移动机器人路径规划技术研究现状.docVIP

移动机器人路径规划研究现状 1全局路径规划1.1栅格分解法??? 栅格分解法是目前广泛研究的路径规划方法之一。该方法把移动机器人的运动环境分解为多个简单的栅格并根据它们是否被障碍物占据来进行状态描述，障碍物栅格和非障碍物栅格具有不同的标识值，它能快速直观地融合传感器信息。??? 1.2拓扑法 拓扑法主要包括三部分：划分状态空间、构建特征网、在特征网上搜索路径。拓扑法的基本要素是节点和边，用节点表示某个特定的位置，用边表示这些位置之间的联系，可以用G=(V,E)描述空间的特征，其中V表示顶点集合，E表示连接顶点的边集合[4]。 1.3惩罚函数法??? 在机器人运行环境中因为有障碍物，使得机器人的路径规划成为一个有约束的问题，惩罚函数法将这个有约束的问题转化为一系列无约束极小化问题，再通过解决这些无约束问题获得原约束问题的最优解[7]。2 局部路径规划2.1人工势场法??? 人工势场法是机器人局部路径规划中最经典的方法，该方法是由Khatib在1986年提出的，它的基本原理是：把机器人在工作环境中的运动看作是在一个人造受力场中的运动，其中目标对机器人产生引力，障碍物对机器人产生斥力，机器人在这两类力的合力作用下向目标前进[9]，该合力就是机器人的加速度力，可用来控制机器人的运动方向，利用人工势场法进行机器人的路径规划,计算简单，所规划的路径光滑，有较好的实时性，但会因为局部最小值而导致目标点不能到达。近几年来国内陆续有学者提出了一些改进方法。 2.2遗传算法??? 遗传算法(GA)的概念最初是由Bagley和Rosengerg于1967年在其博士论文中首先提出了的。在1975年美国Michigan大学的J. Holland教授把它写到了专著《Adaptation in Natural and Artificial Systems》中，此后GA才逐渐为人所知，并且广泛应用到控制、规划、优化设计等方面。 ???2.3模拟退火算法　模拟退火算法（SA）依据固体退火原理，固体在加温时，内部粒子运动随温升增强，变为无序状，再进行退火，粒子运动减弱并渐趋有序，最后达到稳定。把机器人在未知环境中的运动看作是粒子的布朗运动，可以对其随机性的扰动应用模拟退火算法来引导机器人向势能最小的方向运动，从而实现机器人在线的路径规划[4,15]。 2.4蚁群算法??? 蚁群算法是由Dorigo M在1991年提出的,主要应用于旅行商问题（TSP）、调度问题（JSP）、车辆路线问题（GCP）[17]， 3 混合路径规划方法??? 混合路径规划方法是结合一种或两种算法的优点，相互之间取长补短，以提高规划效率。?? 阐述移动机器人路径规划技术发展趋势 (1)对环境的感知技术。机器人必须通过传感器感知环境的信息，处理器通过处理这些传感器信息后，进一步决策机器人的具体行为。如何正确地感知环境信息，关键在传感器，只有先进的传感器才能有效地采集环境信息，从而提高机器人动作的准确性。目前超声波、激光雷达、视觉等传感器在移动机器人中得到了实际应用，但是这些传感器都有一定的局限性，例如超声波传感器的检测范围取决于其使用的波长和频率，视觉传感器所获得图像的清晰和细腻程度取决于分辨率，分辨率越高图像越清晰，但所需的存储空间就越大，图像分析和处理速度就越慢。所以对移动机器人的环境感知技术将是未来移动机器人研究的一个突出方面。??? (2)多传感器信息融合技术。多传感器信息融合的目的是提高系统的可靠性和鲁棒性，在移动机器人路径规划中，传感器起了很重要的作用，多传感器所获得的信息具有冗余性、互补性、协同性，可对现场环境进行快速并行分析，有利于机器人快速找到有效路径。但是多传感器信息融合技术还存在很多难题，例如如何减小信息融合的错误率、如何提高信息融合的实时性、如何建立有效的信息融合质量评价机制等。??? (3)群体机器人的路径规划技术。群体机器人在协作工作时都希望能找到一条无碰撞、最快到达目标的路径，群体机器人路径规划既要考虑避障又要考虑机器人之间的相互协作，在路径规划上难度将增加，另外当目标点移动时还要考虑目标的位置信息和速度信息，整个路径规划将更加复杂，这方面研究是今后研究的重点。??? 目前，对移动机器人的路径规划研究提出了很多方法，但尚未形成统一和完善的体系，还有许多关键问题例如机器人运动环境建模、机器人导航控制器的学习和优化、实时故障诊断、实时运动规划与控制等技术问题亟待解决和完善。 60年代后期，美国和苏联为完成月球探测计划，研制并应用了移动机器人。美国“探测者”3号,其操作器在地面的遥控下，完成了在月球上挖沟和执行其他任务。苏联的“登月者”20号在无人驾驶的情况下降落在月球表面，操作器在月球表面钻削岩石，并把土壤和岩石样品装进回收容器并送回地球。