论文部分内容阅读
移动机器人路径规划技术是机器人领域的一个重要研究内容。本文针对基于环境模型的全局路径规划展开研究,根据已知的环境信息,应用多种仿生智能算法规划一条路径;然后,根据这条路径机器人在安全的避开未知的障碍物的同时尽量的按照这条路径行驶,若偏离原始路径达到某个阈值,则可能重新请求新的路径规划。本文主要研究内容如下:1、本文是重点基于环境信息的路径规划,在原有的栅格环境法的基础上提出两个方面的修改,一是不再将机器人看做一个质点,栅格环境生成障碍物栅格时考虑了机器人的尺寸问题;二是采用了基于有效顶点的栅格环境模型,并给出了详细的检测算法流程。这一方法的引入使得路径规划从模型上避免了 U型槽类的问题,使算法陷入局部收敛的概率的减小。2、对于路径规划算法部分,本文重点研究了蚁群算法(ACO)和生物地理学优化算法(BBO)的参数作用及其在最小路径规划的应用方法。本文对基本算法做了多方面的改进从而使他们在路径规划中的稳定性、误差率和时效性上都表现突出。对ACO的改进方面包括:信息素限制策略、精英蚂蚁策略、动态参数调整、局部路径检测优化和双向搜索机制;对BBO算法的改进除了 ACO中已运用的局部路径检测优化和双向搜索机制,还加入了精英岛屿策略和降维机制。3、BBO算法、PSO算法、AFSO算法和ABC算法在很大程度上相似,BBO算法的改进方法和思想大多在PSO、AFSO和ABC上适用,经过改进后的5个算法进行横向比较,从统计学上分析了5个算法在不同环境模型下的算法稳定性、求解能力(误差率)、时效性和鲁棒性。4、以面向用户需求的角度提出了一个评价准则矩阵,为用户路径规划时提供了方便的选择智能算法的方法,并在一个实际的环境中测试了该方法。本文有以下内容属创新点:1、五种算法都采用的双向搜索方法,提出了新的搜索方案,加快了路径的搜索速度;2、提出了降维机制,BBO、ABC、AFSA和PSO应用于路径规划时采用降维机制有效降低算法的耗时;3、提出了面向用户的算法选择方法,机器人请求路径规划时只需提供对规划算法的性能要求就可以为机器人选择最适合的搜索算法。