论文部分内容阅读
移动机器人技术代表高新科技的发展前沿,是当前科学研究的焦点,而路径规划作为自主式移动机器人研究的一个至关重要的环节,是机器人实现智能化的关键技术,因此也成为了研究热点。
在分析了目前各种路径规划方法优缺点的基础上,选择遗传算法作为路径规划研究的基础。现有的遗传算法路径规划的规划速度慢,复杂环境下尤其是动态环境下很难满足移动机器人实时性的要求,虽然已有许多改进遗传算法,但效果也都不十分理想。针对这一问题,将粗糙集引入遗传算法中,研究了粗糙集遗传算法在移动机器人静态全局路径规划方面的应用,并提出了基于粗糙集遗传算法的移动机器人动态路径规划。
在静态全局路径规划中,首先在基于栅格的二维地图环境模型下,粗糙集根据路径的可行性建立初始决策表,并应用粗糙集的知识约简方法对该初始决策表进行约简,获得最小决策规则,搜索所有的可行路径,并用这些可行路径作为遗传算法的初始种群,与随机产生初始种群的遗传算法相比,其搜索空间明显减小,路径规划效率得到了大大的提高。遗传算法路径寻优过程中,设计完成了复制、交叉和变异操作,实现了基于粗糙集遗传算法的静态全局路径规划。
在动态局部路径规划中,设计了机器人的传感器系统,并提出了含匀速直线运动障碍物环境下移动机器人的动态避障策略。在全局环境已知的情况下,机器人依靠自身的视觉和超声波传感器实时探测环境中的动态障碍物信息,实时更新环境地图,并采用局部避障策略绕开障碍物,实现避障的同时又尽量沿原定路线行进。
在系统仿真中,在基于VC++的机器人路径规划仿真系统中通过实验数据对比分析了各参数对遗传算法的影响;基于上述讨论,设定各参数的取值,并改用效率更高的C++作为仿真平台,按照静态全局路径规划和局部路径规划的思路分别进行了静态和含匀速直线运动障碍物的动态仿真,并将粗糙集遗传算法路径规划与普通遗传算法路径规划进行了对比,结果表明粗糙集遗传算法在提高路径规划效率方面效果显著。