基本护肤步骤-关于残疾人的作文

２９８
系统仿真技术反其应用・第１０卷
基于Ｍａｔ
Ｉ
ａｂ的 智能机器人路径规划仿真
王菁华１崔世钢１罗云林２
（１．天津工程师范学院自动化与电气工程 学院．天律．３００２２２；２．中国民航大学航空自动化学院，天津．３００３００）
摘要：本文充分 考虑运动障碍物的随机性，研究了随机运动障碍物的位置分布规律。并结合其具有・｝贾性的特点，提出了对智能机器人运动路线进行逐步判别的“直线一切线一垂线”综合路径规划方法．计算机仿真表明，该算法是一 种正确．高效．
实用的算法，对研究智能机器人绕过随机运动障碍具有一定的参考价值．
关犍词 ：智能机器人；“直线一切线一垂线”路径规划；随机障碍物；计算机仿真
中图分类号：ＴＰ２４
Ｓｉｍｕｌａｔｉｏｎ
ｏｆ
ａ
Ｃｏｍｐｒｅｈｅｎｓｉｖｅ
Ｐａｔｈ
Ｐｌａｎｎｉｎｇ
ｆｏｒ
Ｉｎｔｅｌｌｉｇｅｎｔ
ＴｏｂｏｔＢａｓｅｄ
Ｗ ａｎｇ
Ｊｉｎｇ・－ｈｕａ
（１．Ａｕｔｏｍａｔｉｏｎ
ａｎｄＥｌｅｃｔｒｉｃａｌ
Ｅｎｇｉｎｅｅｒｉｎｇ
ｏｎ
Ｍａｔｌａｂ
ＬｕｏＹｕｎ・－Ｌｉｎ
ａｎｄ
Ｃｕｉ
Ｓｈｉ・・ｇａｎｇ
Ｃｏｌｌｅｇｅ．Ｔｉａｎｊｉｎ
Ｕｎｉｖ ｅｒｓｉｔｙ
ｏｆＴｅｃｈｎｏｌｏｇｙ
Ｅｄｕｃａｔｉｏｎ・Ｔｉ删ｉｎ，３００２２）（２．ＡｅｒｏｎｔａｔｉｃａｌＡｕｔｏｍａｔｉｏｎ
Ｃｏｌｌｅｇｅ・ＣｉｖｉｌＡｖｉａｔｉ ｏｎ
ＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａ・．ｎａｎｊｉｎ，３００３００）
Ａｂｓｔｒａｃ ｔ：Ｔｈｅ
ｒｕｌｅ
ｆｏｒ
ｔｈｅ
ｐｏｓｉｔｉｏｎ
ｏｎ
ｒ ａｎｄｏｍ
ｍｏｖｉｎｇ
ｏｂｓｔａｃｌｅｄｉｓｔｒｉｂｕｔｉｏｎｉｓｓｔｕｄｉｅｄｂａ ｓｅｄ
ｏｎ
ｔｈｅ
ｒａｎｄｏｍｎｅｓｓ
ｏｆ
ｍｏｖｉｎｇ
ｏｂｓｔａｃｌｅ．Ａ
ｃｏｍｐｒｅｈｅｎｓｉｖｅｐａｔｈｐｌａｎｎｉｎｇ
ｉｎｅｒｔｉａ ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ
ｆｏｒ
ｊｕｄｇｉｎｇ
ｔｈｅ
ｍｏｖｉｎｇ
ｒｏｕｔｅｏｆｔｈｅ
ｒｏｂｏｔ－“ｓｔｒａｉｇｈｔｌｉｎｅ・ｔａｎｇｅｎｔ－ｖｅｒｔ ｉｃａｌ”ｉｓ
ｐｒｏｐｏｓｅｄ
ｂｙｃｏｎｓｉｄｅｒｉｎｇ
ｔｈｅ
ｏｆ< br>ｒａｎｄｏｍ
