学位论文 > 优秀研究生学位论文题录展示

机器人系统路径规划的研究

作　者: 张喜会
导　师: 崔宝侠
学　校: 沈阳工业大学
专　业: 系统工程
关键词: 多机器人系统强化学习模糊规则模糊SOM网络全局路径规划
分类号: TP242
类　型: 硕士论文
年　份: 2012年
下　载: 120次
引　用: 0次
阅　读: 论文下载

内容摘要

随着机器人领域研究的不断深入，当前机器人学的研究重点不再是功能单一的、没有自主能力的机器人，而是那些具有机动能力和一定智能的移动机器人。具有智能功能的机器人越来越吸引国内外研究者的关注，而由多个机器人组成的多机器人系统逐渐成为机器人学研究的一个主要方向，对多机器人路径规划方法的研究又是多机器人研究领域的重要课题之一。多机器人路径规划以多机器人系统为对象，在保证多机器人系统中机器人不发生碰撞的前提下，在同一工作环境中，为每个机器人找到一条代价最小的最优路径。由于路径规划问题是多机器人系统中的机器人高效合理地执行任务的前提，是提高机器人工作效率的重要因素。如何在同一环境中，运用强化学习算法，为系统中的每个机器找到最小的代价路径是本课题的研究重点。本文首先介绍了多机器人系统、多机器人系统的基本理论、关键技术及应用领域等；其次分析了各种路径规划的算法及其优缺点；最后介绍了强化学习、递阶强化学习、模糊逻辑及SOM网络的基本理论。随着机器人数目的增多和环境的复杂性，状态空间呈指数增长，运用强化学习算法的移动机器人必须具备泛化能力。对此，提出了模糊规则下基于强化学习的路径规划和具有并行计算、容错性和非线性逼近能力的模糊SOM网络下基于强化学习的路径规划这两种路径规划方法。其中，模糊规则下基于强化学习的路径规划，利用模糊规则和强化学习相结合的方法，具有记忆的功能；模糊SOM网络下基于强化学习的路径规划，提高了强化学习中策略搜索的速度，改善了多机器人系统中的机器人的自学习能力，使多机器人路径规划系统具有更高的实时性。为了验证这两种算法的有效性，在VC++6.0的环境中进行了仿真，实验结果证明了这两种算法的可行性和实时性。

全文目录

摘要  5-6
Abstract  6-10
第一章绪论  10-17
  1.1 课题研究的背景与意义  10-11
  1.2 机器人路径规划方法的研究现状  11-15
    1.2.1 路径规划的传统方法  11-12
    1.2.2 路径规划的智能优化方法  12-14
    1.2.3 路径规划的其他方法  14-15
  1.3 论文的主要内容  15-17
第二章多机器人系统路径规划  17-26
  2.1 多机器人系统概述  17-18
  2.2 多机器人系统主要研究内容  18-22
    2.2.1 多机器人系统的体系结构  18-20
    2.2.2 路径规划  20-21
    2.2.3 机器人之间的通信  21-22
  2.3 多机器人系统的应用领域  22-24
  2.4 多机器人系统路径规划的分类及现状  24-26
第三章强化学习  26-37
  3.1 强化学习的基本原理和模型  26-28
  3.2 强化学习的特点及其主要组成要素  28-30
  3.3 强化学习的主要算法  30-37
    3.3.1 马尔可夫决策过程模型  30-32
    3.3.2 瞬时差分算法  32-33
    3.3.3 Q 学习  33-35
    3.3.4 递阶强化学习  35-37
第四章模糊规则下基于强化学习的多机器人路径规划的研究  37-50
  4.1 模糊逻辑  37-40
    4.1.1 模糊概念与模糊集合  37-39
    4.1.2 模糊规则  39-40
  4.2 改进递阶强化学习  40-42
  4.3 模糊规则下基于强化学习的多机器人路径规划  42-46
    4.3.1 多机器人系统路径规划系统结构  42-43
    4.3.2 模糊规则设计  43-44
    4.3.3 强化学习设计  44-46
  4.4 仿真实验  46-50
第五章模糊 SOM 网络下基于强化学习的多机器人路径规划的研究  50-58
  5.1 SOM 网络  50-52
    5.1.1 自组织网络概述  50
    5.1.2 自组织网络的原理  50-52
    5.1.3 SOM 网络学习方法  52
  5.2 模糊 SOM 网络下基于强化学习的路径规划系统的设计  52-55
  5.3 仿真实验  55-58
第六章结论  58-59
参考文献  59-62
在学研究成果  62-63
致谢  63

机器人系统路径规划的研究

内容摘要

全文目录

相似论文