基于粒子群优化算法的移动机器人路径规划研究

《基于粒子群优化算法的移动机器人路径规划研究》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、西安科技大学硕士学位论文传感器由以下几个部分组成：位于机器人底层的16个红外线触觉传感器，位于机器人中间两层的16个超声波传感器和16个红外传感器，以及位于机器人顶部的摄像机(CCD)。这些传感器和CCD一起构成了CASIA-I多传感器系统。它可广泛应用于医院、办公室、图书馆、科技馆、展览馆及公共场合的服务、作业、展示与娱乐等，以及个人家庭服务。另外，上海交通大学自动化所利用C++语言对GP算法在机器人沿墙移动问题进行了仿真实验，通过对移动机器人的行为策略进行符号型编码，然后对这些策略的组合进行自然选择

2、，优胜劣汰，最后进化出满足任务需要的优良个体，这些个体实际上就是机器人沿墙移动的一系列指令的有序组合。最后的仿真结果说明了应用GP算法来演化移动机器人沿墙行走行为的有效性。近年来，自主式水下机器人由于其在海底资源探测上的优势而受到各国的关注，但因为水下环境十分复杂导致一般的规划方法都难以奏效，但水下环境的拥挤程度相对较低，机器人工作在同一区域的可能性较大。这一特征恰好又有利于基于事例的规划方法[2]的应用，因此该方法被广泛地用于解决水下机器人的路径规划问题。智能机器人体系结构的研究也是机器人领域的一个引

3、人关注的课题。随着对智能和实现智能途径的看法不同，产生了不同的体系结构。比较典型的是基于功能模块划分的分层递阶体系结构和面向行为划分的包容体系结构。由于这两种方法各有各的优点，国外的一些学者们正在探讨将它们适当的结合的可能性。另外，从智能的手段上，基于联结主义的人工神经网络技术也在某些方面取得了很大的成功，所以在传统的人工智能研究的方法基础上，如何与人工神经网络技术相结合也成为国内外学者在体系结构研究中探索的一个方向。1.3论文的研究内容在对大量相关文献进行深入分析研究的基础上，提出了一种带有进步因子的

4、粒子群优化算法，并将其应用于移动机器人在静态环境下的二维平面运动中。粒子群优化算法是一种具有自组织、自合作、自学习能力的解决大规模复杂问题的优化算法。粒子群优化算法的最大特点是它能保证种群不断进化，使所求解不断变优，但它往往缺乏产生最优个体的强大能力，使搜索在接近全局最优解时速度变慢，粒子减失活力，导致陷入局部最优解。从这个角度出发，本文主要围绕增加粒子多样性，使粒子在迭代的后期也有一定的活力来跳出局部最优值来进行分析，对算法的搜索公式进行相应的改进，并将其具体应用到移动机器人路径规划中。主要研究工作包

5、括：(1)论述机器人路径规划问题的含义及国内外研究现状；分析路径规划在不同场景下的规划方法以及路径规划的一些基本问题。(2)研究标准粒子群优化算法中粒子的寻优机制，通过对粒子速度的改进和位置的约束重新改进粒子的搜索机制，并通过实验验证算法的有效性。41绪论(3)建立机器人在静态环境下的工作的模型，详细设计改进的粒子群优化算法在机器人运动环境中的算法流程。(4)实现基于改进的粒子群优化算法的路径规划设计，并分析仿真实验结果。1.4论文的章节安排本文共分为六章，各章的具体内容如下：第一章，绪论。概括论述了本

6、课题的研究背景、意义和国内外研究现况，说明论文的研究内容、主要工作和章节安排。第二章，移动机器人路径规划方法。首先综述了路径规划的定义和各种不同的路径规划方法与各自适用范围；详细叙述了移动机器人路径规划中的基本问题，包括路径规划当中的机器人空间位姿的定义，机器人环境信息的获取和表示，路径搜索方法、搜索方法的选择原则和路径规划中的避障检测。第三章，粒子群优化算法及其改进。首先介绍了粒子群优化算法的基本原理和标准粒子群优化算法的基本步骤，针对粒子群优化算法易陷入局部最优值的缺陷以及分析了前人对粒子群优化算法

7、改进的不足，提出了对粒子速度的更新公式中加入一个进步因子项来使粒子在后次迭代中获得活力，减少跳入局部最优值的机率，并对超出规定范围的粒子重新进行初始化，增加了粒子的多样性；最后采用5个常用优化函数进行了实验分析比对，验证了改进的粒子群优化算法的可行性和有效性；最后介绍了粒子群优化算法的应用领域。第四章，基于改进的粒子群优化算法的路径规划研究。根据移动机器人路径规划的特性，采用栅格法进行环境建模，用带有进步因子的粒子群优化算法进行路径寻优。在寻优过程中，对随机产生的粒子进行了有效性判断，并对生成的路径进行

8、了优化操作，设计了由多种因素决定的适应度函数，最后设置了在路径规划中改进粒子群优化算法的参数，详细叙述了基于改进粒子群优化算法的路径规划的算法步骤。第五章，仿真及结果分析。在复杂程度不同的静态环境下，进行仿真实验并对结果进行分析，首先验证了带有进步因子的粒子群优化算法的移动机器人路径规划的收敛速度和收敛稳定性，然后重点讨论了适应度函数各系数对路径规划结果的影响，将新设计的适应度函数与旧适应度函数进行了比较，最后把改进的算法与其它优化算法进行