文章编号:100624710(2008)0420411204
动态环境下基于行为动力学的
移动机器人路径规划
谢敬,傅卫平,李德信,杨静
(西安理工大学机械与精密仪器工程学院,陕西西安710048)
摘要:通过非线性微分方程描述的移动机器人各种行为模式的演变,模拟人类路径规划方式,应用行为动力学方法对动态环境下移动机器人路径规划问题进行了研究。首先,确定了路径规划的行为变量和行为模式,构建了机器人的航向角动力学模型与速度动力学模型,并分析了不稳定不动点,以及给出相应的解决方法;其次,为了得到更好的规划路径,采用竞争模型进行行为模式权值的自适应调节;最后的仿真结果表明模型是正确的,以及权值调节是有效的。关键词:行为动力学;移动机器人;路径规划;动态环境中图分类号:TP242.6 文献标识码:A
M ob ile Robot Pa th Pl ann i n g Ba sed on Behav i ora l D ynam i cs
i n D ynam i c Env i ronm en t
X I E J ing,F U W ei 2p ing,L IDe 2xin,Y ANG J ing
(Faculty of M echanical and Precisi on I nstru ment Engineering,Xi ’an University of Technol ogy,Xi ’an,710048,China )
Abstract:Hu man behavi or of path p lanning can be si m ulated by evolving vari ous behavi or patterns of
mobile r obots described by nonlinear differential equati ons .Mobile r obot path p lanning in dyna m ic envi 2r onment is studied based on the method of behavi oral dyna m ics in this paper .The behavi oral variables and behavi or patterns of mobile r obot path p lanning are s pecified first .The t w o models of the heading dy 2na m ic equati on and vel ocity dyna m ic equati on are constructed separately .The situati on of unstable fixed point is analyzed and the app r oach t o dis posing the unstable fixed point is p resented .And then competi 2tive model is utilized t o aut omatically regulate the weight of behavi or patterns f or a better p lanning path .The final si m ulati on results de monstrate that the model is correct and the weight 2regulating method is ef 2fective .
Key words:behavi oral dyna m ics;mobile r obots;path p lanning;dyna m ic envir onment
收稿日期:2008207210
基金项目:国家自然科学基金资助项目(10872160);西安理工大学校科学研究计划资助项目(102-210516)。作者简介:谢敬(19782),男,四川仁寿人,讲师,博士生,研究方向为自主车辆路径规划与导航。E 2mail :jingxie@xaut .edu .cn 。
傅卫平(19572),男,上海人,教授,博导,博士,研究方向为自主车辆导航、机器人行为动力学、多机器人系统。
E 2mail:wei p ingf@xaut .edu .cn 。
移动机器人的路径规划一般分为环境信息完全已知的全局路径规划和环境信息部分已知的局部路径规划。全局路径规划需要寻优,往往存在算法的复杂程度与障碍物的数量成正比,一般不能直接应
用于存在运动障碍物的在线路径规划[1,2]
。局部路径规划在一定程度上存在实时性与环境建模精度之间不相容[3,4]
。动态环境中由于存在静止、移动障碍物以及运动目标,相比传统的躲避障碍物问题更复杂。人类与其它动物都具有很强的与外界复杂环
境交互的能力,能很好地处理动态环境下的各种问题,比如有效地避开障碍物,拦截移动目标等,其智能性主要体现为基于行为动力演变的方式。移动机器人在非结构化的动态环境中也表现出了这样的行为,如奔向目标和避障等行为,这些行为在动态环境中通过机器人与环境相互作用的动力学行为表现出智能。行为动力学方法正是从基本行为模式出发,通过非线性微分方程综合各种行为的演变,模拟人
