基于免疫遗传算法的移动机器人全局路径规划

摘要

随着计算机、网络、机械电子、信息、自动化以及人工智能等技术的飞速发展，移动机器人的研究进入了一个崭新的阶段。同时，军事进步的需要和太空资源、海洋资源的开发与利用为移动机器人的发展提供了广阔的空间。 本文首先介绍了机器人发展简史、分类、定义和移动机器人技术，简述了全局路径规划的相关问题和一些方法。概要介绍了遗传算法、免疫算法以及各自算法的优缺点，为本论文的研究工作奠定了重要的理论基础。在此基础上提出了基于免疫遗传算法的机器人全局路径规划方法，该方法首先建立机器人工作空间中环境信息的神经网络模型，并利用该模型建立机器人免碰撞路径与神经网络输出的关系，将免碰撞要求和平滑度、路径长度要求融合成免疫遗传算法的一个简单适应度函数。将抗体选择概率表示成一个基于抗体矢量距和抗体浓度的融合函数，同时保证了抗体的多样性和成熟收敛。针对算法给出了具体仿真实现过程，给出了在简单和复杂环境下的仿真结果，并与遗传算法相比，性能有很大提高，结果证明了该全局路径规划方法的正确性和有效性。 本文最后设计并实现了一个机器人路径规划综合实验。首先采用免疫遗传算法给机器人规划一条路径使其绕过障碍物，然后利用机器人自身传感器判断外界环境信息同时进行目标识别，使机器人到达规定的目标点。实验结果表明本文给出的规划方法是有效的、可行的，同时也表明了基于一阶直方图特征的字母识别方法的实用性。

目录

文摘

英文文摘

论文说明：图表目录

声明

致谢

第一章绪论

1.1机器人的发展简史

1.2机器人的定义

1.3机器人的分类

1.3.1工业机器人

1.3.2特种机器人

1.4机器人学的发展

1.5移动机器人技术

1.6本文的主要工作

第二章移动机器人路径规划研究

2.1引言

2.2传统路径规划方法

2.2.1自由空间法(Free Space Approach)

2.2.2栅格法(Grids)

2.2.3可视图法

2.2.4人工势场法

2.3其他智能路径规划方法

2.3.1基于神经网络的路径规划

2.3.2模拟退火算法(Simulated Annealing)

2.3.3蚁群算法

第三章遗传算法、免疫算法与免疫遗传算法

3.1遗传算法的简介

3.2遗传算法基本原理

3.2.1编码、初始种群的产生

3.2.2适应度函数(fitness function)

3.2.3 选择(selection/reproduction)

3.2.4交叉(crossover)

3.2.5变异(mutation)

3.3免疫算法的自然机理

3.4免疫算法

3.5免疫遗传算法简介

第四章基于免疫遗传算法的机器人全局路径规划

4.1引言

4.2环境信息的描述

4.3抗体编码与初始抗体的产生

4.4适应度函数设计

4.4.1路径安全性适应度函数

4.4.2平滑度适应度函数

4.4.3路径长度适应度函数

4.5抗体浓度计算

4.5.1 Euclidean浓度

4.5.2矢量距浓度

4.6抗体的促进、抑制与产生新抗体

4.7免疫算子

4.7.1接种疫苗

4.7.2免疫选择

4.8仿真实验

4.9结论

第五章移动机器人路径规划综合实验

5.1实验平台简介

5.1.1 AS-R主要特点

5.1.2 AS-R基本配置功能模块

5.1.3 AS-R的主要应用

5.1.4机器人传感器

5.2 ASR接口

5.2.1 CASRSystem概述

5.2.2设备层概述

5.3实验综述

5.4基于一阶直方图特征的字母识别

5.4.1图像预处理

5.4.2灰度直方图特征的提取

5.5实验结果分析

5.5.1路径规划结果分析

5.5.2字母识别结果分析

第六章总结与展望

参考文献

硕士期间发表论文