基于神经网络进化机器人路径规划方法研究.pdfVIP

基于神经网络的进化机器人路径规划方法研究1 1, 2 1 2 1,3 宋 勇 ，李贻斌 ，栗 春 ，李彩虹 1.山东大学 控制科学与工程学院，济南（250061 ） 2. 山东大学威海分校信息学院，山东威海(264209) 3. 山东理工大学 计算机科学与技术学院，山东淄博(255012) E-mail:songyong@ 摘 要：针对动态、未知环境下移动机器人路径规划，利用神经网络构建移动机器人传感器 输入和执行器输出之间的映射关系，提出了一种基于递归神经网络的进化机器人路径规划算 法，该算法利用基于实数编码的多种群并行遗传算法进化神经网络权值，给出了算法的具体 步骤，并与基于标准前馈网络的路径规划方法进行了比较。通过仿真实验证明该算法是行之 有效的。 关键词：进化机器人；路径规划；并行遗传算法；递归神经网络 中图分类号:TP24 文献标识码:A 1. 引言 在传统机器人学和人工智能方法中，移动机器人路径规划方法都是基于外部环境的结构 化以及符号推理。由于这种方法过于依赖理想化的环境模型，而真实环境是动态的、不确定 的，因而缺乏实际运行所要求的实时性和灵活性。在这种情况下，Brooks等提出了基于行为 的机器人设计思想[1]，把机器人复杂行为拆分成许多简单的基本行为，机器人的最终行为表 现为这些基本行为顺序或者并发地执行。然而，随着任务复杂程度的增大,预测一个系统的 整体行为变得异常困难。 针对基于行为的机器人学所存在的缺点，为了使机器人行为面向全局任务，而不是短期 目标，同时又能对感知输入做出快速反应，近年来一些研究人员在设计智能机器人的过程中， 把进化算法用于基于行为的机器人学[2-5]，并且已经做了相当多的概念证明和实例研究。Jose A. Ferniindez利用进化算法和离散时间递归神经网络进化出了避障行为[2] ；A. L. Nelson 利用 包含时间延迟的递归网络和基于竞争机制的进化策略进化出了迷宫探索行为，并对更为高级 的行为的进化做了一定的探讨[3,4] 。Pang Ki Kim 分析了遗传算法的优缺点，并且在Khepera 机器人上利用进化算法实现了机器人自主避障[5] 。目前进化机器人学仍然存在一些不易解决 的问题，还没有形成完整的理论体系。 本文利用递归神经网络构建了移动机器人传感器输入和执行器输出的行为结构，利用并行遗 传算法自动进化出针对机器人特定行为的神经网络权值。同时也对基于标准前馈网络的控制 器进行了进化，由于采用前馈网络所建立的输入/输出之间的关系式是静态的，而实际系统 通常是时变的。因此，不能准确地描述系统的动态性能。递归网络中存在信息的延时,并具 有延时信息的反馈,信号递归使得网络在某一时刻的输出状态不仅与该时刻的输入状态有关, 而且还与该时刻以前的信号有关, 网络的状态随时间的变化而变化，从而表现出网络系统的 动态特性。 2. 实验环境 实验所用先锋 3-AT 移动机器人前面两个轮子为牵引轮，由步进电机驱动，控制机器人 的运动方向；后面两个轮子是驱动轮，分别由两台直流电机控制轮子的运动状态。 1基金项目：教育部博士点基金项目(20050422035) 。 - 1 - 机器人控制系统是一个分布式控制系统，上位机负责图像处理与路径规划，下位机控制 移动机器人的定位系统、测距系统、车体驱动系统以及摄像机图像获取等。机器人的测距系 统由安装在其周围的 8 个声纳传感器来实现，如图 1 所示，其中的 2 个分布在机器人的两侧， 6 个均匀地分布在机器人的前部，传感器之间间隔 20° 。声纳传感器提供其所在方向上一定 角度范围内的障碍物距离信息。机器人最前部的目标传感器利用摄像机，提供带有标记的目 标信息。 图 1 机器人传感