ｍｏｖｉｎｇ
ｏｂｓｔａｃｌｅ．Ｔｈｅ
ｃｏｍｐｕｔｅｒ
ｓｉｍｕｌａｔｉｏｎｓｈｏｗｓｔｈａｔｔｈｅ
ａｌｇｏｒｉｔｈｍ
ｉｓ
ｔｏａ
ｃｏｒｒｅｃｔ，ｅｆｆｉｃｉｅｎｔ，ｐｒａｃｔｉｃａｌ
ａｎｄ
ｓｕｃｃｅ ｓｓｆｕｌ
ｏｎｅ，ｗｈｉｃｈ
ｈａｓｔｈｅｒｅｆｅｒｅｎｃｅｖａｌｕｅ
ｆｏｒ< br>ｒｏｂｏｔｓ
ｂｙｐａｓｓ
ｔｈｅ
ｍｏｖｉｎｇ
ｏｂｓｔａｃｌｅ．< br>Ｋｅｙｗｏｒｄｓ：ＩｎｔｅｌｌｉｇｅｎｔＲｏｂｏｔ；“Ｓｔｒａｉｇｈｔｌｉｎｅ—ｔａｎｇｅｎｔ －ｖｅｒｔｉｃａｌ”Ｐａｔｈ
Ｐｌａｎｎｉｎｇ；Ｒａｎｄｏｍ
ＭｏｖｉｎｇＯｂｓｔａｃｌ ｅ：Ｃｏｍｐｕｔｅｒ
Ｓｉｍｕｌａｔｉｏｎ
１
引言
智能移动机器人是机器人 研究领域的一个重要的分
（１）复杂性：在复杂环境尤其是动态时变环境中，
机器人路径规划非 常复杂，且需要很大的计算量。
（２）随机性：复杂环境的变化往往存在很多随机性
和不确定因 素，比如随机动态障碍物的存在。
（３）多约束：机器人的运动存在几何约束和物理约
束。几何 约束是指机器人的形状制约，而物理约束是指
机器人的速度和加速度。
Ｈ
支。智能移动 机器人集人工智能、智能控制、信息处理、
图像处理、检测和转换等专业技术为一体，跨计算机、
自动控制、机械电子等多门学科，成为当前机器人研究
领域的热点之一。
Ｄｕｒｒａｎｔ．Ｗ ｈｙｔｅ
ｐ¨提出了移动机器人导航的三个
（４）多目标：机器人运动过程中路径性能要求存在
多种目标，如路径最短，时间最优．安全性能最好，能
源消耗最小。但它们之间往往存在冲突。
根据机器人对环境信息知道程度的不同，可分为环
境信息完全知道的全局路径规划和环境信息完 全未知或
部分未知的局部路径规划及混合路径规划１２～Ｉ。
全局路径规划方法依照获取的环境 信息给机器人规
划出一条路径。其精确程度取决于获取环境信息准确程
问题：我现在何处；我要 往何处去；要如何往该处去。
而路径规划是智能移动机器人导航的基本环节之一。
它有下述几个 特点：
作者简介：王菁华（１９７８－）．女．河北唐山人。讲师，硕士．从事控制
理论、机器 人方叫的研究：崔世钢（１９６４－），男．天津人．教授．博士．
硕士研究生导师．从事智能机器人方 面的研究：罗云林（１９５６一）．男．
四川剑阁人・教授．硕士研究生导师，主要从事智能检ｉＩｌ４ 与智能控制方
面的研究．

