专家系统、模糊方法、神经网络在移动机器人路径规划中的应用及比较.docVIP

专家系统、模糊方法、神经网络在移动机器人路径规划中的应用及比较 摘　要:移动机器人路径规划是建立在机器人定位与避障研究之上,进一步对机器人行为的深入.在给出人工神经网络(ANN)、模糊逻辑(FL)、专家系统(ES)等计算智能原理性方法的基础上,从一般意义讨论了各类计算智能方法用于路径规划的切入点,研究了各类算法的实现机理与设计思想.最后结合目前的技术发展趋势,对路径规划问题未来可能的研究发展方向进行了探讨. 关键词:计算智能;路径规划;模糊逻辑;人工神经网络;专家系统 Abstract :Path planning focuses on further behavior control which is based upon the positioning and obstacle a-voidance capabilities of mobile robots. The theoretical descriptions of some computational intelligence methods , including artificial neural networks (ANN), fuzzy logic (FL), and Expert System (ES), were presented in sequence, and the joint between each solution and path planning method was analyzed in a general sense. Moreover ,the realization principles and design schemes of these strategies were researched elaborately. Eventually, considering the evolution trend, the possible future direction of path planning was also discussed . Keywords :computational intelligence; path planning; fuzzy logic; artificial neural network; expert system 一 路径规划方法简述 所谓机器人的最优路径规划问题,就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等),在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。机器人路径规划方法大致可以分为两类:传统方法和智能方法。 二　传统路径规划方法 1)自由空间法　为了简化问题,通常采用“结构空间”来描述机器人及其周围的环境。这种方法将机器人缩小成点,将其周围的障碍物及边界按比例相应地扩大,使机器人点能够在障碍物空间中移动到任意一点,而不与障碍物及边界发生碰撞。 2)图搜索法　图搜索方法中的路径图由捕捉到的存在于机器人一维网络曲线(称为路径图)自由空间中的节点组成。建立起来的路径图可以看作是一系列的标准路径。而路径的初始状态和目标状态同路径图中的点相对应,这样路径规划问题就演变为在这些点间搜索路径的问题。通过起始点和目标点及障碍物的顶点在内的一系列点来构造可视图。连接这些点,使某点与其周围的某可视点相连(即使相连接的两点间不存在障碍物或边界)。然后机器人沿着这些点在图中搜索最优路径。 3)栅格解耦法　栅格解耦法是目前研究最广泛的路径规划方法。该方法将机器人的工作空间解耦为多个简单的区域,一般称为栅格。由这些栅格构成了一个连通图,在这个连通图上搜索一条从起始栅格到目标栅格的路径,这条路径是用栅格的序号来表示的。 4)人工势场法　传统的人工势场法把移动机器人在环境中的运动视为一种在抽象的人造受力场中的运动,目标点对移动机器人产生“引力”,障碍物对移动机器人产生“斥力”,最后通过求合力来控制移动机器人的运动。但是,由于势场法把所有信息压缩为单个合力,这样就存在把有关障碍物分布的有价值的信息抛弃的缺陷,且易陷入局部最小值。大部分机器人路径规划中的全局规划都是基于上述几种方法进行的,但是以上这些传统方法在路径搜索效率及路径优化方面尚有待于进一步改善。而现在通常使用的搜索技术包括:梯度法,A*等图搜索方法,枚举法、随机搜索法等。这些方法中梯度法易陷入局部最小点,图搜索方法、枚举法不能用于高维的优化问题,而随机搜索法则计算效率太低。 三　智能路径规划方法 近年来,随着遗传算法等智能方法的广泛应用,机器人路径规划方法也有了长足的进展,许多研究者把目光放在了基于智能方法的路径规划研究上。其中,应用较多的算法主要有模糊方法、神经网络和专家系统。 1 基于专家系统的机器