分析男开题报告

1、河北科技大学工程专业开题评审表注：1、成绩以“合格”“不合格”记；评审组成员为高级。2、工程设计类包括：工程设计、建筑设计、产品设计、工艺设计、工业设计等；技术研究类包括：应用基础研究、应用研究、预先研究、实验研究、系统研究等；应用类包括：系统、应用、数据库、网络等；工程管理类包括：工程管理、工程规划等男学校导师企业导师工程领域控制工程开题时间2014.11第1 次开题论文选题题目名称轮式机器人路径规划方法的研究性质（）工程设计（）；技术研究（ ）；应用（ ）；工程管理（ ）项目来源 （）企业项目（）；部（省）项目（）；国家项目（）；校企联合项目（）； 自拟项目（ ）。评审组成员姓名职称工作及

2、职务签字教授教授评审意见（含：选题意义；实验条件；技术方案可行性；研究计划合理性等）成 绩评审组长签字：年月日领域签字：年月日一、立论依据（所选课题的科学意义和应用前景，国内外研究现状分析，主要参考文献目录）：1.1 课题的科学意义和应用前景机器人自 20 世纪 60 年代诞生以来，便在装配、机械加工、检测、弧焊电焊等工业生产中得到广泛应用，各种类型的机器人提高了产品质量，加快了工业进程，很大程度上提高了社会生产力，但是由于社会生产需求的不断提高，这些固定位置的机器人由于其活动范围有限而大大限制了其应用范围。二十世纪八十年代，移器人的研究开始兴起，主要研究成果有巡逻排爆机器人、机器鱼、无人飞行

3、器以及机器人等，移器人的研究领域不断拓展。这些应用对机器人的功能提出了更高的要求，准确的说需要移器人具有较高程度的智能性，能够适应环境的变化。移器人的研究涉及人工智能、计算机、模式识别、传感器技术、自动控制、机器视觉等诸多学科领域。可以说，移器人集路径规划、任务执行、运动控制与信息融合等功能于一身1。机器人的诞生使得传统工业的生产面貌发生了根本性变化。目前移 器人不仅在工业生产、医疗、航天、安全、交通、军事等领域具有十分重要的应用价值，并且在求援、辐射、搜捕等 领域得到广泛的应用。移 器人广阔的应用前景必将带来巨大的经济效益和社会效益。移 器人有多种机构形式2-10,采用何种形式取决于移动环境

4、,从广义上说,包括空间无人探测器、无人飞行器及深海无人潜水器等7,而本文所研究的移 器人主要针对地面环境中的轮式移动机器人。能够在地面环境中移动的机构形式主要有：轮式移 构5； 式移 构7；角足式移 构6。此外,还有步进式移 构、蠕动式移 构、混合式移 构和蛇行移 构11-12等,适合于各种特别的场合。在不平整的地面上运动时,一般使用角足式移 构,轮式移 构适合于不太粗糙的地面,而 式移 构适合于地面倾斜不是很大的有 物的环境。在各种移 器人中轮式移 器人是最常见也是最重要的移 器人之一,除部分军事和宇航用途(火星车可采用轮式结构)外,具有漫长历史的轮式移 器人仍然能够满足绝大部分应用场所的要

5、求。据 1991 年统计,在 个国家的 个机构已宣布的 种移 器人中有 种机器人是轮式移 器人。实践表明,轮式移 器人非常适合在光滑、坚硬的表面上工作。随着移 器人技术的研究重点从面向特殊恶劣环境到面向一般环境的转变,此类机器人正逐渐成为移 器人技术研究的主要方向,并引起广泛关注。移 器人路径规划是在已知或未知环境下构造出一条从起点到终点的最优或较优的无碰路径,该问题涉及到机器人的运动模型、运动规划与实际环境建模,是机器人研究领域的热点问题之一。当机器人具备全局环境信息时，可用 的全局规划来得到一条自起点到终点的安全路径，并能对运行过程中的某些性能指标进行优化，这方面的研究已有广泛的 。但实际