第三部分系统仿真
度。这种方法需要预先知道 环境的准确信息，计算量大。
局部路径规划方法侧重于考虑机器人当前的局部环
境信息，让机器 人具有良好的避碰能力。很多机器人导
航方法通常是局部的方法，因为它的信息获取仅仅依靠
传 感器系统获取的信息，并且随着环境的变化实时变化。
和全局规划方法向比较，局部规划方法更具有实时 性和
实用性。缺陷是仅仅依靠局部信息有时会产生局部极点，
无法保证机器人顺利到达目的地。
混合路径规划方法结合全局和局部的优点，将全局
规划的“粗”路径作为局部规划的子目标。从 而引导机
器人最终找到目标点。
本文将充分考虑运动障碍物的随机性，给出随机运
动障 碍物的位置分布规律，并结合随机运动障碍物具有
惯性的特点，提出了一种对机器人运动路线进行动态规
划的“直线一切线一垂线”逐步判别算法，最后通过计
算机仿真进行了验证。
２问题描 述
在二维平面上的机器人起始点Ｒ和目标点Ｇ之间
有多个随机运动的障碍物Ｄｌ，Ｄ２・Ｄ３… ，选择一条路径
使机器人从起始点Ｒ能避开障碍物安全到达目标点Ｇ
（如图１）．
图１ 多障碍分布图
ｙ
图２
Ｘ．分布图
为研究方便，我们选取其中一个随机运动的障 碍物
０．，并假定其运动步长Ｚ为定值。则０．的运动轨迹可抽象
为以下数学问题。
长 为Ｚ的直线的一端在原点Ｏ，与ｘ轴的交角口．是随
机的，然后以另一端为中心改换一次方向，新方向与 ｘ
轴的交角为口，；如此继续，共改变ｎ次。试求最后一次
移动的端点的横坐标Ｘ．的分布（如 图２）：并研究当
２９９
，ｌ一。时的檄限分布。这里｛口』）独立，并有相Ｉ司的均匀
分布密度：ｇｃ∞；｛姜，艺』篙三．・
【２石’
“ｑｕ’“叫‘
可以证明Ｘ。，匕 服从正态分布，另外Ｘ。，匕不相关，
所以Ｘ．，Ｌ独立。这样，就可以将Ｘ。，匕分别投影到Ｘ
轴Ｙ轴加以研究。
Ｘ。＝∑ｌＣＯＳ口ｊ，
因ｌＣＯＳ口ｊ的特征函数为
弛）＝ｅ。 Ｐ埘Ⅻ口ｄｏｔ＝‘，。（“），
式中．，ｏ（Ｊ）是第一类０级Ｂｅｓｓｅｌ函数，它是偶函数。Ｘ。的特征函数为
ＬＯ）＝【Ｊｏ（玎）】”，
由此得知ｘ。的密度为
见∞＝去￡ ∥‰∽ｒ出＝去￡‰∽ｒｃ。ｓ＃ｘ）ｄｔ
ｔｔ现
设疗．÷＊，同时１．÷＊，但二者有关系ｚ ：皂．利用
吖，１
．，。（工）的级数形式，得
舶Ｈ・一等＋筹ｒ
＿【ｌ一轰 “丢寺一．．】”一ｅ一４，（／２刊。
故极限密度为
删：土广＃ｃ。鳓：｛毒：｛ｊ，
删２去『ｃ。啪２焘≯２志≯’
这里缸击刮挣
因此，渐进地有ｘ一服从Ⅳ（０，２√兰）正态 分布。
同
理可得匕渐进地服从ＪＶ（０，７√兰）正态分布。
可知ｋ匕’独立渐进同分 布Ⅳ（０’ｆ据）。
在实际问题中，由于惯性的作用，障碍物在上一步
的摹础上继续向前行走的 可能性较大，向后行走的可能
性较小。若障碍物前一步的偏角为口Ｈ，则这一步的偏角
口，在（ ％一。一∥，ｑ一，＋∥）可能性较大（其中∥为一定角，
由障碍物自身性质决定），若这一步的偏角为 口，，则下一
步的偏角在（ｑ－ｐ，ｑ＋∥）的可能性较大。这样，我们
假设障碍物的偏角％服 从正态分布Ⅳ（％－ｌ，∥），即
口一Ⅳ（％－ｌ，ｐ）；。由此，我们完成了对随机运动障碍物

