基于免疫遗传的机器人路径规划【开题报告】.doc

PAGE 8 PAGE 7 PAGE 1 毕业设计开题报告 电气工程与自动化 基于免疫遗传的机器人路径规划 一、选题的背景与意义 机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的的综合复杂系统。它集中了计算机工程、机械工程、人工智能、控制论以及仿生学等多学科的科研成果，代表着机电一体化的最高成就，同样也是20世纪自动控制最具有说服力的成就，是当代最高意义上的自动化。自从1959年，机器人之父约瑟夫?恩格尔伯格推出第一款机器人以来，出现了各种各样的机器人，机器人性能也不断的在完善，它们在农业、工业、航天以及空间探测等许多领域发挥着非常重要的作用。先进机器人技术的发展代表着一个国家的综合科技实力和水平，目前许多发达国家，甚至一些发展中国家都已将机器人技术列为二十一世纪高新技术发展计划。 移动机器人是一种具有自规划、自组织和自适应能力并能够在复杂环境下正常完成所要求工作的机器人。导航技术是反映移动式机器人自主能力的关键问题之一，也是其实现真正智能化和完全自主移动的关键技术。实质上我们可将导航问题描述为这样三个问题：“我现在在哪里”、“我要去哪里”以及“应该用什么方法去我想去的地方”。而这三个问题可由两级规划完成，即局部规划和全局规划。其中第一个和第三个问题，即机器人目标制导和路径跟踪问题，可由局部规划解决。第二个问题，即将全局大任务分解成局部子任务，通过不断完成这些子任务最终达到全局目标的问题，可由全局规划完成。全局规划一般是建立在已知环境信息的基础上，适应范围相当有限；局部规划能适应于不确定环境的情况，但其对规划系统的品质要求较高并且具有有时反应不及时的缺点 。 通过上述描述可知，机器人路径规划是机器人导航技术中不可或缺的重要组成部分，它要求机器人根据给予的指令及周围环境信息在满足某个或某些性能指标（如距离、时间、能量、工作代价等）条件下，自主选定一条从起始点到达任务目标点的无碰障最优或次路径。它是移动机器人完成任务的安全保障。 传统的路径规划方法在解决机器人路径规划问题时缺乏自适应性和鲁棒性，计算量大且复杂，很难得到最优路径。遗传算法由于其并行随机搜索的特点，在解决路径规划问题时有独特的优势，取得了一定的成果。但其仍存在缺乏指导性，易产生无效路径，收敛速度慢，易早熟等问题，无法有效保证路径规划的计算效率。  为了进一步提高遗传算法在路径规划中的搜索精度和收敛速度，应用基于免疫遗传算法的路径规划方法去解决已有成果的缺陷，同时亦尝试对一般免疫遗传算法进行适当的改进，以期能够在路径规划中得到好的效果 二、研究的基本内容与拟解决的主要问题： （一）研究的基本内容 1、查找文献数据，了解机器人路径规划传统方法，并了解遗传免疫算法； 2、用MATLAB完成遗传免疫算法对典型多峰测试函数的搜索； 3、用遗传免疫算法完成机器人在栅格环境下的搜索； 4、对搜索策略进行分析评价。 5、要求能在文献阅读的查找基础上完成基本的遗传免疫算法的编程，建立栅格环境，用遗传免疫算法进行搜索，达到预期的规定要求。 要解决的关建问题 1、用栅格法建立环境模型。 2、在遗传的基础上建立MATLAB函数，并对多峰测试函数进行验证。 3、设置障碍物，并确定适应度函数模型。 三、研究的方法与技术路线： 到目前为止，机器人的发展仍处于初始阶段，但是机器人路径规划的方法已经层出不穷了。根据规划体对环境信息的认知程度，机器人路径规划方法可分为基于已知环境模型的全局路径规划和基于传感器信息的局部路径规划。对于环境已知条件下的离线全局规划方法，已取得大量结果。下面将主要研究全局路径规划。 移动机器人运动环境模型的建立 环境建模是机器人路径规划的重要环节，目的是为了建立一个便于进行路径规划使用的环境模型。合理的环境模型要求是便于计算机存储、处理、更新和使用。当然在实际应用中，这些要求有可能会有冲突。移动机器人的工作环境一般可简化成二维模型，用地图来表示环境的信息情况。关于环境地图的创建，有三个基本问题需要解决：如何表示环境地图；如何获取环境信息；如何实时更新地图。目前地图创建的方法很多，大致可以分为栅格法、特征法和拓扑法这三类。 特征法建立的模型虽然易于用计算描述和表示，但其需要特征提取的办法处理过程，对传感器噪声非常敏感，只适于高度的结构化的环境。拓扑法在前面我们就说过，当障碍物增加时，实时更新及其困难。而栅格法建立的模型以为计算机存储、操作、显示与维护，并且易于扩充、修改，直观性强，特别是易与遥感影像的联合处理。鉴于此，本人将使用栅格法建立环境地图。 在使用栅格法创建地图时，需要做以下几个假设： 机器人的运动是在二维空间中； 用尺寸相同的栅格对工作环境进行划分。若栅格包含有障碍物，则称为障碍栅格，并用数字“1”标示；否则，称之为自由栅格，