃算法進行了研究，全文工作主要分為以下

2、幾個方面。
　　論文首先介紹了自主移動機器人的研究背景和意義，簡要介紹了國內外典型的自主移動機器人，綜述了自主移動機器人導航的關鍵技術和研究熱點。介紹了兩種經典的路徑規(guī)劃算法—人工勢場法和A*算法，詳細闡述了生物激勵神經網絡路徑規(guī)劃算法，并分析了該算法的環(huán)境建模原理和路徑決策方法。
　　在生物激勵神經網絡算法中，當環(huán)境中存在沿著邊界以及夾在障礙物之間的短路徑時，由于這些路徑點的相鄰位置點數量少或包含障礙物的位置點過多，激勵輸

3、入會偏小，目標點對這些路徑點的影響減弱，因此活性值偏小，會出現(xiàn)路徑錯判問題。同時，生物激勵神經網絡算法生成的路徑不夠平滑。為了解決這些問題，本文提出了改進型生物激勵神經網絡算法。在環(huán)境建模部分，改進型算法對邊界附近和障礙物之間的位置點引入了假想的可傳播正活性值的相鄰位置點，增大了激勵輸入，增強了目標點活性值對此類區(qū)域的傳播作用，使得這些點的活性值增大。此外，在路徑決策方法中加入了轉角因素。對改進型生物激勵神經網絡算法進行了靜態(tài)和動態(tài)環(huán)境

4、的仿真實驗，實驗證明改進型算法有效地解決了路徑錯判問題，同時平滑了路徑。改進型算法在時間消耗上略有增加，但在路徑長度、轉向次數以及總的轉動角度幾個指標上相對于生物激勵神經網絡算法有較大的優(yōu)勢。
　　為了驗證改進型生物激勵神經網絡算法在實際環(huán)境中可用，設計了導航試驗。移動平臺采用Pioneer移動機器人，傳感器采用低成本激光測距儀RPLidar，軟件系統(tǒng)使用機器人操作系統(tǒng)ROS。實驗過程中使用了一個預先創(chuàng)建好的環(huán)境先驗地圖，機器人從