３００
系统仿真技术及其应用・第１０卷
根据以上描述，我们不难设计出考虑 惯性的随机运
动障碍物发生器。
３算法描述
为方便叙述做如下假设：
机器人和 障碍物有相同的步长，。
图４安全等级与准危险１
⑦当机器人处于准危险等级ｌ（如图４中加２ ），机
器人从当前位置ｍ２沿以ｚａ为圆心，ｒ为半径的圆的切
线行走（如图中线段加２一ｆｔ ’），圆的方程为：
（Ｘ—ｚａ．ｒ）２＋（Ｙ—ｚａｙ）２＝，．２
设经过点ｆｎ２的圆的切 线方程为
（２）
机器人当前步为ｊｎ（ｊｎｘ．ｊｎｙ）
：预测步为
ｊｔ（ｊ ｔｘ，ｊｔｙ）；目标点为ｊｅ（ｊｅｘ，ｊｅｙ）。
障碍物当前步为ｚ，ｚ（ｚ似，ｚｎｙ）
；下一步为
ＺｔＩ（ＺａＸ，ｚａｙ）・
￡。一。Ｉ（咖，朋）Ｉ一机器人当前步与障碍物当前 步的
距离；
‘．。Ｉ（∥，翘）Ｉ一机器人预测步与障碍物下一步的距
离；
Ｙ 一（ｊｎ２ｙ、＝ｋ（ｘ—ｊｎ２ｘ）
变成一般式：
ｈ—Ｙ＋（ｊｎ２ｙ）一足（力２ｘ）＝０
因与圆相切，所以有
（３）
Ｌ一。ｌ（咖，翟）ｌ一机器人当前步与障碍物下一步的< br>距离：
（４）
ｒ：敏感半径。根据实际情况选定，但一定要大于障
碍物和机器人 半径的总和。敏感半径小。发生碰撞的危
险度大，但机器人路径短。要根据实际情况和控制要求
来确定敏感半径。
根据以上定义确定机器人的三个安全等级：
安全等级：Ｌｎ一。＞ｒ并且Ｌ。 ＞ｒ；
准危险等级：匕一。＞ｒ但是‘一。＜ｒ；
危险等级：Ｌ。一。＜ｒ。
其中准危 险等级根据机器人当前步与障碍物下一步的距
Ｉｋ＊（ｚａｘ）－（ｚａｙ）＋（ｊｎ２ｙ）－ｋ宰（咖 ∽｝，．√（Ｊｃ：２＋１）（５）
由式（５）可以解得切线斜率，注意此时ｋ有两个解，
应选 择使机器人路径较短的一个解。
④当机器人处于准危险等级２（如图５中加１），机
器人从当ｌ ；｜｛『位置加１沿线段ｚａ一咖ｌ垂线加１一＿『，‘行走，
线段砌ｌ—ｊｔ’斜率ｋ由下式确定：< br>七乖竺！兰＝三型：一１
ｊｎｌｘ—‘ｚａｘ
（６）
④当机器人处于危险等级（ 如图５中加２），机器人
离‘。又详细分为两种情况。由此给出智能机器人“直
线—切线一垂线 ”综合路径规划方法控制流程图（图３）。
从当前位置血２沿线段ｚｎ—ｊｎ２垂线加２一ｊｔ’行走， 线
段ｆｎ２一∥ｔ斜率ｋ由下式确定：
血２工一ｚｎｘ
ｋ，—ｊｎ２ｙ—－ｚｎｙ：一 １
（７）
Ｎ‘危，¨，龃Ｊ
慵５１，１４ｌ
ｉ．崮崮
ｉ…一…一．ｔ
◇”◇
………
…一一
图５准危险２和危险等级
由此确定机器人下一步 的横纵坐标：
图３机器人避碰控制流程图
｛ｆｔｘ：『似＋ｌｃｏｓｔｚ
Ｉ
ｊ 『桫＝ｊｎｙ＋ｆ
ｓｉｎ口
如此循环。直到机器人走到目标点。
ｆ
＝ａｒｃｔ ａｎｋ
（８）
由流程图可以看出，根据机器人和障碍物之间的位
置关系，机器人躲过障 碍物到达目标点共有４种可能的
路径：
当存在多个障碍物时，距离机器人晟近的障碍物优
先级最高，随着与机器人距离的增加，优先级依次降低。
机器人首先躲避优先级高的障碍物，但是对机 器人预测
步的选择与单障碍物时有所不同。以两个障碍物为例，
如图６所示，机器人当前坐标为 伽，存在两个障碍物
①当机器人处于安全等级（如图４中ｉｎｌ），机器人
从当前位置ｊｎｌ直 接走向目标点／ｅ，此时机器人下一步
与当前步线段／ｔ—ｊｎｌ斜率可直接确定：
ｋ＝（ｊｅ ｘ—ｊｎｌｙ）／（肛一ｊｎｌｘ）
（１）