类的路径规划方式[5-7]
。因此,本文尝试将行为动
1
14 西安理工大学学报Journal of Xi ’an University of Technol ogy (2008)Vol .24No .4
力学方法应用于移动机器人动态环境下的路径规
划。在给出路径规划行为模式的基础上,建立了奔向目标行为动力学方程和速度行为动力学方程,并考虑不稳定不动点,构造了航向角的整体行为动力学方程,以及非线性竞争模型,最后给出了机器人路径规划的仿真结果。
1 路径规划行为模式
路径规划需要机器人从起始点到目标点规划一
条路径,且必须避开环境中的障碍物,所以移动机器人路径规划的总体行为由奔向目标行为和避障行为组成。奔向目标行为模式和避障行为模式组成了移动机器人的路径规划行为模式。动态环境中的路径规划,两种基本行为模式是随着环境的变化而变化,且相互制约,最终实现路径规划任务。这些基本的行为模式可以通过行为变量的运动微分方程来实现,即
d
2 路径规划行为动力学建模
构建行为动力学模型主要考虑两个方面[5]
:
(1)构建的动力学系统必须是耗散且有渐近稳定的不动点或其它的极限集
;(2)行为必须通过吸引子的解产生,以保证系统在所有的时间历程上保持一个吸引子的状态。由此建立路径规划的行为动力学模型如下。2.1 奔向目标行为动力学模型
如图1所示的机器人与障碍物、目标点示意图。
图1 机器人及环境示意图
Fig .1 Sche matic diagra m bet w een a r obot and the envir onment
移动机器人奔向目标行为模式的行为动力学模型用微分方程表示为:
<=f goal (<)=-λgoal sin (<-ψgoal )其中,<表示机器人的航向角,ψgoal 表示目标点相对于机器人当前位置的方位,λgoal 表示吸引强度,且λgoal >0。容易看出,<=ψgoal 是该非线性方程的一个不动点,将其在不动点处线性化,得到
≈-λgoal <,显然<在不动点邻域内近似指数渐近收敛,ψgoal 是一个稳定的不动点,目标点形成一个吸引子。
2.2 避障行为动力学模型
考虑图2所示的机器人与两个对称的障碍物及一个目标点,两个障碍物之间的距离足够远,机器人可以通过直线运动顺利到达目标点,由于障碍物对机器人产生排斥子,可以通过目标点的吸引子方程变化得到,写出障碍物排斥子对机器人航向角的微分方程
图2 机器人与对称障碍物Fig .2 A r obot and sy mmetric obstacles
=f obs =λsin (<-θ
)+λsin (<+θ)=λ[sin )+cos θ+cos λcos θsin <可以看出,通过简单的求和,产生了不希望的航向角 的变化受θ的影响,而机器人与障碍物之间的距离则是需要考虑的因素。下面建立更全面的避障行为动力学模型。 移动机器人对第i 个障碍物避障行为模式的行为动力学模型用微分方程表示为 =f obs,i (<)=λobs,i (<-ψobs ,i ) 其中,λobs ,i 表示排斥强度,且λobs,i >0,ψobs ,i 表示第i 个障碍物相对于机器人当前位置最短距离的方位。 由于5 >0,ψobs ,i 为一个不稳定的不动点,障 碍物形成一个排斥子。 障碍物对机器人的排斥强度是随着机器人与障碍物之间距离的减小而增大,所以λobs,i 是机器人与障碍物最短距离d i 函数,采用指数函数 λobs ,i =λobs e -d i /d 0 其中,λobs 控制λobs ,i 的强度,d 0控制λobs ,i 衰减的快 214 西安理工大学学报(2008)第24卷第4期 慢。 <与ψobs ,i 之间的差越大,机器人与障碍物发生碰撞的可能性越小,当两者之差为零时,应该达到最大值,即<-ψobs ,i 对<变化有一定的作用范围,采用类似高斯分布函数的模型能很好地描述这种变化,这样可以得到总的避障行为动力学方程 =f obs ,i (<)=λobs e -d i /d 0 (<-ψobs ,i )e -(<-ψobs ,i )2 2 σ2其中σi 控制机器人避障排斥的角度范围。2.3 航向角整体动力学模型 机器人的路径规划行为由奔向目标行为模式和 避障行为模式共同决定。因此,机器人整体行为动 力学模型 [8,9] = w goal f goal (<)+w obs ∑n i =1 f obs,i (<) =- w goal λgoal sin (<-ψgoal )+ w obs ∑ n i =1 λobs e -d i /d 0 (<-ψobs ,i e - (<-ψobs,i )2 2 σ2) 其中,n 为障碍物的总个数,w goal 、w obs 分别为奔向目标行为模式和避障行为模式的加权系数,反映各自 在整体行为中所起作用的大小。 