基于免疫算法的多机器人自主协作路径规划硕士学位论文Word格式文档下载.docx
- 文档编号:21132093
- 上传时间:2023-01-27
- 格式:DOCX
- 页数:59
- 大小:1.01MB
基于免疫算法的多机器人自主协作路径规划硕士学位论文Word格式文档下载.docx
《基于免疫算法的多机器人自主协作路径规划硕士学位论文Word格式文档下载.docx》由会员分享,可在线阅读,更多相关《基于免疫算法的多机器人自主协作路径规划硕士学位论文Word格式文档下载.docx(59页珍藏版)》请在冰豆网上搜索。
导师指定
主要研究任务:
1、研究多机器人系统的特点和应用领域;
2、研究路径规划的基本方法,及这些智能方法的基本原理;
3、将人工势场法和免疫算法结合,并运用到路径规划中;
4、研究足球机器人系统的基本结构,实现足球机器人的自主协作。
接受任务时间
2010年月日
学生签名
导师签名
日期
年月日
独创性声明
本人郑重声明:
所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。
尽我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他人已经发表和撰写的研究成果,也不包含为获得华东交通大学或其他教育机构的学位或证书所使用过的材料。
与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。
本人签名_______________日期____________
关于论文使用授权的说明
本人完全了解华东交通大学有关保留、使用学位论文的规定,即:
学校有权保留送交论文的复印件,允许论文被查阅和借阅。
学校可以公布论文的全部或部分内容,可以采用影印、缩印或其他复制手段保存论文。
保密的论文在解密后遵守此规定,本论文保密期X年。
本人签名____________导师签名__________日期___________
摘要
机器人学已经成为控制领域的一个重点研究课题,而路径规划是机器人技术的核心问题。
近年来,国内外专家学者都在机器人路径规划研究中取得了较好的成绩。
由最初的在简单环境下的静态路径规划到如今的在复杂环境下的动态路径规划,再由单个机器人到多个机器人的研究,逐渐将不同智能方法运用到机器人的路径规划中。
本文针对机器人的路径规划及其相关关键技术展开了学习和研究,尤其是对基于免疫算法在路径规划中的研究作为重点部分,论文的主要研究内容如下:
本文首先对多机器人系统进行简要概述并说明了多机器人相对于单机器人的优点以及它的研究现状和发展趋势。
接着重点探讨了实现路径规划的分类和方法。
其次分别综述了三种不同智能方法,包括人工势场法、遗传算法、免疫算法在机器人路径规划中的研究,重点介绍了免疫算法的生物学机理及其基本概念,详细阐述了免疫算法的原理和设计实施,免疫算法的设计包括环境建模、抗体初始化及编码、亲合度函数的设计等,保证抗体的成熟收敛及多样性。
同时针对免疫算法存在的不足,提出了结合人工势场法和免疫算法,将其应用到路径规划中,实现最优化路径。
最后,介绍了足球机器人比赛和系统组成,足球机器人系统是研究多机器人系统的良好平台,需要多个机器人彼此协调与合作,实现多机器人的自主协作规划,然后介绍了几种模拟足球机器人比赛的仿真系统,并选择了其中的RobotSoccer软件进行足球比赛的仿真。
关键词:
多机器人系统,路径规划,免疫算法,足球机器人系统
AUTONOMOUSCOOPERATIVEPATHPLANNINGOFMULTI-ROBOTBASEDONIMMUNEALGORITHMMETHOD
ABSTRACT
Roboticshasbecomeafocusofresearchtopicinthecontrolfield,andpathplanningisacoreissueoftherobotics.Inrecentyears,bothdomesticandforeignexpertsaccessgoodresultstopathplanningresearchinrobotics.Theresearchofpathplanningisfromthestaticandsimpleenvironmenttocomplexanddynamicenvironment,andthenbyasinglerobottomultiplerobotsintheresearch,graduallydifferentintelligentmethodsareappliedtopathplanningoftherobotics.Inthispaper,wecarriedoutrobotpathplanninganditsrelatedkeytechnologiesandresearchstudy,especiallypathplanningbasedonimmunealgorithmasakeypartinthestudy.Themainresearchcontentsareasfollows:
Atfirst,thispaperhasabriefoverviewtomulti-robotsystem,describesthemoreadvantagesofthemulti-robotthanasinglerobot,andintroducesitscurrentstatusandtrends.Thenitisfocusontherealizationoftheclassificationandmethodsofpathplanning.
