《移動(dòng)機(jī)器人路徑規(guī)劃.ppt》由會(huì)員分享，可在線閱讀，更多相關(guān)《移動(dòng)機(jī)器人路徑規(guī)劃.ppt（19頁珍藏版）》請(qǐng)?jiān)谘b配圖網(wǎng)上搜索。

移動(dòng)機(jī)器人路徑規(guī)劃技術(shù) 體系結(jié)構(gòu) 基于功能的分層式體系結(jié)構(gòu)功能 感知 建模 規(guī)劃 行動(dòng)基于 傳感器 行為的反應(yīng)式體系結(jié)構(gòu)如Brooks包容式體系結(jié)構(gòu)機(jī)器人行為控制器構(gòu)造優(yōu)化方法基于模糊邏輯及神經(jīng)網(wǎng)絡(luò)的監(jiān)督學(xué)習(xí)基于傳感器信息的局部運(yùn)動(dòng)規(guī)劃 前兩種 混合式 BrooksR RobisA LayeredControlSystemforaMobileRobot IEEETransonRobotics Automation 1986 2 1 14 23 路徑規(guī)劃 以C表示機(jī)器人的位形空間 以F表示無碰撞的自由位形空間 給定機(jī)器人初始位形qinit和目標(biāo)位形qgoal 在F中尋找一條連接這兩點(diǎn)的連續(xù)曲線 滿足某些性能指標(biāo) 如路徑最短 行走時(shí)間最短 工作代價(jià)最小等 路徑規(guī)劃主要包括環(huán)境 路徑搜索和路徑平滑環(huán)節(jié) 環(huán)境建模 從現(xiàn)實(shí)物理空間到算法處理抽象空間的映射表示常用建模表示方法 柵格法類似于矩陣 柵格數(shù)據(jù)表示有無障礙物易創(chuàng)建和維護(hù) 但分辯率和數(shù)據(jù)量互相制約幾何法利用幾何特征表示需要對(duì)感知信息作額外處理圖將前面兩種方法結(jié)果用拓?fù)浞ㄟB接成一個(gè)圖 路徑搜索 路徑表達(dá) 以環(huán)境模型中的結(jié)點(diǎn)序列組成或由直線段序列組成路徑平滑 依據(jù)機(jī)器人運(yùn)動(dòng)學(xué)或動(dòng)力學(xué)約束形成機(jī)器人可跟蹤執(zhí)行的運(yùn)動(dòng)軌跡如果考慮機(jī)器人運(yùn)動(dòng)學(xué)約束 則路徑軌跡的一階導(dǎo)數(shù)應(yīng)連續(xù)如果考慮動(dòng)力學(xué)約束 則路徑軌跡的二階導(dǎo)數(shù)應(yīng)連續(xù) 路徑規(guī)劃 基于地圖的全局路徑規(guī)劃環(huán)境已知的離線全局路徑規(guī)劃環(huán)境未知的在線規(guī)劃基于進(jìn)化算法基于廣義預(yù)測(cè)控制基于傳感器的局部路徑規(guī)劃增量式構(gòu)造當(dāng)前可視區(qū)域路徑圖的規(guī)劃方法基于近似單元分解的局部路徑規(guī)劃方法基于微分平坦系統(tǒng)理論的運(yùn)動(dòng)規(guī)劃方法 路徑規(guī)劃方法分類 傳統(tǒng)經(jīng)典算法基于圖的方法基于柵格的方法勢(shì)場(chǎng)法數(shù)學(xué)編程法智能方法模糊方法神經(jīng)網(wǎng)絡(luò)方法遺傳算法 基于圖的方法 通過起始點(diǎn)和目標(biāo)點(diǎn)以及障礙物頂點(diǎn)在內(nèi)的一系列點(diǎn)構(gòu)造可視圖 連接這些點(diǎn) 使某點(diǎn)與其周圍的可視點(diǎn) 即中間無障礙物 相連 然后機(jī)器人沿著這些點(diǎn)在圖中搜索路徑 全局圖法可視圖法 Voronoi圖法 Silhouette法 基于啟發(fā)式搜索的Q M圖法全局搜索 路徑完備 但計(jì)算量大 難實(shí)現(xiàn)基于隨機(jī)路圖的方法PRM ProbabilisticRoadmapMethod 易于實(shí)現(xiàn) 速度效率高 但僅具有概率完備性 基于柵格的方法 將區(qū)域劃分成柵格 搜索連通柵格表示路徑 優(yōu)點(diǎn) 易于建模 存儲(chǔ) 處理 更新與分析Dijkstra算法 通過枚舉求解兩點(diǎn)間距離最短A 算法 通過代價(jià)評(píng)估加快搜索梯度法 由起點(diǎn)到目標(biāo)點(diǎn)距離下降最大梯度方向搜索 不能保證全局最短 可能陷入局部最小點(diǎn)距離變換法 逆向的梯度法 保證全局最短 但搜索效率隨柵格和障礙物數(shù)目增加急驟下降四叉樹法 不能最優(yōu)甚至次優(yōu) 損失大量可行自由空間 