6、上，机器人具有的环境信息往往不完全，并且是动态变化的，这时不能离线做出 全局规划，机器人只能依靠实时探测到环境信息，经过多次重规划（滚动规划）来得到可行的安全路径。人们已提出了不少解决静态未知路径规划问题的方法和策略，但对于存在动态 物的未知环境，还缺少有效地规划方法。因此，对机器人在外界静态未知 物和动态未知 物环境下的路径规划研究将具有重要意义。课题的国内外研究现状路径规划算法的研究是机器人研究领域中的一个重要分支，是机器人智能化的重要标志。机器人的路径规划问题，就是依据某些算法或准则（如工作代价最小、行走时间最短、行走路线最短等），在机器人的作业空间中寻找一条从起始位置到目标位置的行走路

7、径。根据机器人对环境信息的已知程度，路径规划可以分为对环境信息完全已知的全局路径规划和对环境信息完全未知或部分未知的局部路径规划，局部路径规划是通过传感器实时地感知机器人的工作环境，以获取物的位置、形状和尺寸等环境信息，进而对机器人行走路径进行规划13。路径规划方法可以分为传统路径规划方法和智能路径规划方法。传统方法包括以下几种：可视图法、栅格法、空间法以及人工势场法等。可视图法可视图法14,15的关键是构造一个称之为可视图的连通图。此方法将机器人视为一点，将 物的棱角、机器人起点 s 以及终点 g 用直线相连，同时确保所有线段不得穿过物，对图中的边赋值，构造图 GVE，V 为所有顶点的集合，

8、E 为边集，如此生成的图称之为可视图。由于图 GVE中所有线段均是显示的，路径规划问题就转化为求图 GVE的最短路径问题，利用 Dijkstra 算法即可求解。为提高搜索效率，可在规划前对可视图进行预处理，以去除图中冗余的线段。可视图法忽略了机器人尺寸，易造成机器人经过物顶点时与物发生摩擦甚至碰撞，且该方法缺乏灵活性，物的形状只能局限于多边形。栅格法栅格法16-19使用相同大小的栅格单元划分环境空间，从而可用栅格数组表示环境信息。每个栅格由一个序号表示，一条路径可以用一连串的栅格序号来表示。在环境空间中，没有被 物占据的栅格为 栅格，被 物完全占据的栅格为 物栅格，被 物部分占据的栅格将其归属

9、为 物栅格。规划前，根据栅格信息，在环境空间中构造一个显示或隐士的赋权连通图，规划过程中只需在形成的连通图中搜索最短路径即可。栅格法的优点是容易编程实现，路径编码简单，且能够处理任意形状的 物。缺点是存在求解精度与时空开销之间的 。空间法空间法20-21将环境空间划分为 空间和 物空间两部分，然后在 空间中搜寻最短路径。 空间的创建是关键，其创建方法是：将不同 物的顶点两两相连，这些线段与 物的边界将会形成多个凸多边形等预定义的形状，为使每个凸多边形的面积尽可能大，可对一些冗余的连接线段进行精简。如此形成的每个面积最大的凸多边形即为 空间。再在 空间中将各连接线的中点进行相连，生成 网络连通图

10、。机器人可在 网络连通图中进行路径规划。 空间的创建不涉及到起始位置和目标位置，因而，路径规划过程中若起始位置和目标位置发生变动，不需要重新构造 空间中的连通图，具有较高的灵活性。其缺点是不能适应环境的变化且不能保证肯定能获取最短路径。(4) 人工势场法上世纪 80 年代，斯坦福大学教授 Oussama Khatib 首次提出了人工势场法22-23，其灵感来源于物理学中势场和力场的基本理论。其算法原理是在机器人的工作空间中构造一种虚拟人工力场，在物附近存在斥力势场，在目标位置附近存在引力势场，机器人在斥力场和引力场的共同作用下倾朝向目标位置移动，并能够避免与物发生碰撞。人工势场法在数学上描述简

11、单、美观，计算量小，实时性较好，但存在局部最优问题。智能路径规划方法中应用较多的有模糊逻辑算法、神经网络、遗传算法和群蚁算法。遗传算法遗传算法（GA)24-33是由 John Holland 于 20 世纪 60 年代首次提出。它将生物进化中的自然选择和种群遗传学原理引入到搜索过程中。遗传算法将自然界中“适者生存”这一自然规律作为主旋律，并结合随机信息交换，有力提高了搜索效率。其基本是在问题的求解过程中，把问题的每一个可能解视为种群中的一个，所有组成种群。依据某些评价标准对每一个进行评价，计算其适应度，并根据概率对每个进行遗传操作，如选择、交叉、变异等操作，淘汰适应度小的，保留适应度大的，从而