如图3所示,此时<=ψgoal =ψobs ,从整体动力学行为可以看出,机器人航向角不再发生变化,机器人应趋向目标点,但实际上不允许趋向目标点,这时对应的<=ψgoal =ψobs 是一种不稳定的不动点,机器人无法到达目标点,采用在整体行为动力学方程里增加随机扰动项,来逃逸这种不稳定的不动点,动力学方程变为: =w goal f goal (<)+ w obs ∑n i =1 f obs,i (<)+disturbance 图3 不稳定不动点Fig .3 Unstable fixed point 2.4 速度动力学模型 移动机器人在路径规划得运行过程中,假定速度恒定,当有运动目标时,使v mgoal 成为一个吸引子,因此速度采用以下方程 v ? =-c v (v -v mgoal ) 其中,v mgoal 是移动目标的速度,c v 反映目标速度的影响强度。 3 行为模式竞争 机器人路径规划是奔向目标行为模式和避障行 为模式共同作用的结果,它们之间通过权系数来决定某种行为对整体行为贡献的大小,由于机器人所在的环境是复杂动态的,若权系数固定不变,规划出路径有时不理想,因此,需要在机器人导航过程中控制两者的权值系数来规划更好的路径,这样的权系数反映了在不同局部环境下两种行为在整体行为中的作用,它们体现为一种竞争关系,采用如下的非线 性模型 [9] w ?goal =αgoal w goal (1-w 2goal )-γobs,goal w 2obs w goal w ? obs =αobs w obs (1-w 2 obs )-γgoal,obs w 2 goal w obs 其中,αgoal 、γobs,goal 、αobs 、γgoal,obs 为与环境相关的参数, 随环境而改变,αgoal 表示适合奔向目标行为当前情形的竞争优势,αobs 表示适合避障行为当前情形的竞争优势,γobs,goal 表示当前情形下避障行为对于奔向目标行为的制约程度,γgoal,obs 表示当前情形下奔向目标行为对于避障行为的制约程度。它们分别为: αobs =∑e -d i /d ′o /n,αgoal =k 1(1-αobs ),γgoal,obs = k 2e -d rg /d rg0 ,γobs,goal =k 3(1-γgoal,obs )。d rg 表示机器人 到目标点的距离,d rg0控制d rg 变化对γgoal,obs 影响的快慢。 4 仿 真 基于以上的模型和分析,运用Matlab7.1软件,进行了动静态环境下的路径规划仿真,如图4～7所示。仿真参数:λgoal =2,λobs =60,d 0=0.1,σ=0.6,c v =1,d ′0=0 .05,k 1=0.3,k 2=1,d rg0=0.1,k 3=0.1;移动障碍物的速度分别为0.4m /s 和0.25m /s ,且都为直线运动;规划周期为0.5s,移动目标的运动方程为 x =0.3co s (πt/6) y =0.3sin (πt/6) 图4～6给出了移动机器人在动静态环境中的路径规划结果,可以看出,机器人能很好地完成规划任务,到达目标。从图6和图7可以看出,奔向目标行为模式和避障行为模式的权系数随时间在发生变化。刚开始受较少障碍物的影响,两个系数从初始值0.5瞬间变到第一个稳定模式(w obs =0.5,w goal =0.9),经2.5s 的稳定状态后,机器人穿越两个接近对称的障碍物,两个系数保持在障碍物密集区的一段时间的相对稳定,直到遇到运动目标的出现,并逐渐远离障碍物后,快速切换到奔向目标行为主导作用的状态,形成了最终的稳定模式。 3 14 谢敬等:动态环境下基于行为动力学的移动机器人路径规划 图4 动态环境无运动目标路径规划 Fig .4 Path p lanning in dyna m ic envir on ment without moving goal 图5 静态环境路径规划 Fig .5p lanning in static envir on ment 图6 动态环境有运动目标路径规划 Fig .6 Path p lanning in dyna m ic envir on ment with moving goal 图7 有运动目标时的权值 Fig .7 W eight with moving goal 5 结 论 本文针对动态环境下的移动机器人路径规划问 题,在给出路径规划的行为模式的同时,确定了机器人航向角和速度作为行为变量,通过分析构建了它们的非线性动力学模型,并运用动力系统稳定性分析方法分析了模型不动点的稳定性,同时对不稳定 不动点给出了解决办法,采用竞争模型来自动调节 路径规划行为模式的权值,路径规划模型的有效性通过仿真结果得到了验证。参考文献: [1]Takahashi O,Schilling R J.Moti on p lanning in a p lane u 2 sing generalized Vor onoi diagra m s[J ]. I EEE Transacti ons on Robotics and Aut omati on,1989,5(2):1432150.[2]Habib M K,A sa ma H.Efficient method t o generate colli 2 si on free path for aut onomous mobile r obot based on ne w free s pace structuring app r oach [C ]∥I EEE /RSJ I nterna 2ti onalWorkshop on I ntelligent Robots and Syste m s l ROS ’91,O saka,Japan,1991:5632567. [3]Fierr o R,Le wis F L.Contr ol of a nonhol onom ic mobile r o 2 bot using neural net w orks[J ].I EEE Transacti ons on Neu 2ral Net w orks,1998,9(4):5892600.