基于神经网络和粒子群优化算法的移动机器人动态避障路径规划.ppt

施生伟 石伟 罗骁 粒子群优化算法的运用 在全局地图中建立一个新的坐标系XOY ，以SG 作为X 轴，垂直于X 且经过S 点的直线为Y 轴，相应的坐标变换为: 算法的实现 选取每个粒子所对应路径的长度作为该粒子的适应度函数，即： 基于神经网络和粒子群优化算法的移动机器人动态避障路径规划 本文提出了基于神经网络和粒子群优化算法的移动机器人动态避障路径规划方法。该方法用神经网络模型描述机器人工作空间的动态环境信息，并建立起机器人动态避障与网络输出间的关系，然后将需规划路径的二维编码简化为一维编码，最后用粒子群优化算法获得最优无碰路径。 路径规划是移动机器人导航的最基本的环节之一，它是按照某一性能指标（如路径最短、使用时间最短或消耗能量最少等）有哪些信誉好的足球投注网站一条从起始状态到目标状态的最优或近似最优的无碰路径。 根据机器人对环境信息掌握的程度不同，路径规划可分为两种类型：环境信息完全已知的全局路径规划和环境信息完全未知或部分未知的局部路径规划。全局路径规划的主要方法有：栅格法、可视图法、自由空间法等。局部路径规划的主要方法有：人工势场法、调和函数法、遗传算法、神经网络法、模糊逻辑算法等。 作者用神经网络模型描述机器人工作空间的动态环境，以空间中任意点的坐标为该模型的输入，由神经网络的输出值来判断该点是否在障碍区内，然后，将PSO（粒子群优化算法） 用于动态环境下移动机器人的动态避障路径规划，取得了良好的效果。 动态环境信息的神经网络描述 移动机器人在二维有限空间中运动 机器人的工作空间中分布着有限个障碍 物，障碍物可用凸多边形来描述 把障碍物边界向外扩展机器人体在长、宽方向上最大尺寸的1/2，机器人中心位置可用点来表示，即所谓“点机器人”。 将线段SG进行(m+1)等分，在每个等分点作垂线，它们与路径Path 的交点即为路径点系列