基于粒子群算法的迷宫电脑鼠应用研究

基于粒子群算法的迷宫电脑鼠应用研究

论文摘要

融合了红外传感,电机控制,智能算法等技术的电脑鼠是一种智能自主移动机器人,电脑鼠在迷宫中,探查周边环境、选择逃生路径则可以归结到路径规划的范畴。移动机器人路径规划是机器人技术中一个重要研究领域,得到了很多研究者的关注,并取得了一系列重要成果。路径规划问题是指自主移动机器人在未知的、复杂的环境中自主规划起点至终点的路径,并且躲避障碍。迷宫电脑鼠的路径规划是智能移动机器人路径规划中的典型应用。由于迷宫环境的特殊性,迷宫电脑鼠的路径规划有着比一般避障路径规划算法更加复杂的要求。(1)以功能强大的ARM7系列32位微处理器LPC2138为控制芯片制作出符合标准的电脑鼠,电脑鼠用直流电机做驱动装置,由集成CMOS管组成的H桥电路驱动直流电机,采用红外一体化发射接收器作传感器,完成了电脑鼠的制作。(2)本论文研究了一些经典的方法,对人工势场法、栅格法的路径规划进行了概述;在研究了国内外智能机器人路径规划技术的基础上,根据机器人路径规划算法的研究现状和向智能化、仿生化发展的趋势,论述了基于粒子群算法的机器人路径规划方法,指出了经典方法应用于电脑鼠的不足,同时指明了粒子群算法应用于电脑鼠的优势。(3)对粒子群算法概述,通过对三个有约束条件的函数最优值的求解验证了粒子群算法的优点;按照粒子群算法的基本思想,对迷宫进行规划,把迷宫转化为数字式的表示方法,并建立严谨的适配值函数,通过仿真实验,求解出了迷宫的最优路径,电脑鼠能用这个最优路径到达终点,整个过程用时最短。最后,对全文工作进行了总结,并对机器人技术和路径规划算法的研究进行了展望。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题研究的背景和意义
  • 1.1.1 课题研究的背景
  • 1.1.2 迷宫电脑鼠研究的学术价值
  • 1.1.3 路径规划的意义
  • 1.2 国内外研究现状
  • 1.2.1 迷宫电脑鼠的发展
  • 1.2.2 粒子群算法的发展
  • 1.3 课题研究的主要内容
  • 1.3.1 课题研究的主要内容和方法
  • 1.3.2 课题研究面临的主要难点
  • 1.4 论文的章节安排
  • 1.5 本章小结
  • 第二章 电脑鼠总体设计规划
  • 2.1 电脑鼠的功能和特点
  • 2.2 系统总体设计流程框图
  • 2.3 系统机身结构框图
  • 2.4 系统硬件电路流程图
  • 2.5 基本驱动软件进展流程
  • 2.6 搜寻策略软件系统进展流程
  • 2.7 本章小结
  • 第三章 系统硬件设计
  • 3.1 迷宫电脑鼠的机身设计
  • 3.2 电源的选择
  • 3.3 电机的比较与方案选择
  • 3.3.1 直流电机与步进电机的比较
  • 3.3.2 电机选择
  • 3.4 电机驱动的比较与方案的选择
  • 3.4.1 H 桥电路简介
  • 3.4.2 几种典型H 型电路的分析与比较
  • 3.5 集成CMOS 管组成的H 桥驱动电路
  • 3.6 测速电路模块设计
  • 3.7 挡板检测部分方案选择
  • 3.7.1 方案的比较与选择
  • 3.7.2 传感器检测电路
  • 3.8 人机交互界面电路设计
  • 3.9 电脑鼠控制器设计
  • 3.9.1 LPC2138 最小系统设计
  • 3.9.2 JTAG 接口电路
  • 3.9.3 复位电路
  • 3.9.4 最小系统及各引脚分配
  • 3.10 本章小结
  • 第四章 迷宫机器人的路径规划
  • 4.1 移动机器人路径规划概述
  • 4.2 移动机器人的路径规划方法
  • 4.2.1 移动机器人路径规划的经典方法
  • 4.2.2 移动机器人路径规划的智能方法
  • 4.3 基于粒子群算法的机器人路径规划
  • 4.4 本章小结
  • 第五章 迷宫电脑鼠的控制算法设计
  • 5.1 迷宫场地的简单介绍
  • 5.2 迷宫的表示
  • 5.3 迷宫机器人常用搜寻法则和策略
  • 5.3.1 迷宫搜寻法则
  • 5.3.2 迷宫搜寻策略
  • 5.4 求解迷宫问题的经典算法
  • 5.4.1 迷宫的广度优先搜索法
  • 5.4.2 迷宫的深度优先搜索法
  • 5.5 粒子群算法的应用
  • 5.5.1 粒子群算法的起源与研究进展
  • 5.5.2 基本粒子群算法的原理和数学模型
  • 5.5.3 基本粒子群算法的实现步骤及程序结构流程
  • 5.5.4 粒子群算法与遗传算法性能测试比较
  • 5.6 粒子群算法解迷宫问题
  • 5.6.1 迷宫最优路径问题
  • 5.6.2 数学模型的建立
  • 5.6.3 粒子位置和速度初始化
  • 5.6.4 算法步骤
  • 5.6.5 粒子群算法在迷宫中的实现
  • 5.6.6 仿真结果与分析
  • 5.6.7 粒子群算法面临的主要问题
  • 5.7 本章小结
  • 第六章 迷宫电脑鼠的软件设计与调试
  • 6.1 控制系统软件综述
  • 6.2 电脑鼠主程序
  • 6.2.1 等待状态
  • 6.2.2 启动状态
  • 6.2.3 粒子群算法搜索状态
  • 6.2.4 冲刺状态
  • 6.3 底层驱动程序设计
  • 6.3.1 初始化模块
  • 6.3.2 电机PWM 驱动程序设计
  • 6.3.3 迷宫挡板检测
  • 6.3.4 沿跑道中线前进的姿势修正程序
  • 6.3.5 电脑鼠前进一格程序设计
  • 6.3.6 电脑鼠转弯程序设计
  • 6.4 本章小结
  • 第七章 总结和展望
  • 7.1 课题总结
  • 7.2 未来展望
  • 参考文献
  • 致谢
  • 附录 A 电路图
  • 附录 B 实物图
  • 附录 C 电脑鼠的比赛规则
  • 个人简历和在读期间发表的学术论文
  • 相关论文文献

