基于行为的移动机器人智能避障系统研究

《基于行为的移动机器人智能避障系统研究》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、武汉理T大学硕+学位论文摘要随着生产和科技的发展，移动机器人越来越广泛的被应用到生产生活的各个方面，其所面临的环境也越来越复杂。早期的移动机器人研究大多是在已知的、结构化的环境中开展的，对移动机器人的周围环境事先有精确的了解。在非结构化环境下，精确以及完整的环境知识的缺乏也限制了常规的控制方法应用于自主机器人领域。在动态多变的复杂环境中，机器人系统如果要完成复杂的任务，必需要有一定的自主避障能力。本文的研究工作主要是针对在未知的、非结构化环境中的移动机器人自主避障系统的设计、仿真与实验。论文首先对国内外智能移动机器人的避障问题研究状况和发展趋势进行了分析，然后对移动机器人行为控

2、制的方法进行了综述，指出自主避障的能力是移动机器人智能化程度的重要指标，也是智能机器人安全行驶的重要条件。传统的控制算法通常依赖于被控对象精确的数学模型和完整全面的环境信息。当环境信息不全或未知，被控对象的数学模型难以确定时，避障效果往往不能令人满意。针对上述情况，本文开展了基于行为的自主避障系统的研究和设计。把模糊控制理论和基于行为的控制方法结合起来，设计了一系列的基本行为模式，并用模糊控制的方法对主要行为进行控制。系统分别建立了各模式的控制器，对转角和速度进行控制。各个基本行为通过行为的切换或融合，进而产生新的更复杂的行为，完成更复杂的任务。对常用的两种行为协调方法：行为竞

3、争的方法和行为融合的方法进行了改进并加以对比。分析了两种方法各自的特点，指出了其适用范围。通过几种典型障碍物环境下的避障实验仿真，验证了改进后的行为协调方法具有良好鲁棒性、实时性，取得了良好的避障效果。为便于检验算法的效果，自行设计开发了用于移动机器人避障系统的仿真软件。通过数学建模模拟超声波传感器，使仿真系统中移动机器人可以实时检测到周围环境的变化。同时该软件还可以将移动机器人的实时数据保存到文本文件中，便于后期对数据进行分析及程序优化。最后，将基于行为的避障策略移植到移动机器人小车的DSP主控制器中，在单障碍物和多障碍物的环境中进行实验，取得了预期的效果，进一步证明了算法的

4、有效性。关键词：基于行为；移动机器人；避障；模糊控制；武汉理工大学硕士学位论文AbstractWiththedevelopmentofproductionandscience，mobilerobotismoreandmorewidelyappliedinmanyaspectsoflife，theenvironmentit’Sfacingalsobecomingmoreandmorecomplicated．Earlymobilerobotresearchwereadvocatedinknown,structuredenvironmentsandtheenvironmentsurr

5、oundedthemobilerobotWasaccurateunderstoodbeforehand．Inunstructuredenvironment，lackofaccurateandcompleteknowledgeoftheenvironmentlimitedtheconventionalcontrolmethodappliedtoautomaticrobot．Inthecomplexdynamicchangeableenvironment，therobotmusthavecertainautonomousobstacle-avoidingabilitytofinis

6、hcomplextask．Thisstudyismainlythedesign，simulationandexperimentalattheunknown，unstructuredenvironmentoftheautonomousmobilerobotobstacleavoidancesystem．Firstly,theobstacle—avoidanceproblemanddevelopmenttrendofintelligentmobilerobotsathomeandabroadareanalyzedinthisthesis，thenthebehaviorcontrol

7、methodsofmobilerobotsissummarized，pointedoutthatthecapacityofautonomousobstacleavoidanceofmobilerobotisnotonlyanimportantintelligenceindicators，butalsoanimportantconditionforsafedrivingforintelligentrobot．Traditionalcontrolalgorithmisusuallydepende