混合智能算法在移动机器人导航中的研究及应用

摘要

机器人在未知环境下的自主导航，通常存在着大量的障碍物阻碍着移动机器人的前进，机器人必须在这些有限的工作环境中，寻找到一条无碰撞、时耗或能耗最小的最佳路径，到达指定地点并完成工作。国外在这方面的研究中一个明显的趋向是采用人工势场法、栅格法、灰色理论、模糊逻辑、神经网络和遗传算法等综合技术手段来达到目的，尤其是在不同程度上采用神经网络、遗传算法、模糊控制的方法是当前研究的重点。 机器人在未知环境下的自主导航，通常存在着大量的障碍物阻碍着移动机器人的前进，机器人必须在这些有限的工作环境中，寻找到一条无碰撞、时耗或能耗最小的最佳路径，到达指定地点并完成工作。国外在这方面的研究中一个明显的趋向是采用人工势场法、栅格法、灰色理论、模糊逻辑、神经网络和遗传算法等综合技术手段来达到目的，尤其是在不同程度上采用神经网络、遗传算法、模糊控制的方法是当前研究的重点。 本文主要工作是进行移动机器人在未知环境下的自主导航算法研究。以模糊逻辑作为控制作为基础，并将神经网络、模糊逻辑，以及模糊逻辑、遗传算法方法结合起来作为移动机器人在未知环境下的自主导航控制算法，作为本论文的研究课题。并各自进行了仿真。

目录

文摘

英文文摘

声明

第一章绪论

1.1引言

1.2移动机器人导航的研究及其发展现状

1.2.1移动机器人路径规划(即导航)的定义

1.2.2移动机器人路径规划的国内外发展现状

1.3移动机器人导航技术的研究背景及意义

1.4论文主要研究内容

第二章机器人避碰几何学分析

2.1引言

2.2移动机器人对当前环境的感知

2.2.1当前环境的感知方法

2.2.2当前环境的特征抽取

2.2.3移动机器人安全避障距离几何学分析及可行性验证

2.3小结

第三章基于模糊逻辑移动机器人导航控制器设计

3.1引言

3.2模糊理论简介

3.2.1模糊变量的模糊化(Fuzzification)

3.2.2模糊知识库(Knowledge Base)

3.2.3模糊推理(Inference Engine)规则

3.2.4模糊输出变量解模糊化(Defuzzification)

3.3移动机器人避障的模糊控制器的设计

3.3.1移动机器人避障模糊控制器结构设计

3.3.2输入输出变量及其模糊化

3.3.3移动机器人的模糊推理机

3.3.4模糊控制器输出的清晰化处理

3.4输出曲面以及典型工作环境下的仿真。

第四章　基于模糊-神经网络混合算法的机器人导航

4.1.引言

4.2人工神经网络(artificial Neural Networks)简述

4.2.1.神经元模型

4.2.2人工神经网络

4.2.3神经网络的学习方法

4.3模糊神经网络原理简述

4.3.1模糊神经网络控制器的结构

4.3.2各层节点的函数功能

4.3.3模糊神经网络的学习算法

4.4模糊神经避障控制器设计

4.4.1模糊神经网络结构

4.4.2模糊神经网络的训练

4.5仿真实验

4.6小结

第五章基于遗传-模糊逻辑混合算法的机器人导航

5.1前言

5.2遗传算法简介

5.3遗传算法的基本特点

5.4模糊逻辑与遗传算法融合的路径规划算法

5.4.1用遗传算法设计最优避障模糊控制器

5.4.2最佳避障模糊控制器设计步骤及matlab仿真

5.4.3结论与分析

5.5小结

第六章结论

参考文献

攻读学位期间发表的论文

致谢