| 【中文题名】 | 基于模糊神经网络的移动机器人路径规划技术研究 |
| 【英文题名】 | |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-12-6 |
| 【中关键词】 | 移动机器人,路径规划,势场法,模糊神经网络,, |
| 【英关键词】 | Mobile Robot,Path Planning,theory of potential field,Fuzzy Neural Network, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>机器人技术>机器人> |
| 【论文摘要】 | 路径规划是移动机器人研究的关键技术之一，其主要任务是在机器人的运行环境中寻找一条从起点到目标点的无碰路径，使机器人沿着该路径运行至终点时指定的代价最小。本文以移动机器人AS-R为仿真研究对象，对移动机器人路径规划进行了研究。
本文首先详细介绍了全局路径规划和局部路径规划方法。以AS-R为研究对象，建立了两轮差速驱动机器人的运动学模型，在这基础上进行了机器人定位研究，并对该方法进行了实验验证，实际调试结果证明了这种定位方法的有效性。
研究了环境已知情况下的路径规划，提出了一种能有效克服局部极小值的改进人工势场法，仿真结果验证了该方法的有效性。
针对未知环境下的移动机器人路径规划，研究了基于模糊神经网络的路径规划方法，对环境信息进行了模糊处理，构建了模糊神经网络进行路径规划，仿真结果表明，该方法对环境具有较好的适应性。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-7 |
|
1 绪论 |
7-14 |
|
1.1 移动机器人概述 |
7-10 |
|
1.1.1 发展历史 |
7 |
|
1.1.2 研究内容 |
7-10 |
|
1.2 移动机器人路径规划研究现状 |
10-12 |
|
1.3 选题背景和研究内容 |
12-14 |
|
1.3.1 选题背景 |
12-13 |
|
1.3.2 研究内容 |
13-14 |
|
2 移动机器人路径规划技术 |
14-19 |
|
2.1 环境信息已知的全局路径规划 |
14-16 |
|
2.2 环境信息未知的局部路径规划 |
16-18 |
|
2.3 本章小结 |
18-19 |
|
3 机器人运动模型与定位 |
19-31 |
|
3.1 AS-R移动机器人体系结构 |
19-21 |
|
3.2 机器人运动学模型 |
21-24 |
|
3.2.1 移动机器人轮式结构 |
21-22 |
|
3.2.2 移动机器人运动模型 |
22-24 |
|
3.2 AS-R定位 |
24-29 |
|
3.2.1 移动机器人定位 |
24-25 |
|
3.2.2 机器人自定位算法 |
25-29 |
|
3.3 机器人定位实验 |
29-30 |
|
3.3.1 悬空实验 |
29-30 |
|
3.3.2 行走实验 |
30 |
|
3.3.3 结果分析 |
30 |
|
3.4 本章小结 |
30-31 |
|
4 基于人工势场法的机器人路径规划 |
31-38 |
|
4.1 人工势场法简述 |
31-32 |
|
4.2 改进的势场法 |
32-35 |
|
4.2.1 势场的建立 |
32-33 |
|
4.2.2 改进方法 |
33-35 |
|
4.3 仿真结果与分析 |
35-37 |
|
4.3 本章小结 |
37-38 |
|
5 基于模糊神经网络的机器人路径规划 |
38-55 |
|
5.1 神经网络和模糊控制 |
38-40 |
|
5.2 环境感知与处理 |
40-45 |
|
5.2.1 探测传感器的选择 |
40-42 |
|
5.2.2 环境信息的处理 |
42-45 |
|
5.3 用于路径规划的模糊神经网络 |
45-51 |
|
5.3.1 基本思想 |
45-46 |
|
5.3.2 模糊神经网络结构 |
46-48 |
|
5.3.3 模糊神经网络的学习与训练 |
48-50 |
|
5.3.4 机器人简化模型建立 |
50-51 |
|
5.4 仿真实验 |
51-53 |
|
5.4.1 仿真环境建立 |
51 |
|
5.4.2 传感器功能模拟与障碍物的表示 |
51-52 |
|
5.4.3 仿真结果 |
52-53 |
|
5.5 本章小结 |
53-55 |
|
6 总结与展望 |
55-57 |
|
6.1 结论 |
55 |
|
6.2 展望 |
55-57 |
|
致谢 |
57-58 |
|
参考文献 |
58-61 |
|
| 【DOI】 | LunWen.ID:2.2008.388250 |
