论文部分内容阅读
多移动机器人协调系统是目前机器人研究领域的热点问题。相比于单机器人,多机器人需要考虑环境感知,协调方式,控制方式,信息的沟通,动态决策等方面的问题。移动机器人研究领域的关键技术之一是路径规划,即如何通过有效的环境信息,规划出一条从起点到终点的无碰路径。对于含有多个移动机器人的系统而言,还需要考虑各个机器人的协调无碰撞问题,这是针对多机器人系统的一项基本要求。
本研究主要内容包括:⑴提出了基于进化非选择的全局环境下的路径规划算法。其基本思想是通过非选择操作来避免进化过程中劣质个体的产生,使得种群能尽快的产生较优个体,提高算法的收敛速度;同时,设计了基于启发式知识的变异算子;采用模糊逻辑控制算法自适应地调节交叉概率和变异概率。⑵提出了一种改进的人工势场法进行局部环境下的路径规划算法。该算法通过改进斥力势函数来解决传统人工势场法目标不可达的问题,同时,通过设置虚拟目标点使机器人逃离局部极小点,对于不同形状的障碍物,设置虚拟目标点的位置和个数也有所不同。⑶提出了多机器人同时进行路径规划的方法。采用双层规划算法:第一层是在第三章提到的改进的进化算法的基础上引入合作型协同进化机制,使得各个机器人在已知条件的环境中进行离线的全局路径规划;第二层是在第四章提到的改进的人工势场法的基础上,针对多机器人场景的特殊性,在机器人之间能互相通信的前提下加入了修正几何路径的策略,成功解决机器人之间避碰的问题。
本研究主要内容包括:⑴提出了基于进化非选择的全局环境下的路径规划算法。其基本思想是通过非选择操作来避免进化过程中劣质个体的产生,使得种群能尽快的产生较优个体,提高算法的收敛速度;同时,设计了基于启发式知识的变异算子;采用模糊逻辑控制算法自适应地调节交叉概率和变异概率。⑵提出了一种改进的人工势场法进行局部环境下的路径规划算法。该算法通过改进斥力势函数来解决传统人工势场法目标不可达的问题,同时,通过设置虚拟目标点使机器人逃离局部极小点,对于不同形状的障碍物,设置虚拟目标点的位置和个数也有所不同。⑶提出了多机器人同时进行路径规划的方法。采用双层规划算法:第一层是在第三章提到的改进的进化算法的基础上引入合作型协同进化机制,使得各个机器人在已知条件的环境中进行离线的全局路径规划;第二层是在第四章提到的改进的人工势场法的基础上,针对多机器人场景的特殊性,在机器人之间能互相通信的前提下加入了修正几何路径的策略,成功解决机器人之间避碰的问题。