改进的粒子群优化算法及其在机器人路径规划中的应用研究

《改进的粒子群优化算法及其在机器人路径规划中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、第l章绪论从初始位置到日标位置的无碰撞路径，该路径是最优或近似最优的方终I卜状态起始状态图1-1路径规划定义案。⑨如何利用己知的信息去引导机器人的动作，得到优化的行为决策【14】。路径规划的研究涉及到：路径执行、规划方法、环境表示方法【15】等。路径执行：怎样有效地控制机器人按照我们预先设定的路径行走。规划方法：在已知机器人环境表示的基础上，采用什么方法有效规划最优化路径。环境表示方法具有两层含义：①怎样高效地获得机器人所处环境的信息；②环境信息怎样有效地表达出来。1)机器人位姿空问机器人的位姿：

2、一个相互独立的参数集，可以完全地确定该移动机器人上所处的所有点的位置与姿态，能够描述机器人运动的位置，同时也能够考虑到它的姿态。Lozano—Perez和Wesley提出了位姿空间【16】的概念，使用位姿空间后路径的规划问题得到了转化，变为在空间中的起始位姿和目标位姿间寻找一个包含了位姿节点的连续序列。位姿空间：由机器人包含的所有位姿所组成的空间，它代表了机器人所有可能的运动，对位姿空间的研究成为机器人路径规划问题中的一个基本问题。移动机器人的自由度(DOF)即位姿空间的维数，自由度(DOF)可以

3、用来描述一个位姿所具有的参数个数。在移动机器人中，它的位姿一般描述为q=【X，Y，目卜X、Y分别指在x轴、Y轴方向的平移自由度、p指移动机器人的转角。2)环境表示方法武汉．I：程人学硕+学位论文环境模型[WT,IS]手R移动机器人在它活动空间里的有效描述。在规划移动机器人路径信息时，需要设计它的环境模型，在描述环境时要通过一系列处理转化，将外部的原始形式转化为适合路径规划的内部世界模型。如何来表示障碍物足一个重要的问题，对障碍物的合理表示有利于机器人的路径规划。那么不同的路径规划方法是以不同的环境

4、模型为基础而建立的。下面有几种常见的环境表示方法：(1)栅格表示法在原始的工作空间如图l一2所示，假定有两个静止的障碍物。利用栅格方法表示的环境空间如图1．3所示，在空间中使用了大小一致的栅格来划分机器人所处的工作空间，数据存放在栅格数组中。栅格数组中的元素都有两个基本的状态1和O：1为黑格代表障碍物；O为白格代表自由空间。通过搜索栅格数可以寻找到最短路径，栅格法实现起来比较简单，方便我们规划路径，对于不规则障碍物同样可以表达出来；它的缺点主要是对空间的表示效率上不高，时空开销和表示精度之间存在一

5、定的矛盾。(2)路径搜索方法通过判定一个机器人的位姿与障碍物是否相碰，来实现路径的搜索，此时路径规划问题可以转换为寻找一系列的位姿集合【l91，这些位姿从初始位姿点到目的位姿点，他们是无碰撞的，我们将这样一个寻找无碰撞位姿的集合过程称做搜索。目前研究出了很多有效地搜索方法：A木搜索算法、深度优先搜索、双向搜索算法、广度优先搜索算法、图论中的最短路搜索算法(如Dijkstra)算法成功应用于路径规划中，随机搜索方法如模拟退火也成功应用于机器人路径规划当中，发挥了重要作用。随着人工智能的研究应用，在移

6、动机器人的路径规划中，智能算法也被应用其中，如神经网络、蚁群算法、模糊逻辑、增强学习算法、遗传算法等。(3)四叉树表示法四叉树法就是把二维空间分为四个部分，如果环境中有障碍物，继续将这部分细分成为4个部分，循环执行，一直细分到我们预先设定好的一个精度。四叉树法的主要缺点：对单元之间的邻接关系的计算，需6第1章绪论要花费很长的事件。(4)多边形表示法多边形表示法：使用多边形来逼近障碍物。如图l一4所示。1-2原始工作空间I．Ny入刀}、。lI⋯1lIlI黪譬睁。HI’矧l}+}搋封I测叭，、，貉·蝴

7、麟I辔熊1．3栅格工作空间l-4单元树环境空间1．5多边形表示工作空1．2．3路径规划的分类(1)根据机器人所处环境信息的完整程度来分，机器人路径规划可以分为：全局路径规划，它的环境信息完全是已知的；局部路径规划，它的环境信息是完全未知或只知道一部分；基于行为的路径规划。其中，机器人的局部路径规划和全局路径规划在实质上是没有区别的。对于机器人的全局路径规划，机器人所处的环境只是更复杂一些，环境是动态的多变的。局部路径规划的方法都适合于全局路径规划方法，那么局部路径规划方法完全可以通过全局路径规划的

8、方法改进后得到。在设计全局路径规划时，因为环境模型是已知的，所以它的设计标准就是尽可能的使路径规划效果达到最优化。目前来看，路径规划的成熟方法有：蚂蚁算法、可视图法、栅格法、自由链接图建模方法、遗传算法等。武汉l：稃人学硕十学位论文最常用建模方法之一是用栅格法来建模，首先将机器人所处的环境被量化成一定大小的矩形的栅格，每个矩形都赋于一个累积值CV，用来表示此方格中存在障碍物的可能性，即可信度。CV值越高，表示此方格中存在障碍物的可能就越大，这是美国CMU大学的学者提出的一种用栅格法