菜单
  

    照一定的评价标准,寻找一条从起始状态到目标状态的无碰撞路径[3]

    本课题研究的智能移动平台主要聚焦于,如何通过简单的算法与控制系统,
    在需求尽可能少的硬件资源的情况下,机器人在复杂环境下的指定目的地的移动。
    使得本课题最终完成的移动机器人硬件平台、驱动层、底层控制器、路径跟踪控
    制器与上位路径规划算法,具有上述移动机器人所需的基本功能。
    针对该路径规划问题,常见的路径规划算法如下:
    ( 1)  拓扑法 这种方法的优点在于利用拓扑特征来缩小搜索空间,  拓扑法的复杂性仅仅
    依赖于障碍物的数目,  在理论上是完备的。缺点在于表示的复杂性特殊性。建立
    拓扑网的过程相当复杂,  较难实现。
    ( 2)  人工势场法
    该方法的优点是可以使机器人迅速躲开突发障碍物,  实时性好。但是经常会
    因为局部极点而使机器人运动到一个死区,  发生震荡现象而导致规划失败。由于
    其计算简单,  因此常被用于局部路径规划。
    ( 3)  遗传算法
    遗传算法具有优良的全局寻优能力和隐含的并行计算特性,  提高了路径规
    划问题的求解质量和求解效率。
    ( 4)  神经网络
    神经网络是一个高度并行的分布式系统,  处理视觉系统探测到的图像速度
    高,  可以充分利用其非线性处理能力达到环境及坐标辨识的目的,  还可以完成机
    器人内部坐标和全局坐标的快速转换。在有监督的情况下,  学习网络的最大缺点
    在于环境改变后必须重新学习,  这在环境信息不完整或环境经常改变的情况下难以应用。
    ( 5)  栅格法
    该方法的特点是简单和易于实现,  易于扩展到三文环境。它的缺点是对工作
    区域的大小有一定的要求,  如果区域太大,  将使栅格的数量急剧增加,  使搜索存
    在组合爆炸的问题。本文对基于栅格法的移动机器人路径规划算法问题进行了研
    究,  仿真结果显示机器人可以很快找到一条无碰撞路径,  顺利到达目标点。
    随着计算机以及集成晶片技术的不断进步,越发充足的计算能力使得诸如神
    经网络,遗传算法,甚至是无需建立地图模型生物仿生算法得到长足的发展。
    当前,路径规划的学术研究主要集中于以下算法:部分贪婪路径规划算法,
    图论最短路径规划算法,基于神经网络的多种路径规划学习算法、图像膨胀(粒
    子群)算法。
    但是,在工业应用领域,移动机器人往往依旧运用各种“地标”辅助里程计进行定位工作。
  1. 上一篇:上海地铁7号线地铁车辆编组方案及牵引传动系统选型分析
  2. 下一篇:液化气回收装置气体吸收塔的设计+CAD图纸
  1. 两关节地面移动机器人控...

  2. CATIA小型履带式机器人底盘...

  3. 吸附式高楼气动擦窗机器人设计+CAD图纸

  4. ATC换刀机器人设计垂直升降系统设计

  5. MATLAB排爆机器人稳定平台二维随动控制设计

  6. 单电动缸驱动的平行伸缩装置码垛机器人设计

  7. ansys四自由度并联高速搬运机器人创新设计

  8. 乳业同业并购式全产业链...

  9. 河岸冲刷和泥沙淤积的监测国内外研究现状

  10. 电站锅炉暖风器设计任务书

  11. 十二层带中心支撑钢结构...

  12. 当代大学生慈善意识研究+文献综述

  13. 大众媒体对公共政策制定的影响

  14. java+mysql车辆管理系统的设计+源代码

  15. 酸性水汽提装置总汽提塔设计+CAD图纸

  16. 中考体育项目与体育教学合理结合的研究

  17. 杂拟谷盗体内共生菌沃尔...

  

About

751论文网手机版...

主页:http://www.751com.cn

关闭返回