[4]Zavlangas P G,Tzafestas S G . I ndustrial r obot navigati on and obstacle avoidance e mp l oying fuzzy l ogic [J ].Journal of I ntelligent and Robotic Syste m s,2000,6(27):85297.[5]Sch ¨oner G,DoseM,Engels C .Dyna mics of behavi or :theory and applicati ons f or aut ono mous r obot architectures[J ].Ro 2 botics and Aut ono mous Syste ms,1995,16(2):2132246.[6]Gibs on J J.V isually contr olled l ocomoti on and visual orien 2 tati on in ani m als [J ].Ecol ogical Psychol ogy,1998,10 (3):1612176. [7]Fajen B R,Ki m N G .Perceiving curvilinear heading in the p resence of moving objects .Journal of Experi m ental Psy 2chol ogy[J ].Hu man Percep ti on and Perfor mance,2002,28(5):110021119. [8]Lawrence P .D ifferential Equati ons and Dynam ical Syste m s [M ].New York:Sp rinnger 2Verlag,1991. [9]Si ome G,D i m itris M ,Ed ward L.Nonlinear dynam ic sys 2 te m s for aut onomous agents navigati on [C ]∥American A s 2s ociati on on A rtificial I ntelligence SS,Stanford,CA,US A,2000,3:36240. (责任编辑 杨小丽) 414 西安理工大学学报(2008)第24卷第4期 遗传算法与机器人路径规划 摘要：机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 关键词：路径规划；移动机器人；避障；遗传算法 Genetic Algorithm and Robot Path Planning Abstract: Robot path planning research is a very important area of robotics, it is also a combine point of artificial intelligence and robotics. For the mobile robot, it need to be worked by certain rulers（e.g time optimal），and find a best movement path in work space. Robot path planning can be modeled that in the course of robots able to avoid the obstacles from the initial position to the target location,and it ruquire to work under ertain constraints. Genetic algorithm used in path planning is very common, when planning the path ,it use the information of map ,and have high eficient in actual. Key words: Path planning,mobile robot, avoid the obstacles, genetic algorithm 1路径规划 1.1机器人路径规划分类 （1）根据机器人对环境信息掌握的程度和障碍物的不同，移动机器人的路径规划基本上可分为以下几类： 1，已知环境下的对静态障碍物的路径规划； 2，未知环境下的对静态障碍物的路径规划； 3，已知环境下对动态障碍物的路径规划； 4，未知环境下的对动态障碍物的路径规划。 （2）也可根据对环境信息掌握的程度不同将移动机器人路径规划分为两种类型： 1，基于环境先验完全信息的全局路径规划； 2，基于传感器信息的局部路径规划。 （第二种中的环境是未知或部分未知的，即障碍物的尺寸、形状和位置等信息必须通过传感器获取。） 1.2路径规划步骤 无论机器人路径规划属于哪种类别，采用何种规划算法，基本上都要遵循以下步骤： 1, 建立环境模型，即将现实世界的问题进行抽象后建立相关的模型； 2, 路径搜索方法，即寻找合乎条件的路径的算法。 1.3路径规划方法 第5期(总第156期) 2009年10月机械工程与自动化 M ECHAN I CAL EN G I N EER I N G & AU TOM A T I ON N o 15 O ct 1 文章编号:167226413(2009)0520194203 机器人路径规划方法的研究 李爱萍,李元宗 (太原理工大学机械工程学院,山西 太原 030024) 摘要:路径规划技术是机器人学研究领域中的一个重要部分。目前的研究主要分为全局规划方法和局部规划方法两大类。通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。 关键词:机器人;全局规划;局部规划中图分类号:T P 242 文献标识码:A 收稿日期:2009201207;修回日期:2009204218 作者简介:李爱萍(19792),女,山西晋中人,在读硕士研究生。 0 引言 路径规划技术是机器人学研究领域中的一个重要 部分。机器人的最优路径规划就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等),在其工作空间中找到一条从起始状态到目标状态的最优路径。根据对环境信息的掌握程度不同,路径规划可分为:①全局路径规划:环境信息完全已知,根据环境地图按照一定的算法搜寻一条最优或者近似最优的无碰撞路径,规划路径的精确程度取决于获取环境信息的准确程度;②局部路径规划:环境信息完全未知或部分未知,根据传感器的信息来不断地更新其内部的环境信息,从而确定出机器人在地图中的当前位置及周围局部范围内的障碍物分布情况,并在此基础上,规划出一条从当前点到某一子目标点的最优路径。 1 全局规划方法111 栅格法 栅格法是目前研究最广泛的路径规划方法之一。该方法将机器人的工作空间分解为多个简单的区域(栅格),由这些栅格构成一个显式的连通图,或在搜索过程中形成隐式的连通图,然后在图上搜索一条从起始栅格到目标栅格的路径。一般路径只需用栅格的序号表示。但栅格的划分直接影响其规划结果,如果栅格划分过大,环境信息储藏量小,分辨率下降,规划能力就差;栅格划分过小,规划时间长,而且对信息存储能力的要求会急剧增加。112 可视图法 可视图法中的路径图由捕捉到的存在于机器人一 维网络曲线(称为路径图)自由空间中的节点组成。路径的初始状态和目标状态同路径图中的点相对应,这样路径规划问题就演变为在这些点间搜索路径的问题。要求机器人和障碍物各顶点之间、目标点和障碍物各顶点之间以及各障碍物顶点与顶点之间的连线均不能穿越障碍物,即直线是“可视的”。然后采用某种方法搜索从起始点到目标点的最优路径,搜索最优路径的问题就转化为从起始点到目标点经过这些可视直线的最短距离问题。该法能够求得最短路径,但需假设忽略机器人的尺寸大小,使得机器人通过障碍物顶点时离障碍物太近甚至接触,并且搜索时间长。113 拓扑法 拓扑法将规划空间分割成具有拓扑特征的子空间,根据彼此的连通性建立拓扑网络,在网络上寻找起始点到目标点的拓扑路径,最终由拓扑路径求出几何路径。拓扑法的基本思想是降维法,即将在高维几何空间中求路径的问题转化为低维拓扑空间中判别连通性的问题。其优点在于利用拓扑特征大大缩小了搜索空间,其算法的复杂性仅依赖于障碍物数目,在理论上是完备的;而且拓扑法通常不需要机器人的准确位置,对于位置误差也就有了更好的鲁棒性。缺点是建立拓扑网络的过程相当复杂,特别是在增加障碍物时如何有效地修正已经存在的拓扑网是有待解决的问题。 114 自由空间法 自由空间法采用预先定义的广义锥形或凸多边形等基本形状构造自由空间,并将自由空间表示为连通图,通过搜索连通图来进行路径规划。自由空间的构 1绪论 1.1机器人简介 1.1.1什么是机器人 机器人一词不仅会在科幻小说、动画片等上看到和听到，有时也会在电视上看到在工厂进行作业的机器人，在实际中也有机会看到机器人的展示。今天，说不定机器人就在我们的身过，但这里我们要讨论的是什么是机器人学研究的机器人。 机器人（robot）一词来源下1920年捷克作家卡雷尔. 查培克（Kapel Capek）所编写的戏剧中的人造劳动者，在那里机器人被描写成像奴隶那样进行劳动的机器。 后来作为一种虚构的机械出现在许多作品中，代替人们去完成某些工作。20世纪60年代出现了作为可实用机械的机器人。为了反这种机器人同虚构的机器人及玩具机器人加以区别，称其为工业机器人。 工业机器人的兴起促进了大学及研究所开展机器人的研究。随着计算机的普及，又积极地开展了带有智能的机器人的研究。到70年代，机器人作为工程对象已经被确认，机器人一词也受到公认。目前，机器人学的研究对象已不仅仅是工业机器人了。 即便是实际存在的机器人，也很难把它定义为机器人，而且其定义也随着时代在变化。