深度学习理论下移动机器人全局路径规划方法.pdfVIP

深度学习理论下移动机器人全局路径规划方法.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

第40卷第10期算机仿真2023年10月

文章编号:1006-9348(2023)10-0431-04

深度学习理论下移动机器人全局路径规划方法

王凯,朱慧珍,王丽君?

(1.商丘学院计算机工程学院,河南商丘476000;

2.辽宁科技大学计算机与软件工程学院,辽宁鞍山114051)

摘要:移动机器人在复杂环境运动过程中能安全、无碰撞地绕过所有障碍物是对机器人较高的智能化要求。由于障碍物的

位置和几何性质等信息具有随机性,机器人的速度和角速度等控制信息易出现随机偏差。为此,提出基于深度学习的移动

机器人全局路径控制方法。建立移动机器人动力学方程,依据移动机器人的线速度与角速度,将移动机器人运动行为分为

避障行为、转向目标行为、奔向目标行为。结合深度学习方法中的神经网络方法,构建机器人全局路径规划模型。利用模糊

控制算法设计模糊控制器,纠正路径规划偏差,实现机器人的全局路径优化控制。实验结果表明,研究方法控制下移动机器

人的路径角度偏差距离小于±5cm,能够在10ms之内完成偏差收敛,且规划的路径更短。

关键词:深度学习;移动机器人;全局路径;控制方法;模糊控制算法

中图分类号:TP242文献标识码:B

GlobalPathPlanningMethodforMobileRobotunder

DeepLearningTheory

WANGKai,ZHUHui-zhen,WANGLi-jun?

(1.DepartmentofComputerEngineering,ShangqiuUniversity,ShangqiuHenan476000,China;

2.SchoolofComputerScienceandSoftwareEngineering,UniversityofScience

andTechnologyLiaoning,AnshanLiaoning114051,China)

ABSTRACT:Inacomplexenvironment,themovementofmobilerobotsneedstopassaroundallobstaclessafely

withoutcollision,Thisisalsoahigherintelligentrequirementforrobots.Duetotherandomnessoftheinformation

suchaspositionandgeometricpropertiesofobstacles,thecontrolinformationsuchasspeedandangularvelocityof

robotsispronetorandomdeviation.Therefore,thispaperputsforwardamethodofcontrollingtheglobalpathofmo-

bilerobotsbasedondeeplearning.Firstly,kineticequationsofmobilerobotswereconstructed.Accordingtothe

linearvelocityandangularvelocityofthemobilerobot,themotionbehaviorwasdividedintothebehaviorofo

文档评论(0)

151****8026 + 关注
实名认证
文档贡献者

安全评价师持证人

该用户很懒,什么也没介绍

领域认证该用户于2023年09月13日上传了安全评价师

1亿VIP精品文档

相关文档