基于免疫遺傳的機器人路徑規(guī)劃【文獻綜述】

1、畢業(yè)設(shè)計文獻綜述畢業(yè)設(shè)計文獻綜述電氣工程及其自動化電氣工程及其自動化基于免疫遺傳的機器人路徑規(guī)劃基于免疫遺傳的機器人路徑規(guī)劃摘要摘要：路徑規(guī)劃技術(shù)是機器人控制技術(shù)研究中的一個重要問題，目前為止，其研究方法主要有兩大類：傳統(tǒng)方法和智能方法。有關(guān)機器人路徑規(guī)劃技術(shù)的研究方法，有基于遺傳算法、模糊控制和神經(jīng)網(wǎng)絡(luò)等智能方法的路徑規(guī)劃技術(shù)，并展望了機器人路徑規(guī)劃技術(shù)的未來與發(fā)展趨勢。關(guān)鍵詞關(guān)鍵詞：機器人，路徑規(guī)劃，智能規(guī)劃，傳統(tǒng)規(guī)劃路徑規(guī)劃技術(shù)是

2、機器人研究領(lǐng)域中的一個重要分支。所謂機器人的最優(yōu)路徑規(guī)劃問題就是依據(jù)某個或某些優(yōu)化準則(如工作代價最小、行走路線最短、行走時間最短等)，在其工作空間中找到一條從起始狀態(tài)到目標狀態(tài)的能避開障礙物的最優(yōu)路徑。機器人路徑規(guī)劃方法大致可以分為兩類：傳統(tǒng)方法和智能方法。傳統(tǒng)路徑規(guī)劃方法有：自由空間法：為了簡化問題，通常采用“結(jié)構(gòu)空間”來描述機器人及其周圍的環(huán)境。這種方法將機器人縮小成點，將其周圍的障礙物及邊界按比例相應(yīng)地擴大，使機器人點能夠在障礙

3、物空間中移動到任意一點，而不與障礙物及邊界發(fā)生碰撞。圖搜索法：圖搜索方法中的路徑圖由捕捉到的存在于機器人一維網(wǎng)絡(luò)曲線(稱為路徑圖)自由空間中的節(jié)點組成。建立起來的路徑圖可以看作是一系列的標準路徑。而路徑的初始狀態(tài)和目標狀態(tài)同路徑圖中的點相對應(yīng)，這樣路徑規(guī)劃問題就演變?yōu)樵谶@些點間搜索路徑的問題。通過起始點和目標點及障礙物的頂點在內(nèi)的一系列點來構(gòu)造可視圖。連接這些點，使某點與其周圍的某可視點相連(即使相連接的兩點間不存在障礙物或邊界)。然后

4、機器人沿著這些點在圖中搜索最優(yōu)路徑。柵格解耦法：柵格解耦法是目前研究最廣泛的路徑規(guī)劃方法。該方法將機器人的工作空間解耦為多個簡單的區(qū)域，一般稱為柵格。由這些柵格構(gòu)成了一個連通圖，在這個連通圖上搜索一條從起始柵格到目標柵格的路徑，這條路徑是用柵格的序號來表示的。柵格法包括確切的和不確切的兩種。確切的解耦法用來描述整個自由空間，這將使復(fù)雜環(huán)境的解耦速度變慢，其原因是許多復(fù)雜的多邊形可能需要與障礙物的邊界相匹配。這種方法可以保證只要起始點到目

5、標點之間存在路徑，就完全能搜索到這條路徑。而我所做的路徑規(guī)劃就是通過確定的柵格法來進行的，環(huán)境建模是機器人路徑規(guī)劃的重要環(huán)節(jié)，目的是為了建立一個便于進行路徑規(guī)劃使用的環(huán)境模型。合理的環(huán)境模型要求是便于計算機存儲、處理、更新和使用。當然在實際應(yīng)用中，這些要求有可能會有沖突。在大多數(shù)文獻中，對柵格進行標識時要么使用直角坐標法，要么使用序號法。而此處，將會使用兩者結(jié)合一起來標識。因為相比量又會太大。周明等提出一種連續(xù)空間下基于遺傳算法的機器人

