基于进化神经网络的移动机器人免碰路径规划方法.pdf

第27卷第6期增刊 仪器仪表学报 V01．27NO．6 2006年6月 Chinese ofScientificInstrument June．2006 Journal 基于进化神经网络的移动机器人免碰路径规划方法* 范 红 (上海海事大学物流工程学院电气自动化系 上海200135) 摘 要 的进化，使机器人对环境的适应能力不断增强。仿真结果表明结果较好。 关键词样本进化LMBP网络避碰 Obstaclesavoidance methodbased neuralnetworkfor pathplanning evolutionary mobilerobot Fan Hong (Electrical Maritime 200135，China) DepartmentofLogisticCollegeShanghai University，Shanghai AbstractA learn neuralnetwork(LMBPNN)isusedto the two-layerLevenberg—MarquardtBackpropagation paths whichthemobilerobothas theenvironmentinformationandrelativedecisionsarestoredinthe gonethrough．Then network．Thenetworkis based withthe ofenvironment．Themethodis evolutionarysamplesupdated change effectivethesimulationresults proved by LMBPNN words Key evolutionarysamplesupdated 顶层学习规划器网络LMBP，然后是样本(网络)进化 1 引 言 方法，最后给出仿真实验结果。 机器人免碰路径规划问题可以分为两类，全局路 2轮式移动机器人运动模型、距离传感器 径规划口。23和局部路径规划口。4]。全局路径规划方法通 配置 常应用于环境已知的情况，并且是离线进行的，该类方 距离传感器配置如图1所示。3个距离传感器用 法通常需要已知精确的环境模型。尽管该类方法可以 于检测机器人与障碍物的接近。感知器P={S，，S。， 获得精确解，但是计算复杂性随着环境的几何复杂性 和移动机器人运动自由度数的增长而增长。因此该类 S。)为3个距离传感器集合，进一步一对一映射为测量 方法仅适用于环境模型比较简单，并且自由度数小的 的距离向量。P。一Ed。d。d。]，则底层所提供的样 情况。而局部路径