学位论文 > 优秀研究生学位论文题录展示

RoboCup中型组机器人足球系统中的守门员控制研究

作　者: 杨欢欢
导　师: 杨宜民
学　校: 广东工业大学
专　业: 控制理论与控制工程
关键词: 足球机器人守门员位置预测动作控制防守策略
分类号: TP242
类　型: 硕士论文
年　份: 2012年
下　载: 46次
引　用: 0次
阅　读: 论文下载

内容摘要

机器人足球比赛系统作为人工智能领域的一项重大挑战,是当前研究的热点。它融合了多学科的研究成果,是进行机器人技术、多智能体系统研究的一个标准的实验平台。中型组足球机器人都是完全自主,通过无线网络进行通讯,各个队员之间互相协调,共同完成比赛任务。守门员作为其中重要的一员,担负着球队的防守重任,其控制的好坏对比赛结果起着非常重要的作用。本文以中型组足球机器人守门员为研究对象,在收集和分析国内外相关文献的基础上,结合机器人足球比赛的具体情况,针对守门员的行为包括足球位置预测、动作控制、防守策略等方面展开研究。主要研究内容包括：1.足球位置的预测。足球是守门员防守的重点对象,通过预测足球的运动位置,守门员能够及时地采取某种防守策略,以阻止足球进入我方球门。考虑到实际机器人足球比赛过程中的动态性和实时性,提出一种基于强跟踪和H∞滤波计算的足球位置预测算法,通过将渐消因子引入H∞滤波算法中,提高了预测精度。实验结果表明,该算法能够快速跟踪足球突变,更准确地预测足球位置。2.守门员的动作控制。守门员通过控制自己的运动来执行相应的动作,从而实现动作控制。在介绍机器人足球比赛系统的有关坐标系规定和机器人运动学模型的基础上,提出了基于改进PID的守门员动作控制算法。通过分析守门员各个动作的执行过程,该算法给出了对各个动作相应的控制。跟球动作的实验结果表明,该算法具有良好性能,能够满足比赛要求。3.守门员的防守策略。为了使守门员具有智能的防守决策能力,能够根据比赛状态的变化执行相应的防守动作,在分析强化学习方法的基础上,提出了一种基于Elman网络的强化学习算法用于实现守门员的防守策略。通过将Elman网络引入Q学习过程中,改善了学习性能。实验结果表明,该算法能够有效地提高守门员的防守能力,实现守门员的自主防守决策。最后对论文进行了总结,阐明了主要的研究成果,并指出了今后在守门员防守控制中有待进一步研究和改进的地方。

全文目录

摘要  4-6
Abstract  6-8
目录  8-11
Contents  11-14
第一章绪论  14-21
  1.1 课题的研究背景及意义  14-16
  1.2 国内外相关研究现状及分析  16-19
    1.2.1 足球运动状态预测的国内外相关研究现状及分析  16-18
    1.2.2 守门员控制的国内外相关研究现状及分析  18-19
  1.3 本文的主要研究内容及章节安排  19-21
    1.3.1 本文的主要研究内容  19-20
    1.3.2 本文的章节安排  20-21
第二章 RoboCup中型组机器人足球比赛系统简介  21-27
  2.1 引言  21
  2.2 比赛系统的组成和工作原理  21-22
    2.2.1 比赛系统的组成  21-22
    2.2.2 比赛系统的工作原理  22
  2.3 足球机器人  22-24
  2.4 机器人守门员  24-26
  2.5 本章小结  26-27
第三章足球位置的预测  27-36
  3.1 引言  27
  3.2 H~∞滤波和强跟踪滤波简介  27-30
    3.2.1 H~∞滤波  27-29
    3.2.2 强跟踪滤波(STF)  29-30
  3.3 基于STF和H~∞滤波的足球位置预测算法(STHF)  30-31
    3.3.1 STHF算法分析  30-31
    3.3.2 STHF算法步骤  31
  3.4 实验及结果分析  31-34
    3.4.1 实验环境  31-32
    3.4.2 结果分析  32-34
  3.5 本章小结  34-36
第四章守门员的动作控制研究  36-47
  4.1 引言  36
  4.2 机器人的运动学模型  36-38
    4.2.1 坐标系规定  36-38
    4.2.2 运动学模型  38
  4.3 基于改进PID算法的守门员动作控制  38-46
    4.3.1 改进PID控制算法  39-40
    4.3.2 守门员的动作控制  40-46
  4.4 实验及结果分析  46
  4.5 本章小结  46-47
第五章守门员的防守策略研究  47-56
  5.1 引言  47
  5.2 强化学习(RL)  47-50
    5.2.1 强化学习的基本原理  47-48
    5.2.2 Markov决策过程(MDP)  48-49
    5.2.3 Q学习  49-50
  5.3 基于Elman网络的强化学习算法(Elman—Q)  50-52
    5.3.1 Elman-Q算法描述  50-51
    5.3.2 Elman-Q算法步骤  51-52
  5.4 强化学习在守门员防守策略中的应用  52-53
  5.5 实验及结果分析  53-55
    5.5.1 实验环境  53-54
    5.5.2 结果分析  54-55
  5.6 本章小结  55-56
总结  56-58
参考文献  58-62
攻读硕士学位期间发表的论文  62-64
致谢  64

RoboCup中型组机器人足球系统中的守门员控制研究

内容摘要

全文目录

相似论文