这里简单地反具有下述性质的机械看作是机器人： 1.代替人进行工作：机器人能像人那样使用工具和机械，因此，数控机床和 汽车不是机器人。 2.有通有性：既可简单地变换所进行的作为，又能按照工作状况的变化相应 地进行工作。一般的玩具机器人不能说有通用性。 3.直接对个界作工作：不仅是像计算机那样进行计算，而且能依据计算结果 对外界结果对外界产生作用。 机器人学把这样定义的机器人作为研究对象。 1.1.2机器人的分类 机器人的分类方法很多，这里我们依据三个有代表性的分类方法列举机器人的种类。 首先，由天机器人要代替人进行作业，因此可根据代替人的哪一个器官来分类： 操作机器人（手）：利用相当于手臂的机械手、相当于手指的手爪来使物体协作。 移动机器人（腿）：虽然已开发出了2足步行和4足步行机器人，但实用的却是用车轮进行移动的机器人。（本文以轮式移动机器人作为研究对象）视觉机器人（眼）：通过外观检查来除掉残次品，观看人的面孔认出是谁。虽然还有使用触觉的机器人，但由于它不是为了操作，所以不能说是触觉机器人。 也还有不仅代替单一器官的机器人，例如进行移动操作，或进行视觉和操作的机器人。 其次，按机器人的应用来分类： 工业机器人：可分为搬送、焊接、装配、喷漆、检查等机器人，主要用于工厂内。 极限作业器人：主要用在人们难以进入的核电站、海底、宇宙空间等进行作为的机器人。也包括建筑、农业机器人等。 娱乐机器人：有弹奏乐器的机器人、舞蹈机器人、宠物机器人等，具有某种程度的通用性。也有适应环境面改变行动的宠物机器人。 最后则是按照基于什么样的信息进行动作来分类： 表1基于动作信息的机器人分类 工业机器人路径规划及仿真 发表时间：2019-09-17T15:53:24.233Z 来源：《城镇建设》2019年第15期作者：鲁严[导读] 本文对鸥工业机器人的实时高精度路径跟踪与轨迹规划进行了简单的研究。 天津日北自动化设备有限公司天津市 300385 摘要：现阶段，人们对工业机器人的性能要求逐渐提高，只有这样才能提高现代化工艺生产质量与效率。工业机器人系统具有较强的非线性、强耦合性特点，将工业机器人通过高复杂系统的形式进行操作，并将其中的动力学特点体现出来，保证工业机器人可以正常使用。然而，工业机器人在实际运行期间常常会因为多种原因影响着机器人的控制性能，导致其不能正常运行下去。要想从根本上解决这一 问题，就应该加强工业机器人高度高精度的控制，只有这样才能保证工业机器人可以正常运行下去。基于此，本文对鸥工业机器人的实时高精度路径跟踪与轨迹规划进行了简单的研究。 关键词：工业机器人；实时；高精度；路径跟踪引言 现如今，科学、信息技术得到广泛应用，工业机器人也开始得到广泛运用，为工业行业改革以及发展提供了诸多支持。工业机器人作为现代化工业不可缺少的一部分，有利于提高工业生产效率，对于其实现企业长期发展有极为重要的意义。工业机器人非常关键的两个部位是手部路径跟踪、关节轨迹规划，在工业领域实现应用，能够在机器人路径中增加节点数量，并且提高节点路径分段处理效率，从而使工业机器人手部跟踪路径以及路径节点更加精准。 1.工业机器人的发展历程 伴随着科学技术的不断进步，工业机器人学科变得越来越有生命力，从上个世纪 50 年代美国发明第一台工业机器人开始，到如今这个时间，机器人的发展已经历经了大半个世纪。纵观全局，这大半个世纪以来机器人的发展历史，机器人技术在工业需求的带领之下，已经得到了翻天覆地的变化。众所周知，在国际上，工业机器人现如今已经成为一个成熟的产业，并且工业机器人被广泛地应用在汽车，电器，摩托车以及机械等工业生产领域。无人不知，工业机器人在发达国家中已经存在了很多年。在国内，工业机器人经过几代科研工作者坚持不懈的努力现在已经取得了很大进展，而且在某些关键技术上面取得了不少成绩已。不过，总的来说，国内机器人行业确实还存在着缺乏整体核心技术的突破，并且具有中国知识产权的工业机器人的数量微乎极微，这需要我们科研工作人员在科研工作中要做到沉住心，仔细的钻研，从而为了实现国家科技的发展做出贡献。现在国内机器人技术仅仅相当于国外发达国家 80 年代初期的水平，尤其是在制造工艺和装备以及机器人控制方面，我国还不能生产出高精密，高速度，高效率的工业机器人。机器人控制技术是机器人实现一系列功能的核心，同时也是影响机器人性能的关键部分，控制技术在很大程度上一直制约着机器人技术的发展。伴随着计算机科学，传感器技术，以及图像处理技术和其它相关技术的迅速发展，这时候，需要对机器人性能提出更高的要求，从而让工业机器人朝着快速高精度方向不断的发展，这对于机器人控制技术来说是一个不可攻克的挑战。总而言之，机器人控制理论的发展过程大致可以分为三个阶段经历传统控制，现代控制理论和智能控制。 2.工业机器人运动学理论知识 所谓运动学通俗的说也就是关于运动的科学学科。在进行运动学分析研究时，一般情况下不考虑系统的驱动力，同时也会直接忽略零部件的变形，换句话说也就是将零部件看作刚体。对多刚体系统进行运动学分析时，需要把机构中连接构件和构件的运动副作为起点，并且构件的位置，速度以及加速度都是和运动副对应的约束方程来进行解答的。工业机器人的本体结构比较繁琐复杂，为了能够更加形象的描述机器人构件在空间的姿态，可以通过在构件上固结坐标系，然后通过描述坐标系的关系来间接的研究机器人构件的运动学。