基于回归神经网络的移动机器人在线路径规划

《基于回归神经网络的移动机器人在线路径规划》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、上海交通大学博士学位论文基于回归神经网络的移动机器人在线路径规划姓名：樊长虹申请学位级别：博士专业：控制理论与控制工程指导教师：席裕庚;陈卫东20030601上海交通大学博士学位论文基于回归神经网络的移动机器人在线路径规划摘要本文在现有的移动机器人路径规划研究基础上系统地研究了基于回归神经网络(RecurrentNeuralNetworks,RNN)表示移动机器人工作空间的在线路径规划针对已有的安全路径规划中存在的过远过近或破坏完整性等问题本文给出了一种基于局部连接的回归神经网络的安全路径规划器详细分析了该R

2、NN用于路径规划时的路径存在性条件和势场极值特性表明该RNN路径规划器不存在非期望的局部吸引点能保证路径规划完整性提出了一种简洁有效的权值设计方法用以保持所规划路径的安全性折衷处理了过远和过近问题使得该规划器对2不同的环境具有一定的适应性针对已有的RNN路径规划器模拟计算复杂度为O(N)的不足(N是神经元数目)采用一种多顺序迭代方法来加速RNN中势场的传播快速形成路径针对已有的RNN规划器地图表示能力较弱并且RNN中权值和环境中具体代价之间关系不明确的特点本文给出了一种新的RNN模型用于权区域动态环境下的移动

3、机器人在线路径规划相比于已有的RNN模型新的RNN模型中降低了每个神经元节点的衰减特性对位姿空间维数的依赖从而具有更好的稳定范围且能保证规划不陷入非期望局部吸引点选取合适的参数使得该RNN模型表示高解析度地图新的回归神经网络模型便于分析权值设计和环境中的代价因素的定量联系不仅能表示普通的栅格地图还能表示普通的有向图上的最小代价路径规划本文严格分析了该RNN的数值势场特性表明该网络的稳定性和路径规划完整性相一致不会将机器人陷入非期望的局部吸引点结合对局部感知的机器人对环境探索和规划过程采用了Bayesian统计

4、方法对环境中局部路径代价和动态障碍物代价进行学习并将相应的代价映射到RNN参数上由于实际的RNN中信号传播时延存在性本文给出了含有时延的RNN模型用于路径规划研究了该RNN在有界随机时延条件下的稳定性分析离散化后相应的RNN的稳定性并详细讨论了其收敛速度和RNN参数的关系给出了较好的离散化步长用以加速离散网络的收敛为了加速RNN路径规划的模拟求解本文结合该RNN延性和约束距离变换给出了基于广度优先搜索的Gauss-Seidel迭代基于行列约束距离变换的多顺序Gauss-Siedel迭代这两种迭代方法在单处理器

5、上都能在O(N)时间内给出规划的路径加快了模拟速度使得通过单处理器模拟来实现RNN在线路径规划成为可能针对部分已知环境下的移动机器人路径规划问题研究了基于RNN的整体-局部第I页摘要路径规划方法首先给出了用于构建Voronoi图的RNN模型该RNN能分别在并行0.5复杂度O(N)和串行计算复杂度O(N)内给出保持了连通性的Voronoi图然后在该Voronoi图上进行考虑了安全因素和代价因素的整体路径规划最后讨论了一种RNN局部路径规划器的设计该整体-局部路径规划器能降低在线路径规划计算量同时保持路径规划完整

6、性最后本文以一种典型的非结构化环境下路径规划全自主中型足球机器人比赛该研究有助于对动态对抗环境下路径规划的探讨我们建立了一种包括规划层和行为层的层次结构规划层隐式地指定了不同任务行为的优先级反应式地选择任务行为行为层采用了基于通用规划的面向目标的反应式行为设计使得行为之间可以自然过渡实现了行为序列规划的隐式规划简化了行为的规划设计在FIRA2001比赛中本文的足球机器人系统规划一些较好的创发行为增强了系统的鲁棒性提高了系统在竞争中的对抗能力关键词移动机器人在线路径规划回归神经网络有效应用第II页上海交通大学博

7、士学位论文RecurrentNeuralNetworksBasedApproachestotheOnlinePathPlanningofMobileRobotABSTRACTBasedonexistingresearchoutcome,thisdissertationsystematicallydiscussestheRecurrentNeuralNetworks(RNN)representationoftheworkspaceofmobilefortheonlinepathplanning.Todealwi

8、ththe“toofar”,“tooclose”orwithoutintegrityproblemsinthesafepathplanning,wegivesthesafepathplannerbasedonlocallyconnectedRNN.TheexistingoffeasiblepathsandthemaximalpropertyofthepotentialfieldoftheRNNare