Secondly,thispapersummarizesthreedifferentintelligentmethods,includingtheartificialpotentialfieldmethod,geneticalgorithm,andimmunealgorithmintheresearchoftherobotpathplanning,andfocusesonthebiologicalmechanismanditsbasicconceptsoftheimmunealgorithm.Itdescribesindetailtheprincipleandimplementationofimmunealgorithm,thedesignoftheimmunealgorithmisincludingenvironmentmodeling,antibodyinitializationandcoding,thedesignofaffinityfunction,thenensurediversityandmatureoftheantibody.Atthesametime,tothedeficienciesofimmunealgorithm,weproposethatcombineartificialpotentialfieldmethodwithimmunealgorithm,andapplythismethodtomostoptimalpathplanning.
Finally,itintroducesthegameofsoccerrobotandthesystem.Thesoccerrobotsystemisagoodplatformfortheresearchofthemulti-robotsystem,whichrequirescoordinationandcooperationbetweenmultiplerobots.Thenitistoachieveautonomouscooperativepathplanningofthemulti-robot,andintroducesseveralsimulatedrobotsoccersimulationsystem,andselectoneoftherobotsoccersimulationsoftwaretosimulatethecompetition.
KeyWords:
Multi-robotsystems,Pathplanning,Immunealgorithm,Soccerrobotsystem
目录
第一章绪论1
1.1引言1
1.2多机器人系统的研究意义和应用领域1
1.2.1多机器人系统的研究意义2
1.2.2多机器人系统的应用领域2
1.3移动机器人路径规划3
1.3.1路径规划的分类3
1.3.2路径规划的方法4
1.4免疫算法5
1.5国内外研究状态和发展趋势5
1.6本文的主要研究内容和创新点6
1.6.1研究内容:
6
1.6.2各章安排7
第二章人工势场法在机器人路径避碰规划中应用8
2.1人工势场的基本原理8
2.2基于人工势场法的方法8
2.3沿墙走行为方法改进人工势场法10
2.4仿真实验11
2.5本章小结14
第三章基于遗传算法在机器人路径规划中的应用15
3.1遗传算法的概述15
3.1.1遗传算法的起源15
3.1.2遗传算法的产生与发展16
3.2遗传算法的基本原理17
3.2.1遗传算法的基本概念17
3.2.2遗传算法的基本结构17
3.3遗传算法的设计18
3.3.1环境建模18
3.3.2路径规划的编码方式20
3.3.3适应度函数的确定21
3.4基于遗传算法的最优路径规划21
3.4.1机器人编码21
3.4.2采用遗传算法操作对初始路径进行寻优22
3.4.3基于遗传算法的机器人路径规划流程22
3.4.4计算机仿真及结果分析23
3.5本章小结25
第四章免疫算法在机器人路径规划中的应用26
4.1免疫算法的简述26
4.1.1免疫算法的基本概念26
4.1.2免疫算法的分类27
4.2免疫算法的设计32
4.2.1抗体路径编码与初始抗体的产生32
4.2.2亲合度函数设计33