D-H法是机器人运动学研究的一种重要的方法，D-H法全称Denavit-Hatenberg，是Denavit和Hatenberg这两位科学工作者共同提出的一种研究串联机器人运动学的方法。 3.工业机器人实时高精度路径跟踪与关节规划的规划 手部路径跟踪与关节轨迹是工业机器人中重要组成部分，做好工业机器人的控制工作，减轻工业机器人中计算机控制在线负担，从而保证工业机器人可以正常的运行下去。首先，工业机器人在实际运行期间，可以通过在线控制的形式将工业机器人坐标空间关节进行合理控制，并在坐标空间设置对应的节点，在节点设置完成之后还要做好节点坐标的定位工作，并通过拟合的形式对其中的节点进行控制，只有这样才能形成一个全新的关节轨迹。其次，在对节点控制期间，还要沿着指定的关节轨迹进行运动，从而提升关节运动效果，保证其可以正常的运行下去。当工业机器人中的节点数量逐渐增加时，工业机器人的整个路径跟踪的精准度也会有所提高，从而增加关节轨迹的分段数量，提高关节观点的自身的运动量。 工业机器人在实际运行期间，手部的路径跟踪精准度提升，那么整个机器人的首位两端路径节点就会有所下降，如果节点下降现象控制不及时，那么整路径节点就会出一定的弊端，严重影响了工业机器人的正常运行。因此，在工业机器人实际运行期间，应该做好机器人首尾节点的控制工作，并在首尾节点中安装对应的正弦函数与余弦函数，并将其中的结构通过一乘积的形式展现出来，只有这样才能保证工业机器人的控制工作可以顺利进行下去。比如说，O0-X0Y0Z0为工业机器人的基础坐标，那么手部路径是工业机器人的起点位置，并将其设置成P0，那么起点到尾部的条件就会设置成Pn，只有这样才能得出（n+1）节点，其中P0，P1节点就会通过路径分段的形式进行计算，得出工业机器人中的Qj0到终点Qjn的位置会通过整段轨迹的形式进行分段处理，保证工业机器人实时高精度路径跟踪与关节规划工作可以顺利进行下去。 4.工业机器人实时高精度路径跟踪与关节规划的超调性及振荡性 4.1 超调性 对于工业机器人实时高精度路径跟踪与关节规划来说，其在实际进行期间可以将关节坐标中的界值体现出来，并将其控制在整个工业机器人中的中间部位，并根据工业机器人的运行现状做好坐标曲线的控制工作，将其中的拐点体现出来，只有这样才能保证工业机器人实时高精度路径跟踪与关节规划工作可以顺利进行下去。当工业机器人实时高精度路径跟踪与关节规划中的节点数值较小时，那么整个机器人能的节点轨迹就会通过一个全新的形式展现出来，只有这样才能保证节点轨迹不会发生超调的现象发生。 4.2 振荡性 3.23机器人路径运动操作步骤 任务：选取多个点构成一条路径，通过示教器完成机器人路径运动操作 相关知识：机器人路径示教器操作分为手动和自动两种模式 操作步骤： 一、手动模式 1、新建程序 （1）点击首页下拉菜单中“程序编辑器”选项，进入程序编辑器 （2）点击右上角“例行程序”选项，进如程序列表 （3）点击左下角“文件”，选择“新建例行程序”，新建例行程序 并命名 2、程序编写 （1）选择新建好的例行程序，进入程序编辑页面，点击左下角“添 加指令”，在右侧弹出菜单中选择轴运动指令“MoveJ” （2）根据需要修改显示的“MoveJ * ,v1000 , z50 , tool0”指令， *代表坐标点名称，v1000代表速度，z50代表路径选择幅度， tool0与工具坐标有关 （3）根据需要添加路径包含的点坐标并修改，完成全部路径点的设 置 3、调试 （1）从第一行“MoveJ”指令开始，利用示教器旋钮调节机器人至路 径点位，点击“修改位置”，程序与点位一一对应 （2）点位修改完成后，进行手动调试。点击“调试”选择“PP移动 至例行程序”，进入要调试的例行程序，光标选择调试的程序 行，再次点击“调试”，选择“PP移动至光标” （3）在右下角设置选项中选择机器人运行的速度 （4）左手按下示教器使能键，右手按下示教器上的“开始”按钮， 进行机器人路径运行操控 注意：机器人运行过程中不能松开示教器使能键 二、自动模式 1、完成手动调试模式调试后，点击“例行程序”菜单进入程序选择列表， 选择“Main”函数，进入函数编辑页面 2、光标选择 第25卷第7期V ol.25No.7 控制与决策 Control and Decision 2010年7月 Jul.2010移动机器人路径规划技术综述 文章编号:1001-0920(2010)07-0961-07 朱大奇,颜明重 (上海海事大学水下机器人与智能系统实验室，上海201306) 摘要:智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向. 关键词:移动机器人；路径规划；人工势场；模板匹配；地图构建；神经网络；智能计算 中图分类号:TP18；TP273文献标识码:A Survey on technology of mobile robot path planning ZHU Da-qi,YAN Ming-zhong (Laboratory of Underwater Vehicles and Intelligent Systems，Shanghai Maritime University，Shanghai201306, China．