轮式移动机器人避障行为研究

《轮式移动机器人避障行为研究》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、摘要近来，越来越多的人开始研究轮式移动机器人，而移动机器人的避障行为是人们研究的一个重要方面，本文对轮式移动机器人的避障行为进行了研究、仿真和实验，主要研究工作包括：(1)提出了一种运用基于神经网络的强化学习算法解决轮式移动机器人避障问题的方法。Q一学习是一种类似于动态编程的强化学习方法，而神经网络有强大的能力来储存Q值，把这两种方法与确保自主移动机器人在复杂、未知的环境下工作这一目的结合起来，在轮式移动机器人模型上进行仿真试验，结果验证：运用基于神经网络的强化学习的仿真机器人能够明显加强自身的学习能力，从而在复杂的环境中

2、完成指定的任务。(2)介绍了一种基于分层思想的强化学习方法，将机器人的复杂行为分解为一系列简单的行为进行离线独立学习，并分别设计了每个层次的结构、参数及函数，然后将该方法应用于轮式移动机器人避障问题研究，将避障问题分解为躲避静态和动态障碍物以及向目标点靠近三个子行为分别进行学习，实现了机器人的自主避障。(3)提出了一种以AVR单片机为主控制器的轮式移动机器人整体设计方案，完成了从主体电路设计、电路板制作、程序编写和调试的整个过程，将避障算法应用于机器人，使其实现避障功能。研究轮式移动机器人的避障行为，对于机器人实现自主化、

3、智能化具有十分重要的意义。关键词轮式移动机器人；避障行为；神经网络；强化学习；分层强化学习北京=r=业大学工学硕七学位论文AbstractRecently,morcandmorepeoplestarttostudywheeledmobilerobot，andthebehaviorofrobotavoidingobstaclesis011Cimportantaspectthatpeoplestudyabout．Thecontributionofthisthesisisthesimulationandtestingofwhee

4、ledmobilerobotavoidingobstacles．TheiBaincontentsandrelatedoriginalachievementsareasfollows：Firstly,anapproachtotheproblemofwheeledmobilerobotobstacleavoidanceusingreinforcementlearningneuralnetworkisproposedinthispaper．WeintegrateQ—learningandtheneuralnetworkwitht

5、heaimtoensureautonomousrobotbehaviorincomplicatedunknownenvironment．ThesimulationismadebasedonthewheeledmobilerobotandtheresultsshowthatthesimulatedrobotusingthereinforcementleamingneuralnetworkCanenhanceitslearningabilityobviouslyandCanfinishthegiventaskinacomple

6、xenvironment．Secondly,anideaofhierarchicalreinforcementlearningalgorithmisproposedthatdecomposingthecomplicatedproblemintoaseriesofsimpleportionstobelearnedindependently．Thestructures，parametersandfunctionsofeverylevelaredesigned．Thenthemethodisusedforadaptiveacti

7、onfusionofwheeledmobilerobotinanobstacleavoidancetaskbydecomposingitintoavoidingstaticanddynamicobstacleandclosingtoobjectactions．Thirdly,onekindofwheeledmobilerobotisdesigned．wimAVRsinglechipasthemastercontroller．Theentireprocessofmaincircuitdesign,PCBmaking，prog

8、ramming，compilinganddebugginghasbeendone．ThenWeapplytheprogramofavoidingobstaclestotherobotandlettherobotavoidobstacles．Thestudyofavoidingobstaclesbehav