论文部分内容阅读
仿人机器人是一种具有人形结构的移动机器人。在运动过程当中,由于仿人机器人的多自由度和行为控制的复杂性,需要稳定的步态控制方法。多自由度舵机的旋转控制来实现运动,并保持重心平衡,同时需要消耗大量能量,但是以自主运动的仿人机器人自身携带的能量来看,毕竟是有限的,要想得到能量的节约和最大化使用,还要保证在路径规划中的能耗、距离、路径平滑度等多个目标评价函数最小化原则。那么在路径规划技术中,这就是典型的多目标优化问题。根据多目标优化问题及其算法的研究和发展,为解决仿人机器人在路径规划中的多目标优化问题提供了方便。多目标优化遗传算法在解决多目标的优化问题中具有显著优势,首先选中非支配排序遗传算法,并利用测试函数进行了一系列的性能测试,证明了该算法收敛速度快且鲁棒性好,因此被用来解决路径规划的多目标优化问题。由于栅格法简单有效,来实现环境建模,可生成包含有起始点和目标点的一系列随机栅格号序列,即为一条随机化路径。根据路径序列点与障碍物的关系,随机路径又可分为可行路径和不可行路径,对于可行路径要比不可行路径的函数值小。根据仿人机器人的路径规划要求,改进了交叉算子、变异算子,以及添加了优化算子,这些算子可以增加种群多样性和提高收敛性,根据初始化产生的随机种群,进行非支配等级排序,可以得到不同等级的优化个体,处于低等级的非支配个体最接近Pareto真实最优解,利用拥挤度比较算子找到近似最优个体群体,保留这个精英群体,并进行遗传变异和迭代优化,直到迭代结束。通过调整NSGA-II的种群规模、基因长度和进化代数三个参数,根据不同取值的优化结果,进行Pareto分布图的比较,从而确定最优化参数,该算法运行一次可以得到多个分布均匀的Pareto最优前沿解,为各目标之间的权衡分析提供了有效的依据,通过仿真实验验证了本文提出的方法的有效性和可行性。