动态环境下移动机器人的路径规划方法研究

龙源期刊网 http://www.qikan.com.cn

动态环境下移动机器人的路径规划方法研究

作者：张雪

来源：《商情》2015年第15期

单位：天津职业技术师范大学、新乡职业技术学院

提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存在已知和未知、静止和运动障碍物的复杂情况。采用链接图法建立了机器人工作空间模型，整个系统由全局路径规划器和局部路径规划器两部分组成。在全局路径规划器中，应用遗传算法规划出初步全局优化路径。在局部路径规划器中，设计了三种基本行为：跟踪全局路径的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径。其中，避碰的行为是通过强化学习得到的，仿真和实验结果表明所提方法简便可行，能够满足移动机器人导航的高实时性要求。 动态环境移动机器人遗传算法路径规划 1绪论

移动机器人在进行工作时，往往要求根据某一准则（如路线长度最短、能量消耗最少等），在结构化空间中沿一条最优（或次优）的路径行走。为寻求这条行走路径，人们提出了路径规划的可视图法、人工势场法等。但是，可视图法搜索路径的算法复杂，效率不高;而人工势场法有可能产生极小路径点，使得机器人停滞不前，从全局上把握不了路径的质量。近来随着遗传算法等新的全局最优化方法的发展和应用，也有文献利用遗传算法来规划机器人路径。但文献所介绍的方法产生的无效路径太多，使得计算效率太低，甚至找不出最优路径。 针对这种动态环境的特点，本文从系统的观点提出一种路径规划新方法。整个系统包括两个层次，全局规划层采用改进遗传算法根据整体环境信息决策出初始全局优化路径，而局部规划层采用基于行为的方法根据局部高分辨率信息实时修正初始全局优化路径.基于行为的方法，是一种简单、实时性强的控制机器人运动的方法。该方法根据任务的不同将机器人的运动分解为几个基本行为，通过传感器和通信信息对环境做出快速反应，以利于机器人迅速完成任务。设计了三个基本行为，即跟踪全局路径的行为、避碰的行为和目标制导的行为。其中，避碰的行为采用强化学习得到。 2模型的建立 2.1遗传算法

遗传算法是基于自然选择和遗传学原理的搜索算法。它将“适者生存”这一基本的达尔文进化理论引入串结构，并且在串之间进行有组织但又随机的信息交换。伴随着信息交换的进行，优良的品质被逐渐保留并加以组合，从而不断产生出更佳的个体。遗传算法的基本思想是：在问题的求解过程中，把搜索空间视为遗传空间，把问题的每一个可能解看作一个个体，个体里