抚州网站建设,所见即所得网站管理系统,.net 网站开发书籍,工业软件开发一、机器人路径规划介绍
移动机器人#xff08;Mobile robot#xff0c;MR#xff09;的路径规划是 移动机器人研究的重要分支之#xff0c;是对其进行控制的基础。根据环境信息的已知程度不同#xff0c;路径规划分为基于环境信息已知的全局路径规划和基于环境信息未知或… 一、机器人路径规划介绍
移动机器人Mobile robotMR的路径规划是 移动机器人研究的重要分支之是对其进行控制的基础。根据环境信息的已知程度不同路径规划分为基于环境信息已知的全局路径规划和基于环境信息未知或局部已知的局部路径规划。随着科技的快速发展以及机器人的大量应用人们对机器人的要求也越来越高尤其表现在对机器人的智能化方面的要求而机器人自主路径规划是实现机器人智能化的重要步骤路径规划是指规划机器人从起点位置出发无碰撞、安全到达指定目标位置的最优路径。目前常用的移动机器人全局路径规划方法很多如栅格法和人工势场法。对于栅格法当空间增大时所需存储空间剧增决策速度下降而人工势场法容易产生局部最优解问题和死锁现象。随着智能控制技术的发展出现了如遗传算法算法、粒子群优化算法、麻雀搜索算法、灰狼优化算法、鲸鱼优化算法等。
参考文献
[1]史恩秀,陈敏敏,李俊,等.基于蚁群算法的移动机器人全局路径规划方法研究[J].农业机械学报, 2014, 45(6):5.DOI:CNKI:SUN:NYJX.0.2014-06-009.
[2]朱庆保,张玉兰.基于栅格法的机器人路径规划蚁群算法[J].机器人, 2005, 27(2):5.DOI:10.3321/j.issn:1002-0446.2005.02.008.
[3]曹新亮,王智文,冯晶,等.基于改进蚁群算法的机器人全局路径规划研究[J].计算机工程与科学, 2020, 42(3):7.DOI:CNKI:SUN:JSJK.0.2020-03-027.
二、栅格地图环境搭建
首先建立移动机器人工作环境设移动机器人的工作空间为二维空间记为RS工作环境中的障碍物即为机床。在机器人运动过程中障碍物为静止且大小不发生变化。按栅格法划分RS移动机器人在栅格间行走。无障碍物的栅格为可行栅格有障碍物的栅格为不可行栅格。栅格集包含所有栅格。栅格标识有直角坐标法和序号法。本文采用序号标识法。
在移动机器人工作空间下按从左到右从上到下的顺序依次标记为序号123···n每一个序号代表一个栅格。为了避免移动机器人与障碍物发生碰撞可以将障碍物膨胀障碍物在占原有栅格的同时再占多个栅格按 个栅格算。这种划分方法简单实用能够满足环境模型与真实情况相符。从而使移动机器人在路径规划时畅通无阻。令S123···N为栅格序号集。根据上述对应关系可知g00的序号为1g10序号为2直至gXY的序号为n。规划起始位置、目标位置均为任意且都属于S但不在同一栅格内。
在实际工作环境中移动机器人工作环境是复杂多变的且为三维空间。为了便于研究本文对环境进行简化建模。栅格法是一种常用的环境表示方法因其简单方便二维环境环境建模的复杂性小因而本文环境建模采用栅格法。在栅格地图中工作环境被划分为很多栅格其中包括有障碍物和无障碍的栅格在仿真程序中用0表示此栅格无障碍物机器人可以通过此栅格用1表示栅格有障碍物机器人无法通过需选择其他栅格。栅格的尺寸大小可根据工作环境中的障碍物尺寸以及安全距离进行设置。为了实现程序仿真需要对栅格进行标识如下图所示以20x20的栅格环境为例来说明。 如上图所示白色栅格表示无障碍物的栅格黑色栅格则表示有障碍物的栅格在地图中对每个栅格编号不同序号的栅格在坐标系中的坐标可用下式来表示
xmod(Ni/N)-0.5
yN-ceil(Ni/N)0.5
其中mod为取余运算ceil表示向后取整Ni是对应栅格的标号N表示每 列的栅格数量取栅格中心位置作为栅格在坐标系中的坐标。这样机器人全局路径规划的问题就转变成了利用算法在栅格地图上寻找由起始点到目标点的有序的栅格子集这些栅格子集的中心连线便是算法寻找的路径。
参考文献
[1]史恩秀,陈敏敏,李俊,等.基于蚁群算法的移动机器人全局路径规划方法研究[J].农业机械学报, 2014, 45(6):5.DOI:CNKI:SUN:NYJX.0.2014-06-009.
[2]曹新亮,王智文,冯晶,等.基于改进蚁群算法的机器人全局路径规划研究[J].计算机工程与科学, 2020, 42(3):7.DOI:CNKI:SUN:JSJK.0.2020-03-027.
三、霸王龙优化算法
霸王龙优化算法Tyrannosaurus optimizationTROA由Venkata Satya Durga Manohar Sahu等人于2023年提出该算法模拟霸王龙的狩猎行为具有搜索速度快等优势。
参考文献Venkata Satya Durga Manohar Sahu, Padarbinda Samal, Chinmoy Kumar Panigrahi,”Tyrannosaurus optimization algorithm: A new nature-inspired meta-heuristic algorithm for solving optimal control problems”,e-Prime - Advances in Electrical Engineering, Electronics and Energy,Volume 5,2023,100243,ISSN 2772-6711,https://doi.org/10.1016/j.prime.2023.100243. 原文链接https://blog.csdn.net/weixin_46204734/article/details/133847832
四、霸王龙优化算法求解机器人路径规划
4.1部分代码
%%
S [1 1]; %起点
E [20 20]; %终点
[ub,dimensions] size(G);
dim dimensions - 2;
%% 参数设置
Max_iter 100; % 最大迭代次数
SearchAgents_no 50; % 种群数量
X_min 1;
lb1;
fobj(x)fitness(x);
[Best_score,Best_NC,Convergence_curve]CPO(SearchAgents_no,Max_iter,lb,ub,dim,fobj);toc
%% 结果分析
global_best round(Best_NC);
figure(1)
plot(Convergence_curve,r-,linewidth,2.5)
xlabel(Iteration);
ylabel(Fitness);
legend(CPO)
4.2部分结果 五、完整MATLAB代码