12、得到下一代种群，且下一代种群优于上一点种群。这样反复迭代，最终种群会进化到最优状态，也即获得具体问题的最优解。移器人路径规划是遗传算法重要的应用领域之一，其缺陷是在搜索过程中容易陷入局部最优，收敛速度过慢以及实时性较差等问题。本文将在下一章基于对经典遗传算法的改进来研究移器人全局路径规划问题。模糊逻辑算法模糊逻辑算法18,21,34的灵感来源于驾驶员的驾驶经验。该算法的基本是根据传感器感知的实时环境信息，依据驾驶员的驾驶经验做出决策，从而避免与环境中物发生碰撞，完成局部路径规划，而不是对环境信息的精确计算来完成的。模糊逻辑算法可以避免局部极小问题，实时性较好，可以应用于动态环境下的路径规划。其

13、缺点主要是算法复杂度随着 物数量的增加而增加，且模糊规则难以建立。神经网络算法通过对生物大脑神经系统的认知而创建的具有非线性 能力、泛化能力以及自组织与自适应能力的多处理器计算机系统，称为神经网络21,34。它是仿效生物大脑神经系统的一种分布式系统模型，化的人脑神经网络的数学模型。神经网络是由许多功能有限结构简单的神经元组成的复杂系统，大量神经元之间的互动能够实现复杂的行为。神经网络算法具有学习能力强、容错性好、快捷方便以及能够处理复杂的非线性关系等优点。但神经网络算法存在局部极小化、收敛速度慢以及 能力与训练能力。蚁群算法蚁群算法21,34-36由意大利学者 M.Dorigo 于 1991

14、年首次提出，该算法模拟了自然界中蚂蚁的觅食行为，其计算过程主要包括两个阶段：信息素的累积阶段和蚂蚁间的协作阶段。前者包括各个可行解根据累积的信息不断调整自身结构的过程，即蚂蚁不断选择从信息素浓度高的路径上经过，进而使得该路径上蚂蚁留下的信息素浓度越来越大，而信息素浓度低的路径，蚂蚁选择的概率会越来越小，随着时间推移会被慢慢淘汰；在蚂蚁间的协作阶段，可行解相互间不断进行信息交流，以希望发现更加优秀的路径，产生更好的解。蚁群算法作为应用比较广泛的模拟进化算法，最初是用于解决旅行商问题（TSP），目前已经用来解决许多组合优化问题、工件排序问题以及路由选择问题等。蚁群算法的优点有鲁棒性强、具有高度并行

15、性。但蚁群算法的研究时间不长，还未形成坚实的数学基础和系统的分析方法，算法中参数的选取尚无理论依据，有待进一步研究。交通大学、哈尔滨工程大学等 对机器人路径规划方法展开了研究，在已知机器人期望运动轨迹的情况下，该运动轨迹是由几何参数来描述的，机器人基本可以按照由时间关系曲线图所表达的期望运动轨迹而运动。 景兴建37等提出了一种基于理性遗传算法的协调运动行为 算法，使得机器人在已知环境下，运动行为更加协调与优化。在复杂环境下，机器人的运动路径大多不能用几何参数来表达，这就要求机器人的运动状态要随着环境中 物的变化而变化，因此机器人沿任意曲线运动的路径规划算法研究对于机器人 完成任务具有重要意义。

16、1.3 主要参考文献1，等.移器人技术及其应用. 电子工业，20072华,. 移器人的发展现状及其趋势. 机器人技术与应用,2001,(3),7-14 3,. 移人技术研究现状与未来. 机器人,2002,24(5),475-4804 王天然. 机器人.:化学工业,2002.15,. 室外智能移器人的发展及其研究. 机器人,2000,22(6),519-5266 李满天,. 小型双足移器人控制系统.特微电机,2003,(4),17-18. 机器人智能控制工程.:科学,2004.6方建军,何广平. 智能机器人.:化学工业,2004.2JohnM.Holland.eDsigning Mobile A

17、utonomous Robots.ton Butterworth 一 Heinemann,2004 10Roland Siegwart,IllahR.Nourbakhsh.roduetion to Autonomous Mobile Robots. Cambridge,Mass MITPress,200411,超,. 蛇形机器人研究现况与进展. 机器人,2002,24(6),559-563 12,超,等. 蛇形机器人侧向运动的研究. 机器人,2003,25(3),246-24913 KruusmaaM, WillemsonJ. Covering the path space:a case ba