勢(shì)場(chǎng)法 目標(biāo)產(chǎn)生引力 障礙物產(chǎn)生斥力 合力控制機(jī)器人運(yùn)動(dòng)適用于靜態(tài)環(huán)境或動(dòng)態(tài)環(huán)境存在振蕩和局部最小值方法 人工勢(shì)場(chǎng)法虛擬力場(chǎng)法電場(chǎng)法結(jié)合模擬退火的人工勢(shì)場(chǎng)法 數(shù)學(xué)編程法 用一組不等式來表示機(jī)器人的避碰約束 機(jī)器人運(yùn)動(dòng)起點(diǎn)和終點(diǎn)分別用一個(gè)函數(shù)的起始條件和終止條件表示 同時(shí)設(shè)定一個(gè)最優(yōu)評(píng)價(jià)函數(shù) 從而將路徑規(guī)劃問題轉(zhuǎn)化為一個(gè)純數(shù)學(xué)的最優(yōu)求解問題 基于模糊邏輯的方法 模糊邏輯 構(gòu)造二維隸屬度函數(shù) 模糊綜合評(píng)價(jià)該方法在環(huán)境未知或發(fā)生變化的情況下 能夠快速而準(zhǔn)確地規(guī)劃?rùn)C(jī)器人路徑 對(duì)于要求較少規(guī)劃時(shí)間的機(jī)器人是一種良好的導(dǎo)航方法 缺點(diǎn)是當(dāng)障礙物數(shù)目增加時(shí) 該方法的計(jì)算量會(huì)很大 影響規(guī)劃結(jié)果 基于神經(jīng)網(wǎng)絡(luò)的方法 利用神經(jīng)網(wǎng)絡(luò)進(jìn)行路徑規(guī)劃缺點(diǎn) 運(yùn)算時(shí)間長(zhǎng) 在運(yùn)動(dòng)空間數(shù)據(jù)不完備時(shí)可能發(fā)生不收斂或路徑不可行問題 基于遺傳算法的路徑規(guī)劃 遺傳算法是計(jì)算數(shù)學(xué)中用于解決最優(yōu)化的搜索算法 是進(jìn)化算法的一種 遺傳算法通常實(shí)現(xiàn)為一種計(jì)算機(jī)模擬 對(duì)于一個(gè)最優(yōu)化問題 一定數(shù)量的候選解 稱為個(gè)體 的抽象表示 稱為染色體 的種群向更好的解進(jìn)化 傳統(tǒng)上 解用二進(jìn)制表示 即0和1的串 但也可以用其他表示方法 進(jìn)化從完全隨機(jī)個(gè)體的種群開始 之后一代一代發(fā)生 在每一代中 整個(gè)種群的適應(yīng)度被評(píng)價(jià) 從當(dāng)前種群中隨機(jī)地選擇多個(gè)個(gè)體 基于它們的適應(yīng)度 通過自然選擇和突變產(chǎn)生新的生命種群 該種群在算法的下一次迭代中成為當(dāng)前種群 衍生算法 退火遺傳算法 改進(jìn)遺傳算子等 其它智能機(jī)器人路徑規(guī)劃方法 螞蟻算法 一種全局優(yōu)化算法 模仿螞蟻搜索食物的行為 是一種通用型隨機(jī)優(yōu)化方法 基于電路地圖的路徑規(guī)劃方法 將環(huán)境建模成電路圖 規(guī)劃路徑與電流相似 即路徑的長(zhǎng)度以電路中某條通路中串聯(lián)電阻的多少來反映 路徑的寬度以電路中某個(gè)方向上的支路數(shù)目即并聯(lián)電阻多少來反映 根據(jù)歐姆定律和電的基本性質(zhì) 在電路中電阻最小的支路上電流最大 而串聯(lián)電阻少且并聯(lián)電阻多的支路即最大電流通路 優(yōu)點(diǎn) 在規(guī)劃最短路徑的同時(shí)考慮了路徑寬度 運(yùn)動(dòng)控制 基于路徑規(guī)劃的移動(dòng)機(jī)器人路徑跟蹤控制非完整控制系統(tǒng)的鎮(zhèn)定方法非連續(xù)定常鎮(zhèn)定化時(shí)變鎮(zhèn)定化基于傳感器 執(zhí)行器直接映射的運(yùn)動(dòng)控制模糊邏輯方法 神經(jīng)網(wǎng)絡(luò)法 要求先驗(yàn)知識(shí) 基于動(dòng)態(tài)規(guī)劃的增強(qiáng) 故障診斷 現(xiàn)有故障檢測(cè)方法可分為基于知識(shí) 基于解析模型和基于信號(hào)處理3種診斷決策方法 閾值法模糊邏輯貝葉斯分類故障假設(shè)檢驗(yàn) 機(jī)器學(xué)習(xí) 機(jī)器學(xué)習(xí)為復(fù)雜未知環(huán)境中的信息提取 環(huán)境理解 任務(wù)規(guī)劃和行為決策提供了有效的解決途徑增強(qiáng)學(xué)習(xí)理論和算法進(jìn)化學(xué)習(xí)算法統(tǒng)計(jì)學(xué)習(xí) 支持向量機(jī) SVM 理論和算法