武汉科技大学硕士论文页面摘要路径规划和运动控制在自动轮式移动机器人领域很重要(2)

它涉及机器人学的许多分支，包括环境模型的选择，机器人运动学模型的分析，传感器技术等，还涉及非线性系统以及离散数据采集和处理等许多领域，因此需要多个专长知识支持的研究项目. 基于上述原因，本主题旨在根据移动机器人导航中路径规划和运动控制的要求，从理论和实验方面对系统的各个步骤进行系统地分析和研究. 主要研究内容包括使用基于启发式搜索理论的图搜索算法来设计路径规划控制器. 针对差分机器人的两种运动学模型，采用直接法的轨迹跟踪控制律设计直接法的轨迹跟踪控制律，设计出具有时间参数的连续轨迹跟踪控制. 对于非完整移动机器人的非线性系统，采用直接方法设计了一种点稳定控制器，该控制器用于跟踪和控制路径规划控制器在导航过程中规划的路径中的离散路径点. 结合路径规划和运动控制技术来设计差动驱动轮式移动机器人. 导航实验包括算法移植，传感器数据收集和处理以验证算法的有效性，以及将算法转换为程序后的实时性和稳定性. . 研究计划和要解决的关键问题本课题的研究任务主要分三个阶段完成. 第一个阶段主要是分析移动机器人路径规划和运动控制的算法和控制器设计. 第二阶段是进行仿真实验，以验证所设计的启发式路径规划控制器和运动控制器的正确性. 性能和仿真效果.

第三阶段主要将上述两部分设计的控制器移植到轮式移动机器人平台上，以完成机器人的自主导航目标. 本主题中要解决的关键问题针对特定的全局网格图. 充分利用启发式搜索算法的计算效率来设计路径规划控制器，以找到最便宜的路径. 在设计移动机器人的轨迹跟踪控制律时，可以构造一个简单的虚拟反馈变量来提高控制律的执行效率以及将算法转换为程序的效率. 极坐标系统中移动机器人的两个控制变量和嘴部可以同时稳定，并且机器人对离散路径点的跟踪控制律可以全局稳定. 在机器人导航期间，行走路径是平滑且准确的. 论文各部分的主要内容. 第2章介绍了人工智能领域的启发式搜索理论，包括启发式信息和评估功能以及搜索算法的采用. 使用基于图搜索策略的算法设计了路径规划控制器. 设计平台上的仿真实验验证了路径规划控制器的有效性. 本文的第三章详细介绍了轮式非完整移动机器人的运动学模型. 根据机器人的不同轨迹，设计了基于点稳定原理的轨迹跟踪控制器和基于点稳定原理的轨迹跟踪控制器. 仿真实验验证了轨迹跟踪控制器和路径跟踪控制器的有效性. 第四章介绍了实验室轮式移动机器人的系统架构. 通过移植路径规划控制器和路径跟踪控制器的算法，设计了移动机器人自主导航实验，并对实验结果进行了详细分析和总结.

第6章总结了本文的主要工作，论文的创新以及进一步的研究工作. 支持该主题的特殊研究基金本论文由以下特殊研究基金共同资助. 谢谢. 国家自然科学基金: “低雷诺数气动特性和MEMS控制的多学科优化设计”项目，教育部重点研究基金“微服务机器人中多学科优化设计的研究应用”，湖北国际科学研究院和技术合作重点研究基金“基于网络代理架构项目的微型光电系统”湖北省教育厅重大科研项目“微型服务机器人集成优化设计研究”项目，武汉科技大学，硕士论文，第2页第2章基于启发式搜索理论的移动机器人路径规划研究方法很多，例如: 作为人工势场法，遗传算法，粒子群算法等. 但是，在这些机器人的实际应用中，它们都暴露出了诸如实时性能差，系统资源占用过多以及算法可移植性差等缺点. 因此，在选择机器人的路径规划方法时，采用人工智能领域的启发式搜索理论来设计移动机器人的路径规划控制器. 搜索算法也属于人工智能领域，例如宽度优先搜索，深度优先搜索等. 它们是盲目搜索方法，也称为无信息搜索. 它们通常适合解决简单的问题. 盲目搜索是根据指定的搜索策略进行搜索. 搜索过程中获得的中间信息不能改善搜索策略.

由于搜索总是遵循规定的路线，因此它没有考虑搜索对象本身的特征，因此是盲目的. 解决复杂问题效率低下. 与无信息搜索相比，启发式搜索也称为信息搜索，不仅可以简化搜索，提高解决问题的效率，而且更重要的是，可以实时找到全局最优解. 启发式搜索理论使用盲搜索理论来解决. 对于大多数搜索对象，扩展节点的数量可能很大. 由于这些节点的扩展顺序是任意的，因此在搜索过程中获得的中间信息不会用于修改某些本地搜索策略. 启发式搜索在搜索过程中添加与搜索对象有关的启发式信息，以指导搜索朝着寻求最佳解决方案的方向发展. 这种搜索具有很高的针对性，因此原则上，只需要搜索部分问题状态空间即可提高效率. 启发式信息和评估功能用于指导搜索过程，与特定求解对象相关的搜索策略信息称为启发式信息. 在启发式搜索技术中，启发式信息可以根据其目的分为以下几种. 它用于决定要扩展的下一个节点移动机器人自主控制理论与技术，以避免在宽度优先或深度优先搜索中盲目扩展. 在扩展节点的过程中，它用于确定要生成哪个或多个后续节点，以避免同时盲目生成所有可能的节点. 用于确定应从搜索树中丢弃或纠正哪些节点. 在启发式搜索过程中，如何确定要考虑的下一个节点是搜索的重要部分. 不同的确定方法形成不同的搜索策略.

如果在确定节点时可以充分利用与问题解决有关的特征信息，则可以估计节点的重要性，并且可以在搜索中有目的地选择具有较高重要性的节点，以促进最佳解决方案. 用于评估节点重要性的函数称为评估函数. 它的一般形式是从节点刀到目标节点的最佳路径的估计成本. 它反映了问题的启发式信息. 根据问题的特征确定其形式. 例如，它可以是从节点到目标节点的距离，也可以是节点在最佳路径上的概率.

本文来自电脑杂谈，转载请注明本文网址：
http://www.pc-fly.com/a/tongxinshuyu/article-161610-2.html