第三部分系统仿．Ｉｔ
ａ、 ｂ。假设障碍物口对机器人的距离Ｌｏ小于障碍物６对
机器人的距离Ｌｂ，所以此刻障碍物ｎ优先级别高 ，机器
人应首先躲避口。又设ＬⅡ＜，．，处于危险等级，所ＯＴ－－
步应该沿着匕垂线方向行 走，预测步为ｊｔｌ或者ｊｔ２。
图６双障碍物
当存在多个满足安全条件的避障预测步时，我们 应
该兼顾机器人预测步与多个障碍物的距离，避免因只顾
及躲避高优先级的障碍物，却使得其预 测步进入了原来
低优先级障碍物的危险区域：同时还应注意让机器人预
测步尽量远离障碍物。由 此我们可以定义一个参数：
ｌ－ＩＳ抽×ｌ－Ｉ（ｓ如＋ｓ曲）
％２——■＝Ｚ■————一< br>Ｉ
ｍ＝Ｉ
ａ＝１．ｂ＝１．ｄ≠ｂ
Ｉ－Ｉ（ｓ如一ｓ曲）
｛ｆ＝１，２ …，机器人可能的预测步，ｎ为障碍物个数ｌ
实际预测步选择ｈ值较大的一个。
式中：
Ｓ拥，ＳＩ口，Ｓ曲一机器人预测步．ｉｔｊ分别到碍物ｍ，ａ，ｂ
下一步ｍ‘、ａ’、ｂ’的距离。< br>驴端帆蝇）（ｆ＝１＇２）
对于图６中的双障碍物情况，则可取参量
当匕＜乙＜ｒ时，机 器人处于双重危险中，选抨Ｊ｝ｌ值
较大的方向。
当Ｌ。＜ｒ＜Ｌｂ时，机器人处于单重危险中 ，只躲避
障碍物ａ，选择原则和躲避单障碍物相同。
４仿真结果
受研究条件和时问等因 素的限制，本课题还存在大
量值得研究的问题。比如对障碍物进行了理想化的数学
建模，并且只 研究到了双障碍物存在的情况。本课题的
仿真结果表明参数ｈ的选取正确有效。为以后研究障碍
物更多、环境更复杂的机器人避障开拓了思路。比如当
存在丌个障碍物时，我们可以按照双障碍物的避障 法则。
选取参数．由此来确定机器人在众多可能预测步中实际选
取的预测步ｊｔ！，从而确定机 器人的避障轨迹。
３０１
根据上述规则编制了机器人自动躲避双障碍物的控
制程序，并 在Ｍａｔｌａｂ下进行了仿真，得到仿真曲线如图
７所示。
图中用不同的符号分别标识了机器人 避障轨迹，两
个随机运动障碍物轨迹，以及机器人预测步沿着垂线和
切线行走的相对应的垂线和 圆的轨迹。
图７机器人躲避障碍物仿真曲线
５结论
本文提出了一种“直线一切线一垂线 ”的综合路径
规划算法，通过仿真实验表明该算法能够完成系统所要
求的任务。并且该算法具有 很好的快速性，对机器人绕
过随机运动障碍物具有一定的参考价值。
参考文献
【１】蔡 自兴，璇汉根，陈虹．未知环境中移动机器人导航控
制研究的若干问题【Ｊ】．控制与决策，２００２， １７（４）：３８５－３９０．
Ｃａｉ
Ｚｉｘｉｎｇ。Ｈｅ
Ｈａｎｇｅｎ，Ｃｈｅｎ< br>Ｈｏｎｇ．Ｓｏｍｅ
ｉｓｓｕｅｓｆｏｒｍｏｂｉｌｅ
ｒｏｂｏｔｓ
ｎａｖｉｇ ａｔｉｏｎ
ｕｎｄｅｒｕｎｋｎｏｗｎ
ｅｎｖｉｒｏｎｍｅｎｔｓ［Ｊ］．Ｃｏｎｔｒｏｌａｎｄ
Ｄｅｃｉｓｉｏｎ，２００２，１７（４）：３８５—３９０
【２】董立志，孙茂相 等．基于实时障碍物预测的机器人运动
规划【Ｊ１，机器人．２０００．２２（１）：１２～１６
【３】孙波，陈卫东，席裕庚．基于粒子群优化算法的移动机
器人全局路径规划【Ｊ】．控制与决策， ２００５，２０（９）：１０５２．１０５５．
Ｓｕｎ
Ｂｏ，Ｃｈｅｎ
Ｗｅｉｄｏｎｇ ，Ｘｉ
Ｙｕｇｅｎｇ．Ｐａｒｔｉｃｌｅ
ｓｗａｒｌＴｌ
ｏｐｔｉｍｉｚａｔｉｏｎ< br>ｂａｓｅｄ
ｇｌｏｂａｌ
ｐａｔｈ
ｐｌａｎｎｉｎｇ
ｆｏｒｍｏｂｉｌ ｅ
ｒｏｂｏｔｓ［Ｊ］．
Ｃｏｎｔｒｏｌａｎｄ
Ｄｅｃｉｓｉｏｎ，２００５，２０（ ９）：１０５２・１０５５
【４】黄炳强，曹广益．基于人工势场法的移动机器人路径规
划研究 【Ｊ１；‘计算机工程与应用》２００６年２７期
【５】张纯刚，席裕庚．全局环境未知时基于滚动窗口 机器人
路径规划【Ｊ】．中国科学（Ｅ辑），２００１，３１（１）：５１．５８

