学位论文 > 优秀研究生学位论文题录展示

基于DSTAR和神经网络的未知环境移动机器人路径规划方法

作　者: 汤天骄
导　师: 潘正祥
学　校: 哈尔滨工业大学
专　业: 计算机科学与技术
关键词: 移动机器人路径规划 DSTAR算法神经网络
分类号: TP242.6
类　型: 硕士论文
年　份: 2010年
下　载: 119次
引　用: 0次
阅　读: 论文下载

内容摘要

机器人技术的产生,对工业、生活等各个领域产生了深远的影响。智能机器人的相关技术也一直是科学界的研究热点。我国科学家对机器人的定义是:“机器人是一种自动化的机器,所不同的是这种机器具备一些与人或生物相似的智能能力,如感知能力、规划能力、动作能力和协同能力,是一种具有高度灵活性的自动化机器”。移动机器人,是指在一定的已知或未知环境中,能够通过传感器获取环境信息,自主导航,完成特定工作的一类机器人。自主导航技术是移动机器人的关键技术,也是移动机器人智能化的重要体现。导航系统一般由环境建模(Map-Learning)、自主定位(Self-Positioning)、路径规划(Path Planning)和障碍闪避(Obstacle Avoidance)等四个部分组成。其中环境建模和自主定位之间,存在着精度上相互依赖的关系,路径规划和障碍闪避之间存在着某些任务上的重叠。路径规划技术,是导航技术的核心部分之一,高效准确的路径规划技术,对于提高机器人的性能意义重大。本文的研究内容主要包括以下几个方面:(1)本文首先通过仿真实验,对传统路径规划方法和智能路径规划方法进行了研究,分析各种方法的性能和优缺点,给出了路径规划问题的一般描述,并阐述本文中利用传统方法和智能方法相结合,组成融合型智能方法的解决问题思路。(2)本文提出了一种基于DSTAR算法和人工神经网络的融合型智能路径规划方法。方法中,采用了慎思/反应式体系结构,将DSTAR算法作为全局路径规划器,以神经网络处理局部路径规划和障碍闪避。(3)通过3D仿真实验对本文提出的方法和传统DSTAR方法作出了比较。从路径长度、更新的信息量、计算路径花费的总时间、以及发生重新规划的次数等四个维度来进行量化分析的结果表明,本文提出的方法有效的规避了传统DSTAR算法在处理大规模未知地图时出现的问题,具有正确性和有效性。

全文目录

摘要  3-4
Abstract  4-7
第1章绪论  7-11
  1.1 课题目的及意义  7-8
  1.2 国内外研究现状  8-9
  1.3 本文主要研究内容  9-11
第2章相关技术介绍  11-32
  2.1 规划问题基本模型  11-14
  2.2 离散空间路径规划  14-22
    2.2.1 环境表示方法  15-16
    2.2.2 前向搜索算法  16-19
    2.2.3 DSTAR 算法  19-22
  2.3 连续空间路径规划  22-31
    2.3.1 人工势场方法  22-24
    2.3.2 快速扩展随机树方法  24
    2.3.3 基于神经网络的路径规划方法  24-25
    2.3.4 机器学习和全局最优化方法  25-31
  2.4 本章小结  31-32
第3章基于DSTAR 和人工神经网络的智能路径规划  32-40
  3.1 DSTAR 算法的不足  32-35
  3.2 基于DSTAR 和BP 神经网络的路径规划策略描述  35-39
    3.2.1 训练样例生成  38-39
    3.2.2 学习策略改进  39
  3.3 参数控制和参数优化  39
  3.4 本章小结  39-40
第4章实验结果及分析  40-50
  4.1 实验方案  40-44
    4.1.1 体系结构  42-43
    4.1.2 各组件功能描述  43-44
  4.2 实验结果  44-47
  4.3 导航策略性能比较和量化分析  47-49
  4.4 本章小结  49-50
结论  50-51
参考文献  51-56
致谢  56

基于DSTAR和神经网络的未知环境移动机器人路径规划方法

内容摘要

全文目录

相似论文