基于蚁群算法的移动机器人动态路径规划

论文摘要

移动机器人技术是近年来的研究热点,路径规划是移动机器人导航技术中不可缺少的重要组成部分。它要求机器人根据给予的指令及环境信息自主地决定路径,避开障碍物,实现任务目标。路径规划是移动机器人完成任务的安全保障,同时也是移动机器人智能化程度的重要标志。蚁群算法是最新发展的一种模拟昆虫王国中蚂蚁群体智能行为的仿生优化算法,它具有较强的鲁棒性、优良的分布式计算机制、信息正反馈等特点。如今这一新兴的仿生优化算法已经成为人工智能领域的一个研究热点。路径规划与蚁群搜索食物的过程有着天然的联系,将蚁群算法运用到路径规划中具有很大的合理性。结合移动机器人路径规划问题的特点,将基本蚁群算法的随机性概率转移和确定性转移相结合进行节点转移,更有效地利用了路径搜索的先验信息;每轮搜索循环后只对较优蚂蚁路径进行信息素更新,使蚁群的搜索行为能够较快地集中到较优解的附近,提高了算法的搜索效率;对蚂蚁在搜索路径过程中出现无后继转移节点的问题进行了处理,增强了算法在复杂障碍物环境中搜索路径的稳定性。并借鉴自动控制的思想,采用位置反馈,运动方向预测,路径重规划的方法来处理存在动态障碍物环境下的避障和路径规划问题。最后用MATLAB编写仿真程序,分别在静态和动态障碍物环境下进行仿真。仿真结果表明,该算法能够较快地在各种不同的障碍物环境里规划出一条较优的无碰撞安全路径,证明了算法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 前言
• 1.1 路径规划的研究现状
• 1.2 课题的提出
• 1.3 论文的主要工作
• 1.4 论文的组织结构
• 第二章 移动机器人路径规划技术
• 2.1 移动机器人技术简介
• 2.2 国内外移动机器人技术发展概况
• 2.2.1 国内移动机器人技术发展概况
• 2.2.2 国外移动机器人技术发展概况
• 2.3 移动机器人路径规划方法
• 2.3.1 传统规划方法
• 2.3.1.1 可视图法
• 2.3.1.2 自由空间法
• 2.3.1.3 栅格法
• 2.3.1.4 人工势场法
• 2.3.1.5 拓扑法
• 2.3.2 智能规划方法
• 2.3.2.1 模糊逻辑法
• 2.3.2.2 遗传算法
• 2.3.2.3 神经网络法
• 2.3.2.4 蚁群算法
• 第三章 蚁群算法及其改进
• 3.1 基本蚁群算法概述
• 3.1.1 蚁群算法简介
• 3.1.2 蚁群算法的产生
• 3.2 基本蚁群算法模型的建立
• 3.3 基本蚁群算法的实现
• 3.4 蚁群算法的参数优化问题
• 3.5 蚁群算法的改进
• 3.5.1 将确定性转移和随机比例规则转移相结合进行节点转移
• 3.5.2 只对较优蚂蚁路径进行信息素更新
• 3.5.3 蚂蚁无后继转移节点问题的处理
• 3.5.4 将以上3 处改进同时加入蚁群算法
• 3.5.5 改进蚁群算法的实现
• 3.5.6 算法参数分析
• 第四章 移动机器人动态路径规划
• 4.1 机器人路径规划问题
• 4.1.1 路径规划问题的描述
• 4.1.2 路径规划问题图像栅格环境模型的建立
• 4.1.3 图像栅格环境中栅格号的处理
• 4.1.4 机器人的可转移方向
• 4.2 基于改进蚁群算法的全局路径规划
• 4.2.1 可转移节点的处理
• 4.2.2 信息素存储处理
• 4.2.3 基于改进蚁群算法的全局路径规划的实现
• 4.3 路径规划的局部避碰策略
• 4.3.1 机器人与障碍物的相对运动分析
• 4.3.2 局部避碰策略
• 4.4 动态路径规划
• 4.4.1 全局路径规划和局部避碰相结合的动态路径规划策略
• 4.4.2 动态路径规划的实现
• 第五章 动态路径规划的仿真结果与分析
• 5.1 仿真环境
• 5.2 存在已知静态障碍物环境的路径规划仿真
• 5.3 存在已知静态障碍物和未知动态障碍物环境的路径规划仿真
• 5.3.1 存在一个未知动态障碍物情况下的仿真
• 5.3.2 存在多个未知动态障碍物情况下的仿真
• 第六章 结论与展望
• 6.1 本论文研究总结
• 6.2 前景展望
• 致谢
• 参考文献
• 攻读硕士研究生期间取得的研究成果