毕业设计论文基于蚁群算法的机器人路径规划附仿真程序.docx

《毕业设计论文基于蚁群算法的机器人路径规划附仿真程序.docx》由会员分享，可在线阅读，更多相关《毕业设计论文基于蚁群算法的机器人路径规划附仿真程序.docx（23页珍藏版）》请在第一文库网上搜索。

1、毕业论文设计论文题目:基于蚁群算法的机器人路径规划摘要IAbstractII1引言11.1 课题背景及意义11.2 主要研究内容及关键问题21.3 论文结构32机器人路径规划概述42.1 路径规划的定义42.2 路径规划问题的分类42.3 环境建模52.3.1 可视图法52.3.2 栅格法63蚁群算法概述73.1 蚁群算法的基本原理73.2 基本蚁群算法的数学模型83.2.1 对蚂蚁个体的抽象83.2.2 问题空间的描述83.2.3 寻找路径的抽象93.2.4 信息素挥发的抽象93.2.5 启发因子的引入94基于蚁群算法的机器人路径规划114.1 环境建模114.2 算法的描述124.3 算法

2、的步骤135仿真实验及结果分析165.1 仿真实验165.2 结果分析176结束语20参考文献21致谢错误!未定义书签。附录A基于蚁群算法的机器人路径规划主程序23附录B机器人工作环境的地图数据转化程序30附录C机器人工作环境的地图数据信息33摘要随着科学技术的进步，智能机器人系统开始应用在服务行业。服务型的自主式移动机器人的研究和设计越来越受到企业界和商业界的重视。目前，已经存在很多组合优化算法来解决机器人路径规划问题，但很多算法都存在一定的局限性。而蚁群算法具有正反馈、灵活性和协同性等特点，顺应路径规划算法的研究现状和向智能化、仿生化发展的趋势。因此，本课题拟采用蚁群算法对机器人路径进行规

3、划。本文讨论的机器人环境为静态全局环境已知，通过栅格法对已知环境进行抽象，建立机器人工作空间模型，并采用蚁群算法，模拟蚂蚁觅食行为，根据优化条件搜索出一条从指定起点到终点的最优或近似最优路径，即全局路径规划。机器人利用自身视觉传感器按照规划出的最优路径自动导航，无碰撞地移动到目标点。通过MaUab平台实施仿真，实验结果表明，在环境地图已知的情况下，该算法能迅速规划出较优的全局路径，并且算法简单有效。与传统的搜索算法比较，它可以避免陷入过早收敛，能实现移动机器人在较短时间内搜索到最佳路径并规避障碍。关键词：蚁群算法；组合优化；机器人；路径规划AbstractWiththedeve1opmento

4、fthescienceandtechno1ogy,inte11igentroboticsystemshavebeenapp1iedintheserviceindustry,andtheR&Dofservice-typeautonomousmobi1erobothasreceivedgreaterattentionfrombusinesscirc1esinChina.Now,manycombinationoptimizationa1gorithmshavebeendeve1opedtoso1vetherobotpathp1anning,butwithsome1imitationforeacha1

5、gorithms.Thenew1y-deve1opedanta1gorithmhassuperioritiesofpositivefeedback,f1exibi1ityandco11aboration,whichenab1esittoadapttothetrendofpathp1anninga1gorithmsintheinte11igentandbionicdirection.Thus,antco1onya1gorithmisproposedtop1antherobotspathinthispaper.Thestoica1andg1oba1environmentisgiven,whichi

6、sabstractedwithgridmethodbeforetheworkspacemode1oftherobotbeingbui1t.Withtheadoptionoftheantco1onya1gorithm,theforagingbehaviorofantco1onyissimu1ated.Accordingtotheoptimizationcondition,therobottriestofindapathwhichisoptima1oroptima1-approximatepathfromstartingpointtogoa1,thatisg1oba1pathp1anning.Th

7、erobotusesitsbui1t-invisionsensorstonavigateautonomous1yfo11owingtheoptima1pathwhichhasbeenbui1t,andmovetotheobjectco1Iision-free1y.OntheMat1abp1atform,thesimu1ationresu1tshowsthattheoptima1pathcanbebui1tquick1ybythisa1gorithmiftheenvironmentmapisknown.A1so,thea1gorithmissimp1eandefficient.Compariso

8、nwithtraditiona1searcha1gorithmsthemobi1erobotcanfindthegoa1withintheshortestpathwithouttheco11isionandthestagnation.Keywords:antco1onya1gorithm;combinationoptimization;robot;pathp1anning1引言1.1 课题背景及意义在各种新技术中，机器人技术尤其得到许多国家的重视，而且随着科学技术的进步，发展日益迅速。机器人在许多领域得到广泛应用，已经对许多国家的工业生产、外太空的探索、国防的建设以及整个国民经济和人民生活产生

9、了重大影响，而且这种影响还在不断扩大中，比如，广泛应用于军事侦察、工业生产、娱乐服务领域中，尤其是在一些作业环境比较恶劣的情况下，如排雷排险、焊接、生化探测、火灾侦察、隧道凿岩及抢险救灾等。而机器人路径规划是机器人学的一个重要研窕领域，也是人工智能与机器人学的重要结合点。路径规划是移动机器人研究领域的重要内容，也是一种比较典型的优化问题，本身具有复杂性、约束性、非线性、建模规范等特点。路径规划算法的计算量取决于任务、环境的复杂性以及对规划路径质量的要求，一个好的路径规划算法应该兼顾对规划速度和路径质量的期望。因此，通过研究此问题，探索与改进一种适合于大规模并行且具有智能特征的路径优化算法已成为

