| 【中文题名】 | 基于粒子群算法的移动机器人路径规划研究 |
| 【英文题名】 | Research of Path Planning for Mobile Robots Based on Particle Swarm Optimization |
| 【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】 | 2007-10-16 |
| 【中关键词】 | 移动机器人,粒子群算法,路径规划,网格法,, |
| 【英关键词】 | mobile robot,Particle Swarm Optimization,path planning,grid, |
| 【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】 |
粒子群优化算法是一种进化计算技术，同遗传算法类似，也是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值，粒子在解空间追随最优的粒子进行搜索。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域。显示出粒子群算法在求解复杂问题方面的优越性。
文中详细阐述了粒子群算法的产生和发展历程，介绍了粒子群算法的生物学机理、拓扑结构，以及标准粒子群算法。针对标准粒子群算法的一些缺点，列举了一些典型的粒子群算法的改进算法，并对其在各个领域中的应用做了简要的叙述。同时综述了机器人的起源与发展历程，展望了未来机器人的发展方向——智能机器人。智能机器人中最重要的一个研究课题是移动机器人的路径规划，在文中详细地说明了移动机器人路径规划的一般概念、特点、分类及其进行路径规划的一些基本问题以及几种常见的路径规划方法。
本文结合移动机器人路径规划的特点，提出了基于粒子群算法的移动机器人全局最优路径规划方法。文中，我们对标准粒子群算法进行了改进，在线性改变惯性权重的同时，将一些无效的粒子重新初始化为有效的随机粒子，这样做有助于扩大搜索范围，防止算法陷入局部最优解。基于粒子... |
| 【论文题纲】 |
|
摘要 |
4-5 |
|
ABSTRACT |
5-10 |
|
第一章 绪论 |
10-17 |
|
1.1 机器人的发展简史 |
10-15 |
|
1.2 路径规划在移动机器人发展中的重要性和意义 |
15 |
|
1.3 本文的主要工作 |
15-16 |
|
1.4 小结 |
16-17 |
|
第二章 移动机器人路径规划研究与发展 |
17-35 |
|
2.1 移动机器人导航与定位 |
17-18 |
|
2.2 移动机器人路径规划 |
18-23 |
|
2.2.1 机器人路径规划概述 |
20-21 |
|
2.2.2 机器人路径规划的特点 |
21 |
|
2.2.3 机器人路径规划的分类 |
21-22 |
|
2.2.4 机器人路径规划算法的分类 |
22-23 |
|
2.3 机器人路径规划的基本问题 |
23-28 |
|
2.3.1 世界空间到位姿空间中的转换 |
23-24 |
|
2.3.2 位姿空间的计算方法 |
24 |
|
2.3.3 物体信息的获取和表示 |
24-25 |
|
2.3.4 搜索方法 |
25-27 |
|
2.3.5 搜索方法的选择原则 |
27 |
|
2.3.6 路径规划中的碰撞检测 |
27-28 |
|
2.4 几种机器人的路径规划方法 |
28-34 |
|
2.4.1 骨架式的方法 |
28-30 |
|
2.4.2 单元分解方法 |
30-32 |
|
2.4.3 位势场方法 |
32-34 |
|
2.5 小结 |
34-35 |
|
第三章 粒子群算法的起源与发展 |
35-50 |
|
3.1 粒子群算法的起源 |
36-38 |
|
3.2 粒子群算法的发展 |
38-40 |
|
3.2.1 离散二进制PSO算法 |
38 |
|
3.2.2 混合PSO算法 |
38-40 |
|
3.2.3 Lbest模型 |
40 |
|
3.3 粒子群算法的拓扑结构 |
40-45 |
|
3.3.1 粒子群算法的邻居拓扑结构 |
40-41 |
|
3.3.2 搜索性能较高的几种邻居结构 |
41-45 |
|
3.4 标准粒子群算法 |
45-49 |
|
3.4.1 粒子群算法的基本思想 |
45-47 |
|
3.4.2 粒子群算法的实现步骤 |
47-48 |
|
3.4.3 粒子群算法的参数分析 |
48-49 |
|
3.5 小结 |
49-50 |
|
第四章 改进粒子群优化算法及其应用 |
50-57 |
|
4.1 早熟收敛及其产生的原理分析 |
50-52 |
|
4.2 改进PSO算法 |
52-55 |
|
4.2.1 基于改变参数的PSO算法改进 |
52-53 |
|
4.2.2 其它改进方法 |
53-54 |
|
4.2.3 本文对粒子群算法的改进 |
54-55 |
|
4.3 粒子群算法的应用 |
55-56 |
|
4.4 小结 |
56-57 |
|
第五章 粒子群算法在移动机器人路径规划中的应用 |
57-76 |
|
5.1 移动机器人自由空间建模 |
58-61 |
|
5.1.1 栅格粒度的确定 |
58-59 |
|
5.1.2 空间的离散化和障碍物和边界的处理 |
59-60 |
|
5.1.3 模型的建立 |
60-61 |
|
5.2 基于粒子群算法的全局最优路径搜索算法 |
61-66 |
|
5.2.1 优化问题描述 |
61-62 |
|
5.2.2 粒子的有效性 |
62 |
|
5.2.3 粒子适应值的计算及如何转化成完整的路径 |
62-64 |
|
5.2.4 PSO算法的参数的设置与算法改进 |
64-66 |
|
5.3 机器人全局最优路径搜索算法 |
66-67 |
|
5.4 仿真结果以及与其他PSO算法的比较 |
67-75 |
|
5.4.1 改进粒子群算法在不同环境中的仿真 |
67-69 |
|
5.4.2 改进粒子群算法和标准粒子群算法的比较 |
69-71 |
|
5.4.3 改进粒子群算法和带压缩因子粒子群算法的比较 |
71-73 |
|
5.4.4 改进粒子群算法和惯性权重粒子群算法的比较 |
73-75 |
|
5.5 小结 |
75-76 |
|
第六章 总结与展望 |
76-78 |
|
参考文献 |
78-86 |
|
致谢 |
86-87 |
|
攻读硕士学位期间发表的学术论文 |
87 |
|
| 【DOI】 | LunWen.ID:2.2008.386058 |
