《智能体机器人动态路径规划研究》由会员分享，可在线阅读，更多相关《智能体机器人动态路径规划研究（62页珍藏版）》请在金锄头文库上搜索。
1、 I摘 要 路径规划一直是移动机器人研究的热点问题，而移动机器人的动态路径规划由于是基于传感器所获得的有限信息来决策符合机器人运动约束和其他运动性能要求的行为，所以一直是机器人运动规划中的难点。本论文就移动机器人的动态路径规划问题主要从机器人的系统框架和路径规划算法两个方向展开研究。 首先将机器人的定位、感知、通信和运动等多任务模块化，并在智能体概念的理论基础上利用多线程技术和 TCP/UDP 双协议的通讯机制在 ActivMedia 公司的P2-Dxe 机器人平台上实现了具备以上功能模块的智能体机器人的系统框架。 其次是对智能体机器人运动模块的分析和设计。考虑到动态路径规划对环境信息获取的有
2、限和要求反应速度的快速，本论文采用基于行为的包容式控制结构，将运动任务分解成四个基本行为，各行为按优先级相互制约。机器人的环境感知是基于 2-D 激光雷达实现对环境的建模，并对激光雷达的冗余信息采用加权平均的方法进行融合处理。路径规划的主要算法是动态运动规划中常用的人工势场法，选取了相应的引力和斥力势函数，并将势场力与机器人数学模型相结合，在势场力的作用下分析了机器人动力学和运动学的特性，生成了机器人路径规划具体动作。 最后，对智能体机器人进行了仿真和真实环境下的动态路径规划实验，并对机器人在行进中的线速度和角速度进行了分析。实验结果表明了本论文智能体机器人系统框架和动态路径规划算法的可行性和
3、有效性。 关键字：关键字：智能体机器人，路径规划，人工势场法，运动学，动力学， 2-D 激光雷达 IIAbstract Path plan is an important topic in mobile robot field. For the information got by sensors is limited and using this information, the robots actions should accord with robots kinetic restriction, mobile robot dynamic path plan is always a di
4、fficult problem in path plan field. In this thesis, robot system structure and path plan algorithm are studied to realize the mobile robots dynamic path plan. At first, we modularize the robots tasks, for instance, orientation, sensation, communication, action, and based agent conception, we realize
5、 the agent robot system structure on P2-Dxe robot from ActivMedia company using multi-thread technology and multi-protocol communication method. Next, the action module is analyzed and designed. In view of the limitation of information and satisfaction of fast response, a layered control system is a
6、dopted. The control system partitions robots tasks into four parts those can restrict with each other. Moreover we use 2-D laser measure system to fulfill robots environment modeling, and average the sensor data to improve measure precision. Artificial potential field is the main algorithm in this t
7、hesis. After selecting the right potential function, the robots mathematic model is combined with the relevant potential force. Effected by the potential force, during analyzing the robots kinetic and kinematic functions, robots action is made. Finally, we experiment the agent robot system and the d
8、ynamic path plan algorithm, and analyze the robots velocity and rotation velocity. The experimental results reveal the availability of the agent robot system and the path plan algorithm. Keywords: agent robot, path plan, artificial potential field, kinetic function, kinematic function, 2-D laser rad