10、有关学科的一个主要研究目标和引人注目的研究方向。与20世纪80年代研究初期相比，近年来有关机器人路径规划的文献日益增多，无论是在研究的深度还是广度上都有了巨大的发展，初步形成了理论、算法和应用的多方位研究。在机器人路径规划的算法领域中，目前使用的方法有人工势场法、遗传算法、模糊逻辑算法、神经网络算法等。人工势场法最早是由KhaIib和KrOgh提出的一种虚拟力法。在人工势场中，障碍物被看作斥力场，目标被看作引力场，所以障碍物对机器人产生斥力，目标对机器人产生引力，通过求引力和斥力的合力来控制机器人的运动。人工势场法结构简单，计算量小，实时性好。因而广泛应用于实时避障和平滑轨迹控制方面。但是在局

11、部最优解的问题上容易产生死锁现象，从而可能导致机器人陷入局部最优点。遗传算法是一种多点搜索算法，也是目前机器人路径规划研究中应用较多的一种方法。由于遗传算法的整体搜索策略和优化计算不依赖于梯度信息，且作为并行算法，其隐并行性适用于全局搜索，所以解决了其它一些算法无法解决的问题。但在初始可行解的有效构造以及针对复杂环境特点设计相应的遗传算子等方面，存在着较大的困难。此外，遗传算法运算速度低，进化众多的规划要占据较大存储空间和运算时间。模糊逻辑算法是基于实时传感信息的一种在线规划方法。李彩虹提出了一种在未知环境下移动机器人的模糊控制算法，庄晓东提出一种动态环境中基于模糊概念的机器人路径搜索算法。然

12、而，模糊逻辑应用于复杂未知动态环境中，模糊规则较难提取等。神经网络作为一个高度并行的分布式系统，为解决机器人系统实时性要求很高的问题提供了可能性，并应用于机器人路径规划方面。禹建丽网等在线性再励的自适应变步长机器人神经网络路径规划算法中提出了一种基于神经网络的机器人路径规划算法。研究了障碍物形状和位置已知情况下的机器人路径规划算法，其能量函数的定义利用了神经网络结构，规划出的路径达到了折线形的最短无碰路径，该方法计算简单、收敛速度快。刘成良等在神经网络在机器人路径规划中的应用研究中提出了基于神经网络的机器人无碰撞路径规划方法，给出了无碰撞轨迹规划的人工神经网络算法，证明了其可行性，为神经网络真

13、正用于机器人控制提供了基础。但是随着神经网络研究和应用的深入，人们又发现人工神经网络模型和算法也存在问题。如神经计算由于不依靠先验知识，是靠学习与训练从数据中取得规律和知识，这固然是优点，但同时也带来困难，如效率问题，学习的复杂性也是困扰神经网络研究的一大难题。其次，由于先验知识少，神经网络的结构就很难预先确定，只能通过反复地学习寻找一个合适的结构，因此，由此所确定的结构也就很难为人理解。综上所述，这些路径规划方法都在一定程度上解决了机器人的路径规划问题，但是，由于各种算法自身的局限，使得路径规划问题的探讨仍具魅力，新的算法也在不断地涌现与发展。而蚁群算法是基于生物界群体启发行为的一种随机搜索

14、寻优方法，具有动态性、分布性和协同性等一些特性，采用了正反馈并行自催化机制，具有较强的鲁棒性、优良的分布计算机制、易于与其它方法结合等优点，在解决许多复杂优化问题方面已经展现出其优异的性能和巨大的发展潜力。而机器人作为一种智能体，其路径规划是指机器人按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰撞路径，它是实现机器人控制和导航的基础之一，在很大程度上类似于蚂蚁觅食优选路径。因此，本文拟采用蚁群算法对机器人路径进行规划，期望能够很好地克服上述传统算法的不足。1.2 主要研究内容及关键问题本课题对已知的全局静态环境进行场景建模的基础上，重点研究了用于机器人全局路径规划的智能蚁群

15、算法，为机器人寻找一条从给定的起始点到目标点的满足一定优化指标的无碰撞路径，并在此基础上，用Mauab软件进行仿真实验，验证算法的有效性和优良性能。本课题拟解决的关键问题：1）环境建模：采用何种方法对机器人工作环境进行建模，建立一个便于计算机进行路径规划使用的环境模型，即将机器人实际工作的物理空间抽象成算法能够处理的抽象空问；2）路径搜索：如何应用蚁群算法编写程序，并结合信息素更新策略，以及考虑在路径搜索阶段避免陷入局部最优解等问题，更好地规划出一条无碰撞、最优路径。1.3 论文结构本文的主要结构如下：第1章：阐述了本课题的背景及意义，比较了目前常用的路径规划算法，并提出基于蚁群算法对机器人路径进行规划的问题。第2章：描述机器人路径规划的问题，介绍了机器人工作环境的建模方法。第3章：概述蚁群算法，介绍其基本原理和工作流程，并描述了算法的数学模型。第4章：针对前面对路径规划问题与蚁群算法的研究，将蚁群算法引入到移动机器人的路径规划中，采用栅格法对环境进行建模，并描述算法的实施步骤。第5章：编写程序对其进行仿真实验，并分析实验结果。第6章：对全文进行总结，给出下一步研究方向。2机器人路径规划概述路径规划技术是智能机器人领域中的一个重要分支，是机器人学中研究人工智能问题的一个重要方面，也是目前研究的重点领域。2003年底和2004年初分别登入火星