基于实际隶属函数的移动机器人局部路径规划.pdfVIP

基于实际隶属函数的移动机器人局部路径规划.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于实际隶属函数的移动机器人局部路径规划

机械 设计 与制造 第8期 134 Machinery Design Manufacture 2014年 8月 基于实际隶属函数的移动机器人局部路径规划 熊开封 。,张 华 ,邓 豪z (1.西南科技大学 国家级综合性工程训练中心,四川 绵阳 621010;2.西南科技大学 信息工程学院,四川 绵阳 621010) 摘 要:为优化模糊神经网络的实时性、学习速度、收敛性、稳定性,在移动机器人局部路径规划中构建了基于实际隶属 函数T_s(Taka矛_Sugeno)模型的改进型模糊神经网络。结合静态、动态障碍物并存环境下机器人路径规划的实际,综合 考虑二维直角坐标体系下机器人、障碍物的位置、速度及运动方向等实时信息,推导出一种新的具有实际含义的隶属函 数作为避碰隶属函数,采用五层 S型模糊神经网络及改进型误差反传学习算法。通过计算机仿真,验证 了所提方略对 动态环境下移动机器人路径规划具有较高的实时性和有效性。 关键词:T—S型模糊神经网络;局部路径规划;实际隶属函数;Matlab仿真:优化 中图分类号:TH16;TP24 文献标识码 :A 文章编号:1001—3997(2014)08~0134—03 LocalPathPlanningforMobileRobotBasedontheActualMembershipFunction XIONG Kai-feng,ZHANGHua,DengHao (1.State-levelComprehensiveEngineeringTrainingCenter,SouthwestUniversityofScienceandTechnology,SichuanMianyang 621010,China;2.CollegeofInformationEngineering,SouthwestUniversityofScienceandTechnoloyg ,SichuanMianyang 621010,China) Abstract:Tooptimizethe} zyneuralnetworkrealtime,learningspeed,convergenceandstability,mobilerobotlocalpath planningimprovedfuzzyneuralnetworkmodeIbasedOFttheactualmembershipfunctiont-stype(Takagi-Sugeno)ispresented. Accordingtotherealityoftherobotpathplnanedindynamicenvironment,thecomprehensiveconsiderationoftwo— dimensoinalrectnagularcoordinatesystemunderthepositionoftherobotandobstacels,speedanddirection,such 一 timeinformatoin,deducedanewpractcialmenaingofmembershipfunctions ∞natciollisoinmembershipfunctoins,usingfive layertypet-sfuzzyneuralnetworkandimprovederrorbackpropagatoinlearningalgorithm Theproposedmethodisverified bycomputersimulationformobilerobotpathplnanedindynmacienvironmenthas蛔 realtime capbailityandeffectiveness. KeyWords:T-STypeFuzzyNeuralNetwork;LocalPathPlanning;MaflabSimulation;ActualM embershipFunction; Optimizati

文档评论(0)

haihang2017 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档