基于Matlab的智能机器人路径规划仿真
作者：
作者单位：
王菁华， 崔世钢， 罗云林
王菁华,崔世钢(天津工程师范学院自动化与电气工程学院，天津，300222)， 罗云林(中国
民航大学航空自动化学院，天津，300300)

相似文献(10条)

1.学位论文

杜军君

智能机器人路径规划算法及实验研究

2006
路径规划问题是智能 机器人研究中的关键问题之一。已知环境下的路径规划问题比较简单，已有许多成熟的方法。未知环境下的路径规 划问题还远
没有形成一套完整的理论，缺乏实用有效的方法。本文借鉴预测控制原理，研究了一类处理静 态复杂未知环境下路径规划问题的方法。本文首先研究了
未知环境中滚动规划算法的一般步骤，然后在滚 动框架下分别研究了A*和RNN路径规划算法，并基于上述算法得到两类不同的滚动路径规划算法。
在路径规划算法的研究中，实验具有重要的作用，一般用来验证算法在实际环境下的各种性能，并可用于对不同算 法进行性能比较。本文提出并实
现了一种基于滚动框架的路径规划和导航软件，该软件基于面向对象结构 体系和三步式运行机制，能根据算法指导机器人在实际环境下的路径规划；同
时封装了机器人的视觉通讯 和底层驱动功能，大大减少了算法研究者在设计算法时的代码编写工作量。在该软件的基础上，本文还设计实施了 几个实际
环境下的路径规划实验，用来验证和比较前面得到的两类不同的滚动算法的有效性和在性能上的 差异。
本文的主要研究成果包括：
在机器人路径规划问题中引入预测控制原理 ，研究了滚动路径规划算法,给出了滚动规划算法的一般步骤。
提出了一种改进的基于A*算法 的滚动算法，此算法通过引入二叉堆这一数据结构，减少了路径规划算法在局部规划时待考察的可行节点数量，降 低
了计算时间，提高了路径规划算法的实时性。仿真结果表明了改进的算法相比较原算法对于路径规划实 时性的改善。
研究了回归神经网络（RNN），提出了一种基于RNN的滚动规划算法。RNN 具有高度的并行性和丰富的动力学性质。仿真和实验结果都说明，这种算法
能够同时满足滚动规划对快速 性和有效性的要求，在某些环境下比A*算法更具优势。
设计了一种机器人路径规划和导航软件Rolling Navigator，该软件实现了前面提出的滚动规划 的基本原理的三个主要环节以及前面提到的两类滚动
算法，方便了路径规划算法和实验的研究。
将Rolling Navigator成功集成在上海交通大学自行研制的中型全自主移动机器人－“Fron tier”上，并设计了实际环境下的路径规划实验，实验结
果验证了滚动规划在解决未知环境下路径规 划问题的有效性，以及局部采用不同算法在性能上的差别。
2.期刊论文

宋晖.高小明.SONG Xiaoming

嵌入式智能机器人路径规划应用研究

-机床与液压2007,35(3)
研究了智能机器人路径规划算法的研究现状,指出各种算法的优缺点,提出建立嵌入式智能机器人路径规划平台, 实现了基于嵌入式实时系统的智能机
器人路径规划算法.
3.学位论文

黄鹤

部分环境信息已知的智能机器人路径规划方法研究

2005
智能移动机器人是机器人研究领域的一个重要分支，有着巨大的应用潜力，因 此当前对智能移动机器人和无人自主车领域的研究吸引着众多学者的
注意。路径规划问题是智能移动机器 人开发的重要环节。
　　本文从全局规划和局部信息相结合的角度重点研究了基于部分环境信息的智能移 动机器人的路径规划问题。主要进行了如下工作：
　　首先对国内外智能移动机器人路径规划的研究现状 ，研究方法等进行了系统的归纳和总结，分析了其各自优点和不足之处，为本论文的研究工作奠
定了重要 的基础。
　　其次，本文重点讨论了在部分环境信息已知情况下，基于动态A*算法(D*算法)的路径 规划方法。并且详细讨论了这种情况下相应的环境表达方式。
文章首先介绍了一般的栅格表示法，以及应 用广泛的四叉树表示法，并且将一种简单、有效的方法应用到了四叉树邻居查找过程。而后本文研究了一种
新的带边框四叉树表示法，并应用到了规划算法当中。
　　最后，针对所研究的规划方法和环境的表达 ，本文在VC环境下进行了仿真。分析了仿真得到的数据，证明了所讨论算法的正确性和有效性。并且本
文将所研究的算法应用到了实际的地形图中，取得了良好的效果。
　　总体来说，本文参考了路径规划技 术的最新成果，具有一定的实用价值。
4.学位论文

