足球机器人系统的分析与研究

论文摘要

足球机器人系统(RSS)就是一个典型的开放式、分布式、动态的、实时的多机器人系统，它涉及到视觉技术，智能控制技术，知识处理技术，人工生命、遗传学等技术，是这些技术的集成。 路径规划在足球机器人系统中占有很重要的地位，是机器人研究领域中的一个重要分支，而且成为移动机器人领域的一个研究热点。 遗传算法是一种人工智能方法，本文将遗传算法应用于足球机器人的路径规划中。首先在笛卡尔坐标系下建立了机器人的运动方程，采用面积法判断比赛场上的其它机器人是否是障碍物。基于遗传算法的寻优路径策略，通过随机产生的m条路径进行选择、交叉、变异、优化组合，利用遗传算法的优胜劣汰、适者生存的自然选择原理，选择出适应值达到一定标准的一条优化路径。最后用仿真平台对本文设计的路径规划算法进行实验仿真，并且通过在FIRA 3vs3平台上进行实物验证，结果表明该算法满足了比赛的实时性要求，适用于动态环境下的路径规划，证明本文设计的方法是合理有效的。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 引言
• 1.2 选题背景与研究意义
• 1.2.1 足球机器人比赛简介
• 1.2.2 足球机器人路径规划的研究意义
• 1.3 国内外研究现状
• 1.4 本文主要研究内容
• 1.5 本章小结
• 第2章 足球机器人系统
• 2.1 机器人足球比赛系统的分类
• 2.2 足球机器人系统体系结构
• 2.2.1 机器人（小车）子系统
• 2.2.2 通讯子系统
• 2.2.3 视觉子系统
• 2.2.4 决策子系统
• 2.3 本章小结
• 第3章 足球机器人路径规划典型方法研究
• 3.1 人工势场法
• 3.1.1 势场函数的确定
• 3.1.2 对人工势场法的评价
• 3.2 栅格法
• 3.2.1 栅格法原理
• 3.2.2 使用栅格法进行路径规划
• 3.2.3 对栅格法的评价
• 3.3 遗传算法
• 3.3.1 遗传算法原理
• 3.3.2 使用遗传算法进行路径规划
• 3.3.3 遗传算法的评价
• 3.4 神经网络算法
• 3.4.1 神经网络原理
• 3.4.2 神经元和神经网络的结构
• 3.4.3 用神经网络进行路径规划
• 3.4.4 对神经网络的评价
• 3.5 各种方法综合分析
• 3.6 本章小结
• 第4章 遗传算法原理
• 4.1 遗传算法简介
• 4.2 遗传算法的理论基础
• 4.2.1 模式定理
• 4.2.2 积木块假设
• 4.2.3 收敛性分析
• 4.2.4 遗传算法的性能评价
• 4.3 遗传算法的组成
• 4.3.1 编码
• 4.3.2 初始群体的生成
• 4.3.3 评价函数
• 4.3.4 遗传操作算子
• 4.3.5 算法终止条件
• 4.3.6 算法参数设置
• 4.4 遗传算法的改进方向
• 4.5 本章小结
• 第5章 环境建模与显示
• 5.1 环境建模
• 5.2 运动方程的建立
• 5.3 障碍物的描述
• 5.4 仿真显示
• 5.5 本章小结
• 第6章 基于遗传算法的路径规划的实现
• 6.1 初始设置
• 6.1.1 初始种群设置
• 6.1.2 障碍物检测
• 6.1.3 初始参数设置
• 6.2 适应度函数设置
• 6.3 遗传操作
• 6.4 本章小结
• 第7章 路径规划的仿真与实现
• 7.1 仿真环境
• 7.2 遗传代数不同对算法的影响
• 7.3 障碍物变化对路径规划的影响
• 7.4 r,g 坐标的变化对路径规划的影响
• 7.5 动态环境下的实物实验
• 7.6 实验结论
• 7.7 本章小结
• 结论
• 致谢
• 参考文献