4.2.3变异算子33
4.3基于免疫算法路径规划仿真结果34
4.3.1算法主要步骤34
4.3.2仿真结果分析35
4.4本章小结37
第五章足球机器人的自主协作规划38
5.1足球机器人系统38
5.2小型足球机器人系统组成38
5.2.1感知系统39
5.2.2通信系统40
5.3足球机器人的自主协作41
5.4足球机器人仿真系统41
5.4.1仿真系统介绍41
5.4.2基于RobotSoccer仿真平台下的足球机器人比赛43
5.5本章小结45
第六章总结46
6.1主要工作回顾46
6.2本课题今后需进一步研究的地方46
参考文献48
个人简历在读期间发表的学术论文51
致谢52
第一章绪论
1.1引言
随着计算机技术、控制理论、传感器技术以及人工智能理论等的不断发展与进步,由多种学科综合而成的机器人学研究也发展到了一个新的阶段。
从20世纪40年代至今,全球范围的科技革命促进了社会的进步与发展,使生产和生产方式都发生了重大变化,机器人的诞生和机器人学的建立是近几十年来人类科学取得的重大成就之一。
机器人技术的进步与发展可以说是21世纪自动化最有说服力的成就,是当代最高意义上的自动化[1]。
目前,机器人朝着智能化和多样化等方向不断发展,应用领域得到了极大的扩展。
随着国内外对机器人的研究不断探索和深入,已经研发出各式各样的具有感知、决策、行动和交互能力的特种机器人和各种智能机器人,推出了各种类型,如移动机器人、微型机器人、水下机器人、军用机器人、服务娱乐机器人、仿人机器人等[2]。
在工农业生产、海洋开发、宇宙探测、军事、社会服务、娱乐等各个领域,机器人都有着广阔的发展空间与应用前景。
同时,机器人涉及到的相关技术也不断扩展,如多传感器信息融合、路径规划、机器人视觉、智能机接口等,产生了一系列研究课题[3]。
移动机器人的目标是在没有人干预、无需对环境做任何规定和改变的条件下,有目的地移动并完成任务。
相对单个机器人而言,多个机器人要比单个机器人的应用更具有实际研究意义,相互合作的机器人有比单个机器人更加有效可靠地完成一些任务的潜能[4]。
研究一个多机器人系统时,主要的问题之一就是如何使个体机器人能够适应其任务环境的动态变化而自动地规划其任务处理行为。
凡是有多机器人系统应用的地方必然离不开机器人路径规划技术的应用,因此路径规划是移动机器人能否成功完成任务的重要前提和条件之一。
移动机器人目前的发展趋势之一是智能化、自主化,即自主式移动机器人[5]。
1.2多机器人系统的研究意义和应用领域
多机器人学是当前机器人领域中富有挑战性的新兴学科,有很强的学科交叉性,涉及到了生物理论、管理分布式人工智能和控制理论等多个领域,多机器人系统具备单机器人系统无法比拟的优势,如鲁棒性和自适应性、时间和空间分布性、高效运行等[6],因为多机器人系统讲究个体之间的相互合作与协调,所以多个机器人比单个机器人更好地完成指定地任务和工作,可见多机器人学已成为今后机器人技术的一个主要研究方向,在航天、国防、工业、社会服务等许多领域具有广泛的应用前景。
要发挥多机器人系统的优势,关键是处理好多机器人的协作问题。
先进的协作架构和策略,可以使多机器人系统表现出强大的任务处理能力,这不仅只是单个机器人处理能力的简单线性相加,还应包括由机器人相互作用而产生的增量[7]。
1.2.1多机器人系统的研究意义
多机器人系统与单机器人相比,其中一个最显著的特点就是多机器人系统的合作与协调。
“合作”与“协调”在机器人技术领域表现出它的必然性。
所谓“合作”是指一个总体任务在个体之间如何分配,即如何组织多个机器人去完成任务,“合作”是通过机器人之间的组织方式及系统的运行机制实现的[8]。
当合作关系确定以后,要求各机器人在合作过程中相互之间运动协调的问题。
因此,多机器人协调和合作是多机器人系统研究中的两个不同而又有联系的概念。
前者研究的关键点是机器人之间合作关系确定之后具体的运动控制问题;
后者则是高层的组织与运行机制问题,重点是实现系统可以快速组织与重构的柔性控制机制。
多机器人系统运行并非物理意义上多个机器人简单的几何排列,组合中个体之间时刻满足空间位置上的某种数学关系,而且包括两个重要的因素就是合作与协调。