18、seysis for mobile robot path planingJ. Knowledge-Based Systems 2003,16(5P6):235-242.14，. 移器人路径规划技术综述. 控制与决策，2010, 25(07), 961-96715，原宝龙. 机器人路径规划方法综述. 控制工程，2003, 10(S1), 52-5516，等.多机器人路径规划研究方法. 计算机应用研究，2008, 9(25): 66-6917 邬再新，. 多移器人路径规划技术的研究现状与展望. 机械，2008, 35(1): 01-0418，. 机器人路径规划方法的研究. 机械工自动化，2009,

19、 05(01): 94-9619 X. X.He and L. T.Chen. Path planning based on grid-potential fields. Proceedings of ernational Conference on Computer Science and Software Engineering. Wu han, 2008,1114-111620，.移器人路径规划技术综述. 控制与决策，2010, 25(07), 961-96721，原宝龙.机器人路径规划方法综述. 控制工程，2003, 10(S1), 52-55B. Q. Ye, M. F. Zhao

20、and Y.Wang. Research of path planning method for mobile robot based on artifil potential field. 2011ernational Conference on Multimedia Technology,Hangzhou,2011, 267-270J. C. Fraile,C. H. Wang, C. J. J. Paredis and P. K. Khosla. Agent-based control andplanning of a multiple manipulator assembly syst

21、em. IEEEernational Conference on Robotics and Automation,1999,(2): 1219-1225.基于改进遗传算法的移器人路径规划方法研究. 计算机工科学，2010, 32(07), 104-107，.使用遗传算划移器人路径. 西北工业大学学报，1998, 16(04), 580-583，孙红霞. 遗传算法在移器人静态全局路径规划中的应用.与信息化，2008, (03), 103-106P. Shi and Y. J. Cui. Dynamic path planning for mobile robot based on genetic

22、 algorithm in unknown environment. 2010 Chi Control and Deci Conference, Bangkok, iland 2010, 4325-4329T. Suhail, S.Mercy and H. Suhai. Optimal path selection for mobile robot navigation using genetic algorithm. ernational Journal of Computer Science I es, 2011, 08(04): 433-440C.C.Tsai, H. C.Huang a

23、nd C. K. Chan. Parallel elite genetic algorithm and its application to global path planning for autonomous robot navigation.IEEE Tran ion on Industrial Electronics,2011, 58(10): 4813-4821L. Lei, H. J.Wang and Q. S. Wu. Improved genetic algorithms based path planning of mobile robot under dynamic unk

24、nown environment. Proceeding of the 2006 IEEE ernational Conference on Mechatronics and Automation, Luo , China 2006, 1728-1732, , . 基于改进遗传算法的移 器人路径规划方法研究. 计算机科学与工程, 2010, 32(7): 104-107S. C. Yun, V. Ganapathy and L. O. Chong. Improved genetic algorithms based optimum path planning for mobile robot.

25、11th ernational Conference on Control, Automation, Robotics and Vi , Singapore, 2011, 1565-1570N. T. Mahmood, M. S. Taghi. Efficient and safe path planning for a mobile robot using genetic algorithm. IEEE Congress on Evolutionary Compu ion,Trondheim, Norway, 2009, 2091-209734 ，淘金， . 移 器人路径规划技术研究. 广西

26、学院学报，2009, 20(04), 70-77I. A. Wagner, M. Lindenbaum and A. M. Bruckstein. Distributed Covering by Ant-Robot Using Evaporating Tra. IEEE Tranion on robotics and automation, 1999, 15(5): 918-933，.动态环境下基于蚁群算法的机器人路径规划研究.师范大学学报(工程技术版)，2006, 06(03):45-50景兴建，超.一种基于理性遗传算法（RGA）的协调运动行为算法.机器人，2002,24（01）:49-54

27、二、研究内容，预期目标或成果（具体说明课题研究内容，要重点解决的关键问题和本课题所要达到的目标或要取得的成果）：2.1 课题研究内容及重点解决首先建立机器人运动学建模，采用两轮差动驱动三轮式移 器人，然后对机器人的运动学模型进行分析和研究，为后期移 器人路径规划提供数学模型。在移 器人运动学模型基础上，进行了机器人的定位研究，主要利用机器人自身安装的光电编 进行机器人的自定位。如何对光电编 的读数进行推算，来实现机器人的自定位是本章去解决的重点问题。基于遗传算法的全局路径规划，因为传统遗传算法存在收敛速度慢、容易陷入局部极小点等问题，所以提出一种改进遗传算法，以避免传统遗传算法的局部最优和收敛

