结合粒子群算法和改进人工势场法的移动机器人混合路径规划

《结合粒子群算法和改进人工势场法的移动机器人混合路径规划》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得逝鎏盘鲎或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。学位论文作者签名：诨：原签字日期：2013年6月3日学位论文版权使用授权书本学位论文作者完全了解逝姿态堂有关保留、使用学位论文的规定，有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权迸姿盘堂可以将学位论文的

2、全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。(保密的学位论文在解密后适用本授权书)学位论文作者签名：许塬导师签名：锄签字日期：如I弓年b月3日签字日期：2Df奔学位论文作者毕业后去向：工作单位：中国工商银行浙江省分行通讯地址：杭州市中河中路150号弓日电话：15505887152邮编：310009易办致谢时光荏苒，依然记得一年前送师兄师姐离校的情景，现在到了自己研究生要毕业的时候了。本文是对研究生期间的工作的一个总结，不得不说三年的研究生生活对我的影响很大，经历了很多，也收获了很多。在即将毕业的时刻，再次向

3、所有帮助过我的老师和同学表示深深的谢意。首先，我要感谢我尊敬的导师刘山副教授。刘老师学识渊博、治学严谨，在我攻读研究生期间得到了您许多的指导和关爱。本文在撰写过程中，从论文选题、研究思路、研究方法、论文架构、论文修改到论文最终定稿都凝聚着导师的大量心血，刘老师的评点开阔了我的思路，让我在科研中少走了不少弯路。刘老师工作认真负责，为人真诚，都对我产生了深远的影响。在此还要和感谢我一起工作的实验室同学们，感谢文双全师兄、贾丙西、张黎对我学术和论文的帮助。感谢何雨辰、魏远明师弟、伍巧风师妹、王冬梅师妹，感谢师兄倪初峰、刘明烁、金博、师姐马遥。祝你们今后的学习和

4、工作顺利，天天开心!还要感谢我的父母和朋友们，谢谢你们的一路的给我的理解、支持和关爱。最后感谢在百忙之中抽出时间评阅我的论文的专家和学者们。许源二零一三年四月求是园摘要移动机器人路径规划是机器人研究领域的一个重要的内容。本文根据研究课题的需要，针对部分环境信息未知及存在动态障碍物的情况，提出了一种移动机器人混合路径规划的方法。该方法首先采用改进粒子群算法进行全局路径规划，得到一条规划路径；然后，依赖这条路径，应用人工线势场法进行局部避障，保证了移动机器人在实时避开动态障碍物的同时，尽量沿着原规划好的次优路径运行。全文主要的研究内容如下：l、对于机器人混合

5、路径规划的全局路径规划部分，本文提出了一种将粒子群算法应用到改进的栅格法中的全局路径规划的方法。该方法是提取栅格障碍物的部分有效顶点进行编码，最后将粒子群算法用在该编码上。基于此编码的方法容易克服路径规划算法中的障碍物陷阱，且能使规划算法更加简单有效，加快了粒子群算法的收敛速度。另外，随机因子的加入减小了粒子群算法陷入局部极值点的可能性。2、对于机器人混合路径规划的局部路径规划部分，本文提出了一种用改进的人工势场法作为局部规划的方法。本文在传统的位置势力场的基础上加入了速度势场和加速度势场，改进的方法能够较好地处理动态避障。另外，改进的人工势场法还加入一

6、条期望路径对机器人的吸引产生的势场，即“线势场”。由于“线势场”的存在，机器人充分利用了已经完成的规划信息，从而和本文提出的混合路径规划的全局路径规划部分紧密的结合。3、结合了全局规划和局部规划的思路，本文给出了混合路径规划方法的流程，并把该方法用到了实验室的AS．R机器人上，最后的实物实验把机器人受到的虚拟力转换为对机器人的加速度的控制。针对履带式机器人的一些不可达的加速度控制量，提出了一种期望加速度法，用次优的控制量予以替代。仿真实验和实物实验证明了本方法简单可行，适用于实际环境。关键词：移动机器人，混合路径规划，粒子群算法，改进人工势场法HThem

7、obilerobotpathphnningisakeyresearchareainrobotics．Basedontherealisticdemand，AhybridpathplanningapproachwhichintegratesParticleSwarmOptimization(Pso)andimprovedArtificialPotentialFieid(APF)isproposedinpartlyunknownanddynamicenv的nment．Atfirst,agbbalpathisobtainedbyimprovedPSOmethod

8、；andthenabcalobstacleavoidancealgorithmb