各机器人之间存在复杂的通信与协作,通过信息交互完成协同定位、避障等必须具备的功能,从而多机器人保持某种队形向目标前进,完成指定任务,因为机器人之间建立的交互信息网络,在物理位置和调度方式上,使得多机器系统具有比单机器人更大的优势,具体表现在如下几个方面:
(1)提高任务完成能力;
(2)提高机器人可靠性;
(3)降低成本消耗[9]。
协调是多机器人规划比单个机器人难处理地一个地方,在同一环境中运行的多个机器人,由于要共享资源,经常会产生利用资源时的冲突。
对于可预见的冲突,可以通过规划的方法加以解决,但规划方法的适用性十分有限,因为多机器人系统经常会面临一些动态不确定情况,所以多机器人系统必须采取一些协调策略以解决系统遭遇的各种动态冲突。
1.2.2多机器人系统的应用领域
多机器人系统的应用将会对社会产生巨大的变革,能极大地提高人们的生活质量,以及工业和农业以及国防现代化程度。
针对不同的应用领域,研究人员开发出几个具有代表性的应用技术[10]。
(1)多机器人编队导航。
编队导航行为在自然生物群中随处可见,这是科学技术应用借助自然生物知识的一个典型例子,再将其应用到机器人的研究中。
多机器人编队导航是机器人群体借助传感器感知周边环境和自身状态,协作完成编队,实现在有障碍物的环境中向目标运动。
在人类活动中,编队导航也被广泛应用,军事上的机群编队,航母、军舰混合编队等。
同自然生物和人类活动一样,多机器人编队导航是多机器人系统协同完成任务的前提,已经被广泛应用于国防和民用领域[11]。
(2)多机器人合作搬运。
多机器人搬运技术是多机器人系统协作研究的关键组成部分。
实际生活中,很多被搬运物体,由于自身体积、形状和重量的限制,需要多人合作进行搬运。
同样,采用机器人搬运物体,也会碰到需要多机器人合作搬运的情形。
多机器人合作搬运物体,实际上是一个具有约束条件的多机器人系统队形保持问题,在该问题中对多机器人系统的约束条件是,参与搬运工作的各个机器人的空间相对位置保持不变,每个机器人必须具有相同的运动速度和运动方向。
多个机器人搬运能够节省时间,提高工作效率,增加对任务完成的可靠性,更能节约成本。
(3)足球机器人比赛。
足球机器人比赛是多机器人系统应用的最好平台,根据足球机器人比赛的类型而定,比赛中有众多机器人不等。
在足球机器人比赛中,由于机器人数量较多,环境复杂,需要实时控制规划,加上小球和敌方的机器人都是障碍物,所以需要每个机器人良好合作互相协调把球踢好,才能取得本队的胜利。
如今已有很多国内外学者在这方面进行学习和研究,并取得较好的成绩,为多机器人的发展提供了良好的平台。
1.3移动机器人路径规划
路径规划技术是研究移动机器人的一个核心部分,它的任务就是在具有障碍物的环境内按照一定的评价标准,要求工作代价最小、行走路线最短、行走时间最短等因素,寻找一条从起始位置到达目标位置的无碰撞路径[12]。
障碍物在环境中的不同分布情况直接影响到机器人行走的路径规划。
路径规划涉及的主要问题包括:
先根据机器人所处空间的周围环境信息建立较为合理的环境模型,再用某种算法寻找一条从起始位置到目标位置的最优或近似最优的无碰撞路径;
能够处理环境模型中的不确定因素和路径跟踪中出现的误差,使外界障碍物体对机器人的影响降到最小;
如何利用已知的所有信息来引导机器人的动作,从而得到相对更优的行为规划。
1.3.1路径规划的分类
根据对环境空间信息掌握程度的不同,可以将路径规划分为全局规划和局部规划[13]。
全局路径规划需要知道关于环境的全部信息,包括机器人所处位置及所有障碍物的形状和方向位置,根据环境地图进行路径规划,并产生一系列关键节点作为子目标点下达给局部路径规划系统。
局部路径规划则只需获得距离机器人较近的障碍物信息。
机器人在运行过程中,通过传感器传输获得环境信息并且不断地更新其内部的环境表示,由此确定出机器人在空间中的当前位置及周边局部范围内的障碍物分布情况,并在此基础上,规划出一条从起点到某一目标点的优选路径。
但局部路径规划只适合于起始点和终点相距较近的情况,可以看作是全局路径规划在机器人实际运行过程中的一个补充。
如果从静态或动态获取障碍物信息角度划分,全局路径规划属于静态规划,而局部路径规划则是动态规划。