杜明

基于遗传算法的路径规划技术的研究

2007
随着现代科学技术的 不断进步，机器人学科也在不断的发展，它在某种程度上体现了当今信息技术、自动化技术、系统集成等技术的最 高成就。机
器人学的最终目标是要实现完全自主的智能机器人，而路径规划是智能机器人导航技术中不可 缺少的重要组成部分，也是现阶段智能机器人研究的关键
技术和主要研究方向。在现实的机器人应用中， 采用良好的路径规划技术可以节省大量机器人作业的时间，减少机器人的磨损，同时也可以节约资源
，减 少资金投入，因此研究出一个好的路径规划技术具有重要的意义。
本文就路径规划技术展开了研究，所做工作如下：
1.讨论了目前主要的智能机器人路径规划方 法，以及各个方法中环境模型建立的原理和流程，分析了各种方法的适用性以及优缺点等。
2. 阐明了遗传算法的理论基础，算法的发展历史及其特点，阐述了算法设计的基本流程，分析了算法设计的关键。< br> 3.利用可视图法建立环境模型，结合遗传算法解决了智能机器人的路径规划问题。
4.提出了结合势场法与栅格法建立智能机器人的工作环境模型，然后利用遗传算法得到一条规划路径的算法思想 。并通过实验仿真，验证了算法的
正确性与可行性。
5.利用C++设计了一个仿真软 件，在一个工作环境中，随意地设置矩阵障碍，都能利用栅格势场法得到一条规划路径。
最后本文还讨论了下一步研究的方向。
5.期刊论文

王菁华.崔世钢.WANG Shi-gang

应用几何理论的智能机器人路径规划仿真

-计算机仿真
2010,27(5)
路径规划是智能机器人导航的基本环节之 一,具有复杂性、随机性等特点.研究应用于医疗服务系统的智能机器人,对于机器人工作环境最大的特征就是周围物体运动的复杂性和随机性.充分考虑了运动障碍物的随机性,研究了随机运动障碍物的位置分布规律 ,并结合其具有惯性的特点和导航需求,提出
了一种应用几何理论对智能机器人运动路线进行逐步判别的
研究智能机器人绕过随机运动障碍具有一定的参考价值.
6.学位论文

王维

学习控制在机器人避障路径规划中的应用

2004
该文介绍了学习控制在智能机器人避障路径规划中的应用和在Vc++6.0环境下的模拟结果.论文阐述了学习 控制的发展历史、基本原理和应用现状,介
绍了基于神经网络结构的机器人路径规划算法.在该算法中步 长参数是固定的,收敛速度较慢,该文将线性再励与预测控制相结合的学习控制方法应用于机
器人路径规 划,提出了一种改进的路径规划算法.首先利用神经网络结构,定义整条路径的能量函数,能量函数是各个路径点 的函数,应用模拟退火、多元函
数的偏导数进行优化,通过移动路径点,使其能量逐渐减少,直到收敛到 最短避障路径.在路径的迭代运算中引入学习控制方法,实现了步长参数的在线自适
应调节,并提高了路 径规划收敛速度约10倍.在该文的后半部分,介绍了应用所提路径规划算法在Vc++6.0环境下的仿真实例 .通过与不用学习控制作对比
,验证了该算法的可行性和优越性.
7.学位论文

