SHAA移动机器人实时神经网络路径规划算法

《SHAA移动机器人实时神经网络路径规划算法》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、——坚型查堂堡主兰垡丝塞SHAA移动机器人实时神经网络路径规划算法控制理论与控制工程专业研究生：龙海燕指导教师：汪道辉教授实时路径规划一直是移动机器人研究的重要课题。本论文从Hodgkin和Huxley(1952)生物神经系统的隔膜模型及GROSSBERG(1973)的逃避模型中得到启发，提出了在非静态环境下实时避障的移动机器人路径规划SHM神经网络算法。SHAA神经网络算法模型是一种拓扑式组织结构，每个神经元的激活值由相应的逃避方程式或其附加方程式来表达。在SHM算法模型中，通过描述神经元网络

2、的神经动态激活值地形图来刻划机器人的动态变化环境，它不需要任何动态环境的前一时刻信息，而只需通过神经动态激活值地形图就能实时地找出机器人最优行进路线；在SHAA中没有复杂的搜索过程、没有复杂的优化过程、也不需要自学习过程。因而，SHAA算法是一种十分有效、简便的、计算量较少的算法。SHAA算法计算的复杂程度线性地依赖于神经网络的规模大小。此外本文通过对此神经网络模型进行定性分析及李雅普洛夫稳定性分析，从而得到其稳定性及收敛性的保证。通过对周边神经网络元的兴奋及抑制作用，带有安全因素考虑的SHM实

3、时最优路径规划算法可以为机器人实时地找寻到一条既不“太远”，又不“太近”的最安全的路径。本论文所开发的sH从算法可应用于质点机器人、多关节机械手、和多机器璺型查堂堡主兰垡兰苎人系统。其中实时全路径覆盖sHAA算法是一种特殊的目标生成算法，引导机器人移动并覆盖工作空间中的每个地方。这种算法可以应用于地面清洁机器人、喷漆机器人、探矿机器人、割草机器人和幕墙清洁机器人等当中。关键词：神经网络路径规划机器人SHAA算法————』!型奎兰堡主堂堡笙塞SHAANEURALNETWORKAPPROACHEST

4、OREAL——TIMEMOTIONPLANNINGOFMOBILEROBOTSTheControlTheoryandControlEngineeringSpecialtyGraduate：LongHaiYanAdviser：WangbaohuiProfessorReal—timemotionplannlngarefundamentallyimportantinmobiierobots．InthiSthesiS，aframework，basedonHodgkinandHuxley(1952)bio

5、]ogicallYinspiredneuralnetworks，iSdevelopedforreal-timerobotmotionplanningwithobstacleavoidanceinanonstationaryenvironment．Eachneuroninthetopo]oglcallyorganizedneuralnetworkischaracrerizedbyashun￡ingequationoranadditiveequation．Thereal—timeoptimalrob

6、otmotioniSplannedthroughthedynamiCactivitylandscapeoftheneuralnetworkwithoutexplicitlyoptfmizinganycostfunctjOnS，witboutanypriorknowledgeofthedynamicenvironment，WithoutanyIearnjngprocedures，andwithoutany10calcollisioncheckingproceduresateachStepofrob

7、otmovement．ThereforetheproposedalgorithmsarecomputationaljYefficient．Thecomputationa]complexity1inearlydependsontheneuralnetworkSize．TheglobalstabilityandconvergenceoftheneuralnetworksystemiSgaranteedbybothqualitativeanalysiSandtheLyapunovstabllityth

8、eory，Theplannedreal—timerobotmotionwithsafetyconsfderationdoesnotsufferfromeitherthe“toofar”orthe“tooclose”problems．ThedevelopedSHAAalgorithmscanbeagllledtopointmobi_le四川大学硕士学位论文robots，manipulationrobots，andmulti—robotsystems．TheSHAAforreal—timeCompl