因此我们可以根据机器人对环境信息掌握的程度和障碍物的不同,将移动机器人的路径规划具体可以分为以下四类:
(1)已知环境下对静态障碍物的路径规划;
(2)未知环境下对静态障碍物的路径规划;
(3)已知环境下对动态障碍物的路径规划;
(4)未知环境下对动态障碍物的路径规划。
全局路径规划与局部路径规划的不同之处在于:
全局路径规划是根据已知环境模型找出从起始点到目标点的符合一定条件的可行或最优路径。
局部路径规划是依靠传感器获得环境信息,它所处的环境是未知或部分未知的,所以障碍物的尺寸、形状和位置等信息必须通过传感器来获取。
1.3.2路径规划的方法
根据机器人拥有环境信息情况的不同,大致可分为两种情况:
一是基于环境先验信息已知的全局路径规划,二是基于传感器信息的局部路径规划,后者情况是环境完全未知或部分未知的,即障碍物的大小、形状和位置等信息必须通过传感器获取。
用于全局路径规划的方法主要有:
可视图法、自由空间法、栅格法等,用于局部路径规划的主要方法有人工势场法,遗传算法等。
(1)可视图法。
可视图法[14]把移动机器人看成一个很小的质点,将机器人、目标点和多边形障碍物的各顶点进行组合连接,并保证连接线均不与障碍物相交,这就形成了一张图,称为可视图。
由于任意两直线的顶点都是可见的,从起点沿着这些直线到达目标点的所有路径都是无碰撞路径,搜索最优路径的问题就转化为从起始位置到目标位置经过这些可视直线的最短距离问题。
运用优化算法,可删除一些不必要的连线以简化可视图,以便缩短搜索时间,利用该方法能够求得机器人的最短路径。
(2)自由空间法。
自由空间法[15]采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间,并将自由空间表示为连通图,然后通过搜索连通图来进行路径规划。
自由空间法的优势在于空间的构造能够清晰了然,然后通过几何描述定义一些搜索方法。
如果在己知的自由空间中存在避碰路径,那么这些搜索方法可以保证找到最短的路径,所以可以按其性能指标来搜索和优化路径。
该方法比较灵活,初始点和目标点的改变不会造成连通图的重构[16],但自由空间法的缺点是自由空间的计算量庞大,随空间维数的增加,构造连通图所需的计算时间成指数倍增长,尤其是对于障碍物相对比较密集的空间和当机器人的自由度数比较大时,其路径搜索策略要么失败,要么花费不可估量的时间代价。
(3)栅格法。
栅格法[17]是由W.E.Howden在1968年提出的。
栅格法将机器人工作环境分解成一系列网格单元,工作空间中障碍物的位置和大小一致,并且在机器人运动过程中,占该物的位置和大小固定不变。
用尺寸相同的栅格对机器人的工作空间进行划分,栅格的大小以机器人自身的尺寸为准。
若某个栅格范围内不含任何障碍物,则称此栅格为自由栅格;
反之,称为障碍栅格。
通常以栅格为单位表达环境信息,环境被量化成具有一定分辨率的栅格,合理的划分栅格非常重要,因为环境信息存储量的大小和规划时间的长短直接取决于栅格的大小。
栅格划分大了,环境信息存储量小,规划时间短,但分辨率下降,在密集环境下发现路径的能力减弱;
栅格划分小了,环境分辨率高,在密集环境下发现路径的能力强,但环境信息存储量大,规划时间长。
(4)人工势场法。
人工势场法是由Khatib[18]提出的一种虚拟力法。
其基本思想是将移动机器人在环境中的运动视为一种虚拟人工受力场中的运动,障碍物对移动机器人产生斥力,目标点对机器人产生引力,引力和斥力周围由一定的算法产生相应的势场,机器人在势场中受到抽象力作用,抽象力使得机器人绕过障碍物。
该方法结构简单,计算速度快,便于底层的实时控制,在实时避障和平滑的轨迹控制方面得到了广泛应用。
(5)遗传算法。
遗传算法是进化算法之一,是一种借鉴生物界中的自然选择和自然遗传机制的随机搜索算法,该算法是在1975年由Holland教授及其学生提出的[19]。
遗传算法是目
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 免疫 算法 机器人 自主 协作 路径 规划 硕士学位 论文
![提示](https://static.bdocx.com/images/bang_tan.gif)