张雷

机器人路径规划及编队问题的研究与仿真

2007
机器人技术的发展彰显一个国家科技水平的高低。在机器人关键技术的发展过程中，提高个体机器人的智能程度和 群体机器人之间的协调与协作成

为研究的热点。因此，涉及机器人自主规划、多机器人协 作的路径规划问题与编队问题成为机器人研究的重要课题，无论是工业机器人还是移动机器人
的设计都与 此息息相关。对提高机器人的智能化水平及加快机器人的实用化进程具有重要的理论研究意义和实用价值。
论文分析机器人路径规划所要解决的基本问题与相关技术，由于机器人路径规划具有复杂性、随机性、 多约束、多目标等复杂系统的特点，在现有
的研究基础上，本文提出面向机器人的全局规划思路，设计单 个机器人路径规划方法，将机器人所处的客观环境知识与遗传算法融合，改变了原有的编
码、种群初始化 方法，设计新的进化操作算子。通过仿真验证了算法的可行性，同时对于算法的参数影响进行了分析和研究。 在此基础上，论文进一步分析多机器人的路径规划特点，引入协同进化概念，设计一种新的基于共生 机制的遗传算法。该方法依据协同进化论的理
论，充分发挥遗传算法的本质并行性，通过种群划分和信息 交换的协作，实现了多机器人的全局路径规划。
关于机器人编队问题，论文从队形形成和队形控 制两个层次分析问题，设计并实现了一种多机器人在执行协作任务时的协调控制方法。采用基于
Lead er的队形控制方法与队形动态调整相结合的策略，增强多机器人队列处理突发事件的能力，同时结合机器人角色 转换方法，使得机器人协作任务得
以更好地完成。
本文分析了智能机器人仿真系统的功 能结构，设计用户交互界面和功能模块，开发用于路径规划、编队问题研究的机器人仿真软件，并对本文中提出的路径规划中的算法和队列控制算法进行了仿真验证。
8.会议论文

任世军.洪炳熔

智能机器人路径规划快速碰撞检测算法

1998
在智能机器人路径规划中，碰撞算法肝十分重要的地位，在仿真系统中，通过 对给出的不同算法的比较得出这样的结论即尽管搜索空间很少，但搜
索用的时间却不一定少。问题是碰撞 检测在这里用的时间过多，于是如何进一步提高碰撞检测的速度在智能机器人路径规划中就起到了非常关键的作用
，该文给出了一种新的碰撞检测算法，这种碰撞检测法与以往的算法不同，它是以空间中的平面方程为基 础，通过将一组平面方程进行几次代数变换得
到一组常数不等式，通过观察这组常数不等式中是否含有矛 盾不等式即可判定机器臂否与空间中的障碍物相撞。
9.学位论文

范红

智能机器人路径规划及避障的研究

2003
基于行为的方法为移动 机器人在二维未知环境中的避障与路径规划提供了很好的解决方法.设置在机器人不同侧面的机器人传感器的角色 有着很大的
不同.在同一侧,来自不同传感器的距离差意味着关于环境的重要信息.对于在同一侧面的同 一水平面的传感器,传感器的位置在决定机器人的安全转角上
扮演着关键角色.在该文我们首先讨论了这 些问题,提出并证明一系列计算瞬时安全转角的公式.车式机器人被赋予不同的避开障碍物的能力.这些能力的< br>自组织融合能够使机器人安全地转向宽阔的空间,然后在平行于或近于平行于静态或动态凸多边形障碍物的 边缘的方向前进或后退.所有的实时信息来自
于各侧面的两个距离传感器,没有任何环境的先验信息.这 些公式具有普遍的适用性.其次,在所提出转角的基础上,我们分析了车式移动机器人在避开障碍
物时的 基本避障行为、沿墙走行为及寻找目标行为.并在分析的基础上提出一种车式移动机器人个体在未知二维环境中实 时免碰路径规划方法.实验表明
,该算法具有很好的适用性.再次,我们分析了具有该算法所赋予的避障 及规划能力的机器人个体在(该文以两个为代表)机器人群组中的一些行为表现,我
们称之为自由状态下 的行为.实验表明,所提出的算法在多个机器人中亦有很好的适用性.最后,我们针对研究中出现的问题,将模糊 理论与进化算法结合起
来,就模糊路径规划器的模糊规则在线创建与优化问题进行了尝试,并取得初步成 效.
10.期刊论文

张汝波.杨广铭.顾国昌.张国印.ZHANG Guo-Yin

Q-学
习及其在智能机器人局部路径规划中的应用研究

-计算机研究与发展1999,36(12)
强化学习一词来自于行为心理学,这门学 科把行为学习看成反复试验的过程,从而把环境状态映射成相应的动作.在设计智能机器人过程中,如何来实现行为主义的思想、在与环境的交互中学习行为动作?文中把机器人在未知环境中为躲避障碍所采取的动作看 作一种行为,采用强化学习方法来实现智能
机器人避碰行为学习.Q-学习算法是类似于动态规划的一种 强化学习方法,文中在介绍了Q-学习的基本算法之后,提出了具有竞争思想和自组织机制的Q-学
习神 经网络学习算法;然后研究了该算法在智能机器人局部路径规划中的应用,在文中的最后给出了详细的仿真结果.


本文链接：http:erence_
授权使用：广东工业大学图书馆( gdgydxtsg)，授权号：62cb1356-4811-4e67-b778-9e2100a8f55 3
下载时间：2010年11月1日