机器人动态路径规划与协作路径规划研究

论文摘要

路径规划是机器人研究领域中的重要内容。本文基于研究课题实际需求,针对机器人在动态环境下的路径规划问题和多机器人系统的静态环境协作路径规划问题进行了深入探索。最终的解决方案在保留了人工势场法和遗传算法这两种传统算法优点的基础上,针对算法本身的不足,借鉴栅格法、搜索算法等思想,提出了改进或创新,并进行了仿真实验;试验结果证明算法在可靠性和有效性方面表现良好。全文的主要内容如下:1.针对单移动机器人,提出了一种改进人工势场法,适用于动态环境的避障路径规划。同时,文章还讨论了机器人跟踪目标的软着陆需求、人工势场法固有的局部极小等细节问题。仿真实验结果表明,改进人工势场法不仅能可靠的得到避障规划路径,由于还考虑到物体之间的相对速度信息和相对加速度信息,得到的规划路径更加有效,减少了不必要的路径浪费。最后,进行了针对多机器人场景的仿真实验,进一步证明了算法的有效性。2.针对多机器人协作系统,提出了一种新的混合定点转动和遗传算法的方法,解决其协作路径规划问题。该方法不仅利用遗传算法并行计算、不易陷入局部最优的优点,具备概率上寻找全局最优解的能力,同时结合了定点转动法易实现,有效减少单机器人路径浪费的优点。仿真实验结果表明,该规划方法运算速度较快,在得到有效规划路径的同时,也易于实现对单机器人的控制。3.针对特殊窄道,提出了可以替代遗传算法的全环境建模搜索算法实现多机器人协作路径规划。通过在整个搜索环境中的不同子环境使用不同的细分层级完成建模,使得算法能够根据窄道信息从粗规划到细规划逐步递进,提高了算法的空间效率和时间效率。

论文目录

• 致谢
• 摘要
• ABSTRACT
• 第1章 相关理论及国内外研究现状
• 1.1 前言
• 1.2 机器人研究现状
• 1.2.1 移动机器人分类及主要研究课题
• 1.2.2 多机器人协作系统分类及主要研究课题
• 1.2.3 国内外研究现状
• 1.3 路径规划相关算法
• 1.3.1 移动机器人的路径规划
• 1.3.2 多机器人协作系统的路径规划
• 1.4 研究背景
• 1.5 本文的主要内容
• 第2章 动态环境中的移动机器人路径规划
• 2.1 前言
• 2.2 算法描述
• 2.2.1 传统人工势场法概述
• 2.2.2 改进人工势场法阐述
• 2.2.3 软着陆及局部极小问题的讨论
• 2.3 仿真分析
• 2.3.1 无障碍物情况下的目标追踪
• 2.3.2 有障碍物情况下的目标追踪
• 2.4 本章小结
• 第3章 多机器人协作系统路径规划
• 3.1 前言
• 3.2 问题描述
• 3.3 基于遗传算法的路径规划
• 3.3.1 遗传算法基本介绍
• 3.3.2 具体算法描述
• 3.3.3 仿真结果及分析
• 3.4 基于定点转动法的路径规划
• 3.4.1 定点转动法基本介绍
• 3.4.2 具体算法描述
• 3.4.3 仿真结果及分析
• 3.5 基于定点转动-遗传算法的路径规划
• 3.5.1 算法描述
• 3.5.2 仿真结果及分析
• 3.6 本章小结
• 第4章 多机器人协作系统窄道环境路径规划讨论
• 4.1 前言
• 4.2 全环境建模搜索算法描述及仿真分析
• 4.2.1 算法描述
• 4.2.2 算法分析及拓展
• 4.2.3 仿真分析
• 4.3 窄道环境下多机器人协作路径规划方法总结
• 4.4 本章小结
• 第5章 总结与展望
• 5.1 工作总结
• 5.2 进一步工作展望
• 参考文献
• 攻读硕士学位期间取得的科研成果和参与的项目
• 作者简历