摘 要移动机器人路径规划已经成为近几十年来研究的热门问题，其主要目的就是利用最短时间，在已知或未知环境中找到从起点到终点的最优路径。最优路径不仅是指路径长度最短，还要求所选路径尽可能的光滑，并且要考虑机器人与障碍物的安全距离。本文提出了一种基于改进遗传算法（IGA）的机器人路径规划方法，该方法把路径长度、路径光滑度和安全距离同时作为评判标准，在已知环境中选取最优路径。改进算法中采用两点交叉和全干扰交叉的方法对交叉算子进行了改进，提高了算法的局部搜索能力；算法根据适应度值的大小调整变异的概率，增大了算法寻求到最优路径的概率。本文采用MATLAB 2010a软件平台对改进前与改进后的算法在不同环境下进行了仿真，并对其数据进行了分析。最后在Amigo机器人平台上对改进后的算法进行了实验验证。结果表明，改进后的算法能够在不同的环境中找到近似最优的路径，充分证明了该算法的有效性和合理性。
目 录
摘 要 I
Abstract II
目 录 III
第一章 绪论 1
1.1研究背景 1
1.2移动机器人路径规划现状 3
1.2.1传统路径规划算法 3
1.2.2智能路径规划算法 5
1.3 课题的提出 8
1.4本文的研究内容及章节安排 9
第二章 基于遗传算法的机器人路径规划 11
2.1遗传算法简介 11
2.1.1遗传算法数学模型 11
2.1.2遗传算法步骤 12
2.2基于遗传算法的路径规划 12
2.2.1算法流程图 12
2.2.2环境模型 13
2.2.3算法设计 14
2.3改进的遗传算法 21
2.3.1改进的交叉算子 21
2.3.2改进的变异算子 23
2.4本章小结 24
第三章 路径规划的仿真结果与分析 25
3.1仿真环境介绍 25
3.2仿真实验一 25
3.3仿真实验二 27

 *51今日免费论文网|www.jxszl.com +Q: ^351916072* 
3.4本章小结 30
第四章 机器人的路径规划实验 31
4.1机器人硬件平台介绍 31
4.2机器人软件平台介绍 31
4.3实验步骤 32
4.4本章小结 34
第五章 结论与展望 37
5.1 结论 37
5.2 展望 37
参考文献 39
致 谢 42
附 录 43
第一章 绪论
随着社会的发展，作为人类文明史上里程碑之一的机器人目前已经在运输、制造、服务等行业被广泛使用。可以说机器人的智慧化水平代表了人类文明的进步程度。
1.1研究背景
我国科学家对机器人的定义：机器人是一种自动化的机器，不同于其他机器设备的是，机器人具有感知能力、协同能力、动作和规划能力，是一种高度灵活性的自动化机器[1]。1961年，美国通用公司和Chrysler公司合作最先购买了第一批用于商业化生产的机器人系统，开创了机器人应用的先河[2]。此后机器人产业迅速发展。根据机器人的发展，他们可以被分为3大类。一种是第一代机器人，叫做示教再现型机器人。它是一个多自由度机械，由电脑控制去完成人类“教授”它的动作，比如焊接等。但是它本身对外界没有感知，并不能判断自己任务完成的好坏。一种是带感觉的机器人，也就是第二代机器人。相比第一代机器人它拥有了和人类一样的各种感觉：视觉、听觉、触觉等。最后就是机器人学中的最高理想：智能机器人。你只要告诉他去做什么，怎么去做，它就能完成运动。但是这种意义上机器人并不存在。
机器人的移动必然离不开机器人导航技术。机器人的导航就是要使机器人在躲避障碍物的同时，实现从起点到终点的移动任务。移动机器人解决导航问题常用的几个方法[1,2,3]：
(1)通过一定的人工智能的手段获得机器在空间环境中的位置、运动方向、以及环境信息等。
(2)通过路径规划的方法，找到最优或者近似最优路径。
移动机器人的导航是机器人研究的一个核心技术，也是机器人研究领域的重点和难点。机器人的导航方式有很多：惯性导航、视觉导航、基于传感器信息导航、GPS导航等。根据环境条件的不同，机器人的导航方式也会不同。
惯性导航：主要使用编码器和陀螺仪。机器人通过编码器计算自己的航程，结合陀螺仪就可以知道自己的位置、方向，从而可以推算出下一步的移动距离和方向。
视觉导航：机器人借助摄像头捕捉周围环境信息，然后通过一定的图像处理技术，获取周围环境的特征，从而实现自己的定位，并找出下一步的移动方法。
基于传感器信息导航：机器人使用传感器：红外传感器、接触式传感器、超声波传感器等，实现自己的导航。
GPS导航：机器人通过接受卫星发送的信号，实现导航。其导航技术的精度严重依赖于卫星定位的精度。
由于环境信息的复杂性和传感器信息的不准确性，使得机器人导航问题成为机器人的最具挑战性的问题之一。因此解决机器人导航问题是一项十分艰巨的任务。
任务的多样性，造就了不同类型的机器人（见图1.1）。不同的工作环境也对机器人的功能有不同的要求，但其中一个重要环节就是要求移动机器人能在其工作环境中快速、准确的找出自己的行动路线，这就是机器人的路径规划问题。

图1.1机器人技术应用：（a）为机械臂，（b）为救援机器人，
（c）SONY公司机器狗，（d）为火星探测车
1.2移动机器人路径规划现状
根据整体环境是否已知，机器人路径规划可以分为局部路径规划和全局路径规划[4]。局部路径规划不需要事先已经整体环境，环境可以是已知的或者是动态的，障碍物的位置也可以固定的或者是变化的。因此局部路径规划的实时性较好，机器人的避障能力高，路径安全性较好。但是机器人的路径规划精确程度严重依赖于传感器的精确程度以及传感器可以感知信息范围的大小。仅仅依靠局部路径规划往往导致机器人误判。全局路径规划与局部路径规划的不同点在于，全局路径规划要求环境和地形是事先已知的，并且障碍物也是静态的。因此全局路径规划算法可以在机器人移动之前构建出完整的地图，搜寻到从起点到终点的最优移动路径。全局路径规划搜索的精确程度取决于环境信息的准确度，环境信息越准确搜索到的路径精确度越高。但是全局路径规划需要有大量的计算，并且在搜索的过程中约束条件较多。
机器人路径规划是一个复杂的问题。尤其是当机器人在有条件的情况下搜寻最优路径的时候，这个问题会变得更加复杂[16]，比如：要求路径最短、消耗最少、搜索时间最短等。搜寻路径的过程中会做大量的计算，并且其计算量会随着环境的复杂程度呈指数型增长。
在全局路径规划中，研究员已经提出了很多方法，常用的方法有：拓扑法和几何图形法[16]。近年来，研究员研究大脑思维方式、学习动物生活技能，开创了一系列的仿生算法，比如：模糊理论、神经网络、遗传算法、蚁群算法等，并将其应用到机器人路劲规划中，为机器人路径规划问题做出了重要贡献。而全局路径规划技术可以分为两大类：传统路径规划技术和生物启发路径规划技术。

原文链接：http://www.jxszl.com/jxgc/zdh/47912.html