28、速度慢 。遗传算法的关键在于如何对已有的遗传算子进行改进并增加新的遗传算子来优化路径，从而避免该路径与 物发生碰撞。基于模糊神经网络的智能方法构建模糊神经网络，进行机器人路径的实时规划。机器人装有光电编 ，以检测机器人的全局位置和前进方向；研究超声传感器来实现机器人路径规划时的 探测，并对所得到的 物信息进行模糊处理，针对静态未知环境设计基于模糊神经网络的路径规划方法。机器人由世界坐标系的原点出发,目标点的绝对位置 于机器人中,并实时通过目标点与机器人在坐标系中的全局位置推算该时刻坐标点相对于机器人的方向，分析如何根据这些数据来实时规划出机器人运行行为是本节的重点。预期目标完成对移器人运动学模

29、型的建立。机器人定位研究算法的推算以及验证定位光电编 实现机器人自定位的可行性。分析 模拟基于改进遗传算法的机器人路径规划以及比较改进遗传算法和传统遗传算法的性能，分析通过两个实验来验证改进遗传算法的有效性和高效性。由于单独的模糊逻辑控制可能由于被控系统太复杂而无法定出控制规则，而单独的神经网络生成的 规则是在网络中隐含而无法直接理解的，通过模糊控制和神经网络的两种技术的结合，对路径规划进行优化并通过仿真实验来验证模糊神经网络的路径规划方法的有效性。三、拟采用的研究方法、技术路线、试验方案、可行性分析及研究进度安排：3.1 研究方法两轮差动驱器人的结构模型，运动学模型原理及算法。通过使用光电编

30、实现机器人的自定位，进行悬空实验的测量值与理论值对比，验证利用光电编进行机器人全局定位的可行性。通过比较原始遗传算法和改进的遗传算法，并通过仿真实验模拟基于改进遗传算法的机器人路径规划以及比较改进遗传算法和传统遗传算法的性能。模糊控制和神经网络的两种技术相互结合，依靠光电编 来实现自身定位，选择多个超声传感器获得 物信息，并对获得的信息进行模糊处理，使用基于模糊神经网络的智能方法构建模糊神经网络，并进行机器人路径的实时规划，最后进行仿真实验，分析验证方法的有效性。3.2 技术路线（1）遗传算法在选择操过程中，联合使用赌选择遗传算子和精英选择遗传算子；改善其他遗传算子；增加了新的遗传算子修改遗传

31、算子。开始改进遗传算法流程图：Y终止条件？N结束精英选择计算适应度修改突变两点交叉赌选择种群初始化(2) 研究移 器人在未知环境下的路径规划，实验中,机器人在行进时,必须确定周围的 信息,而对 物的距离和角度进行探测则主要通过超声传感器来实现，且采用多个超声传感器来进行探障，另外实验中对 距离信息进行模糊处理，然后构建模糊神经网络。构建模糊神经网络时每经过一个采样时间进行一次信息，并对传感器信息数据进行一次处理，得到的当前环境信息作为机器人下一步行为动作的依据。实验当中采用误差反传算法对模糊神经网络进行学习训练，从而来调整输出速度和转角对应的权值。实验方案研究分析改进遗传算法，通过 实验环境模拟改进遗传算法的机器人路径规划，并比较改进遗传算法性能。将模糊逻辑技术和神经网络技术相结合，通过 仿真来验证机器人能够顺利的绕过 物到达目标点，从而验证构建的模糊神经网络是可行的。可行性分析光电编 是利用光电原理，将角度、位置、转速等物理量转化为电气信号并加以输出的一种传感器。轴每转动一圈产生固定脉冲数，计数器 的脉冲数即为测得码盘转过的角度，这种码盘可以用来测量轴角或者位移,分辨率高低取决于码盘每转一圈产生的脉冲数和相对于被测角或者位移的传动比，通过对光电编 的读数进行推算，来实现机器人的自定位。在利用遗传算法求解具体问题时，其执行过程有对所求问题进行编码；给出问题的