9、ar 11 绪论 1.1 引言 1.1.1 移动机器人技术的发展与现状 纵观半个世纪以来机器人的发展史，机器人技术在需求的牵引下已经得到了巨大的发展，到目前为止，机器人的发展已经经历了三个阶段1： (1)可编程的、示教再现型机器人：为了让机器人完成期望的作业,首先由操作者通过示教盒对操作机器人的运行轨迹、作业顺序等进行示教操作,机器人控制系统将示教指令记忆、存储,应用时再根据再现指令顺序取出示教指令，经过编译，在一定精度范围内复现示教动作。 (2)具有一定的传感功能，包括视觉、力觉、触觉等功能，具有一定适应能力的机器人：这种机器人可以根据传感信息调整控制算法。 (3)智能机器人：这种机器人装有
10、多种传感器，并能将多种传感器探测到的信息进行融合，能有效地适应环境的变化具有很强的自适应能力，并具有自学习功能。 移动机器人的研究始于 60 年代末期。斯坦福研究院(SRI) 的 Nils Nilssen 和Charles Rosen等人, 在1966年至1972年中研制出了取名Shakey的自主移动机器人，目的是研究应用人工智能技术, 在复杂环境下机器人系统的自主推理、规划和控制。与此同时, 最早的操作式步行机器人也研制成功, 从而开始了机器人步行机构方面的研究, 以解决机器人在不平整地域内的运动问题, 设计并研制出了多足步行机器人。其中最著名的是名为 General Electric Qu
11、adruped 的步行机器人。 70 年代末, 随着计算机的应用和传感技术的发展，移动机器人研究又出现了新的高潮。 特别是在80 年代中期,一大批世界著名的公司开始研制移动机器人平台。 90 年代以来,以研制高水平的环境信息传感器和信息处理技术, 高适应性的移动机器人控制技术, 真实环境下的规划技术为标志, 开展了移动机器人更高层次的研究2,3。 21.1.2 移动机器人技术的主要研究方向 (1) 导航和定位 导航是移动机器人研究的重要问题。 移动机器人的导航方式可分为: 基于环境信息的地图模型匹配导航和基于各种导航信号的陆标导航、视觉导航和味觉导航等。 环境地图模型匹配导航是机器人通过自身的
12、各种传感器,探测周围环境,利用感知到的局部环境信息进行局部地图构造,并与其内部事先存储的完整地图进行匹配。 如两模型相互匹配,机器人可确定自身的位置,并根据预先规划的一条全局路线,采用路径跟踪和避障技术,实现导航。它涉及环境地图模型建造和模型匹配两大问题4。基于导航信号的导航技术如陆标导航、视觉导航等则是通过机器人传感器对导航信号的探测和识别来完成机器人的定位以及路径规划过程，从而实现机器人的导航任务。 其中涉及到两大关键技术：定位和路径规划。定位是机器人导航最基本的环节，目的是确定机器人在二维工作环境中相对于全局坐标的位置。定位方法根据机器人工作环境复杂性,配备传感器的种类和数量等不同有多种
13、方法，主要方法有：惯性定位、陆标定位和声音定位等。 路径规划是导航的另一基本环节，它是按照某一性能指标搜索一条从起始状态到目标状态的最优或近似最优的无碰路径。根据机器人对环境信息知道的程度不同, 可分为两种类型：环境信息完全知道的全局路径规划和环境信息完全未知或部分未知，通过传感器在线地对机器人的工作环境进行探测,以获取障碍物的位置、形状和尺寸等信息的局部路径规划。主要的方法分别有：可视图法、栅格法和人工势场法、遗传算法、模糊逻辑算法等2,5。 (2) 多传感器信息融合 移动机器人的多传感器信息融合方面的研究始于 80 年代。多传感器融合6的常用方法有: 加权平均、贝叶斯估计、卡尔曼滤波、统计
14、决策理论、DS 证据推理、神经网络和模糊推理法以及带置信因子的产生式规则。其中加权平均法是最简单也最直观的方法,一般用于对动态低水平的数据进行处理,但结果不是统计上的最优估计；贝叶斯估计是融合静态环境中多传感器低层数据的常用方法,适用于具有高斯白3噪声的不确定性传感信息融合；对于系统噪声和观测噪声为高斯白噪声的线性系统模型用卡尔曼滤波(KF) 来融合动态低层的冗余传感信息,对于非线性系统模型采用扩展卡尔曼滤波(EKF) 或者分散卡尔曼滤波(DKF)； 统计决策理论用于融合多个传感器的同一种数据,常用于图像观测数据；DS 证据推理是贝叶斯估计法的扩展,它将局部成立的前提与全局成立的前提分离开来,
15、以处理前提条件不完整的信息融合；基于神经网络法根据系统要求和融合形式,选择网络拓扑结构, 通过网络学习确定网络连接权值,对各传感器的输入信息进行融合。系统具有很强的容错性和鲁棒性；模糊推理法首先对多传感器输出进行模糊化,将所测得的距离等信息分级,表示成相应的模糊子集，并确定模糊子集的隶属度函数,通过融合算法对隶属度函数综合处理,再将模糊融合结果清晰化,求出融合值；带置信因子的产生式规则主要用于符号水平层表达传感器信息结合专家系统对多传感信息进行融合2。 (3) 多机器人系统与机器人足球 多机器人系统的研究始于 20 世纪 70 年代。从那时开始，国外许多高校和科研机构对多机器人系统进行了广泛的
16、研究。经过二十多年的发展，多机器人技术的研究已在理论和实践方面取得了大量卓有成效的研究成果，并建立了一些多机器人的实验系统。加拿大 Alberta 大学开发了一个实验系统Collective Robotics，并在这方面做出许多工作91011。Collective Robotics 是对昆虫社会的一种人工模拟，目的是将许多简单的机器人组织成一个团体来完成一些有意义的工作。为实现这一目标，研究主要针对集体任务 Collective Tasks 机器人的控制体系结构和算法以及传感信息的分析等。美国 Oak Ridge 国家试验室的 Cooperative Robotics 实验系统1213研究的协作机器人是集成了感知、推理、动作的智能系统,着重研究在环境未知且在任务执行过程中环境动态变化的情况下,机器人如何协作完成任务。日本 Nagoya 大学的T.Fukuda 教授研究的 CEBOT 系统是一种自重构机器人系统（Self-Reconfigurable Robotic System）14,15。它