6、路徑規(guī)劃方法，該方法在規(guī)劃空間利用鏈接圖建模的基礎(chǔ)上，先使用圖論中成熟算法粗略搜索出可選路徑，然后再使用遺傳算法來調(diào)整路徑點，逐步得到較優(yōu)的行走路線。該方法的染色體編碼不會產(chǎn)生無效路徑，且僅使用基本遺傳算法就可以完成路徑規(guī)劃。但是，該方法對于環(huán)境復(fù)雜、障礙物數(shù)目較多的情況，鏈接圖的建立會有一定的困難。在遺傳算法的改進上，周明等提出一種遺傳模擬退火算法，利用遺傳算法與模擬退火算法相結(jié)合來解決機器人路徑規(guī)劃問題。有效地提高了路徑規(guī)劃的計算速

7、度，保證了路徑規(guī)劃的質(zhì)量。在多移動機器人協(xié)調(diào)作業(yè)方面，遺傳算法也得到了應(yīng)用，景興建等提出一種基于理性遺傳算法的協(xié)調(diào)運動行為合成算法，針對特定環(huán)境下的多機器人協(xié)調(diào)運動問題，基于調(diào)速避碰的思想，借助CMAC神經(jīng)網(wǎng)絡(luò)，描述各機器人的運動行為與環(huán)境狀態(tài)之間復(fù)雜的、非線性映射關(guān)系，利用理性遺傳算法來合成與優(yōu)化各機器人的運動行為，從而實現(xiàn)多機器人已知環(huán)境下，運動行為的相互協(xié)調(diào)與優(yōu)化。此外，還有CaiZixing及孫樹棟等人的研究成果。機器人路徑規(guī)劃

8、是機器人應(yīng)用中的一項重要技術(shù)，例如，在執(zhí)行裝配、焊接及搶險救災(zāi)等任務(wù)時，采用良好的機器人路徑規(guī)劃技術(shù)可以節(jié)省大量機器人作業(yè)時間、減少機器人磨損，同時也可以節(jié)約人力資源，減小資金投入，為機器人在多種行業(yè)中的應(yīng)用奠定良好的基礎(chǔ)。將遺傳算法、模糊邏輯以及神經(jīng)網(wǎng)絡(luò)等方法相結(jié)合，可以組成新的智能型路徑規(guī)劃方法，從而提高機器人路徑規(guī)劃的避障精度，加快規(guī)劃速度，滿足實際應(yīng)用的需要。同時，多機器人協(xié)調(diào)作業(yè)環(huán)境下的路徑規(guī)劃技術(shù)也將是研究的熱點及難點問題，

9、越來越受到人們的重視。由于障礙物及機器人數(shù)目的增加，極大地增加了路徑規(guī)劃的難度，引入可以優(yōu)化約簡知識的粗糙集理論，簡化規(guī)劃條件，提取路徑規(guī)劃特征參數(shù)，有可能進一步解決諸如機器人路徑規(guī)劃速度等難題，因此，這將是一個有意義的研究課題。參考文獻：[1]莊曉東孟慶春殷波等.動態(tài)環(huán)境中基于模糊概念的機器人路徑搜索方法[J].機器人200123(5):3972399.[2]李彩虹張景元李貽斌.基于模糊控制的移動機器人的路徑規(guī)劃[J].淄博學(xué)院學(xué)報2

10、0013(3):27230.[3]HartmutSurmannJrgHuserJensWehking.Pathplanningfafuzzycontrolledautonomousmobilerobot[A].FifthIEEEInt.Conf.OnFuzzySystemsFuzz2IEEE’96[C].UAS:Newleans1996.[4]禹建麗韓平.一種基于神經(jīng)網(wǎng)絡(luò)的機器人路徑規(guī)劃算法.[J].洛陽工學(xué)院學(xué)報200122(1):3