    • [1].电阻率测深数据的粒子群算法反演[J]. 红水河 2019(06)
    • [2].以云计算资源为基础实现粒子群算法的优化[J]. 电子技术与软件工程 2019(24)
    • [3].基于改进粒子群算法的机组负荷优化分配研究[J]. 科技创新导报 2019(28)
    • [4].基于改进粒子群算法的工程项目多目标集成管理研究[J]. 价值工程 2020(05)
    • [5].改进粒子群算法应用于挖掘机铲斗位置控制[J]. 机械设计与制造 2020(02)
    • [6].基于改进量子粒子群算法的输电网规划[J]. 计算机产品与流通 2020(02)
    • [7].基于改进粒子群算法的主动配电网网架优化研究[J]. 电气应用 2020(01)
    • [8].采用改进粒子群算法优化的涡轮增压器节能研究[J]. 中国工程机械学报 2020(01)
    • [9].进化粒子群算法在航空发动机模型求解中的应用[J]. 工程与试验 2019(04)
    • [10].粒子群算法在金融风险模型中的研究与改进[J]. 吉林大学学报(信息科学版) 2020(02)
    • [11].基于改进的粒子群算法求解供应链网络均衡问题[J]. 运筹与管理 2020(02)
    • [12].基于粒子群算法的航班座位自动分配系统[J]. 科技创新导报 2019(36)
    • [13].一种求解电力系统无功优化的改进粒子群算法[J]. 电工技术 2020(12)
    • [14].基于改进粒子群算法的主动微波遥感土壤水分反演方法研究[J]. 河南农业 2020(17)
    • [15].基于混合粒子群算法的注塑机电液伺服系统控制研究[J]. 机床与液压 2020(16)
    • [16].基于量子粒子群算法的大型阵稀疏优化方法[J]. 航空科学技术 2020(08)
    • [17].基于粒子群算法的函数复杂度分类法[J]. 控制工程 2020(08)
    • [18].协同粒子群算法下的火工品参数辨识[J]. 企业科技与发展 2020(09)
    • [19].基于家庭角色视角下家庭粒子群算法研究——评《家庭粒子群算法:方法、理论与性能分析》[J]. 中国科技论文 2020(09)
    • [20].基于混合粒子群算法的双离合变速器参数优化设计[J]. 吉林大学学报(工学版) 2020(05)
    • [21].惯性权重矩阵下的自适应粒子群算法分析[J]. 黑龙江工程学院学报 2020(05)
    • [22].基于改进粒子群算法的有效大数据多标准过滤系统设计[J]. 电子设计工程 2020(20)
    • [23].浅谈粒子群算法的应用[J]. 计算机产品与流通 2019(11)
    • [24].基于粒子群算法的最优值求解[J]. 科技广场 2017(12)
    • [25].基于混合粒子群算法的船舶稳定性分析[J]. 舰船科学技术 2018(14)
    • [26].自适应粒子群算法在模拟电路故障诊断中的应用[J]. 软件导刊 2017(02)
    • [27].基于改进量子粒子群算法的电力系统经济调度仿真研究[J]. 实验技术与管理 2017(03)
    • [28].改进的粒子群算法在云计算下的数据挖掘中的研究[J]. 科技通报 2017(04)
    • [29].基于改进粒子群算法的移动机器人路径规划[J]. 传感器与微系统 2017(05)
    • [30].一种基于模拟退火-改进二进制粒子群算法的测试优化选择方法[J]. 水下无人系统学报 2017(03)

    标签:;  ;  ;  

    基于粒子群算法的迷宫电脑鼠应用研究
    下载Doc文档

    猜你喜欢