Correspondent：ZHU Da-qi，E-mail：zdq367@https://www.doczj.com/doc/618361646.html,) Abstract:The technology of intelligent mobile robot path planning is one of the most important robot research areas.In this paper the methods of path planning are classi?ed into four classes:Template based,arti?cial potential?eld based,map building based and arti?cial intelligent based approaches.First,the basic theories of the path planning methods are introduced brie?y.Then,the advantages and limitations of the methods are pointed out.Finally,the technology development trends of intelligent mobile robot path planning are given. Key words:Mobile robot；Path planning；Arti?cial potential?eld；Template approach；Map building；Neural network; Intelligent computation 1引言 所谓移动机器人路径规划技术,就是机器人根据自身传感器对环境的感知,自行规划出一条安全的运行路线,同时高效完成作业任务.移动机器人路径规划主要解决3个问题:1)使机器人能从初始点运动到目标点;2)用一定的算法使机器人能绕开障碍物,并且经过某些必须经过的点完成相应的作业任务;3)在完成以上任务的前提下,尽量优化机器人运行轨迹.机器人路径规划技术是智能移动机器人研究的核心内容之一,它起始于20世纪70年代,迄今为止,己有大量的研究成果报道.部分学者从机器人对环境感知的角度,将移动机器人路径规划方法分为3种类型[1]:基于环境模型的规划方法、基于事例学习的规划方法和基于行为的路径规划方法;从机器人路径规划的目标范围看,又可分为全局路径规划和局部路径规划;从规划环境是否随时间变化方面看,还可分为静态路径规划和动态路径规划. 本文从移动机器人路径规划的具体算法与策略上,将移动机器人路径规划技术概括为以下4类:模版匹配路径规划技术、人工势场路径规划技术、地图构建路径规划技术和人工智能路径规划技术.分别对这几种方法进行总结与评价,展望了移动机器人路径规划的未来发展方向. 2模版匹配路径规划技术 模版匹配方法是将机器人当前状态与过去经历相比较,找到最接近的状态,修改这一状态下的路径,便可得到一条新的路径[2,3].即首先利用路径规划所用到的或已产生的信息建立一个模版库,库中的任一模版包含每一次规划的环境信息和路径信息,这些模版可通过特定的索引取得;随后将当前规划任务和环境信息与模版库中的模版进行匹配,以寻找出一 收稿日期:2009-08-30；修回日期:2009-11-18. 基金项目:国家自然科学基金项目(50775136)；高校博士点基金项目(20093121110001)；上海市教委科研创新项目(10ZZ97). 作者简介:朱大奇(1964?),男,安徽安庆人,教授,博士生导师,从事水下机器人可靠性与路径规划等研究；颜明重(1977?),男,福建泉州人,博士生,从事水下机器人路径规划的研究. 机器人路径规划方法的研究进展与趋势 朱明华,王霄,蔡兰 (江苏大学机械工程学院,江苏镇江212013) 摘要:对机器人路径规划的研究进行了概括和总结,阐述了机器人全局路径规划方法、局部路径规划方法及混合方法的研究现状、特点和主要成果,指出了其今后的发展方向及研究重点。 关键词:机器人;遗传算法;路径规划;粗糙集 中图分类号:T P242 文献标识码:A 文章编号:1001-3881(2006)3-005-4 R esearch P rogress and Future Develop m ent on Path P lanni n g for Robot Z HU M inghua,WANG X iao,CA I Lan (M echanical Eng i n eering Institute,Jiangsu Un i v ersity,Zhenjiang Jiangsu212013,China) Abstrac t:T he research of robo t pa t h plann i ng w as s umm arized,the research sta t us quo,character i stic and ma i n producti on of robo t g l obal path p l ann i ng m ethod,l oca l path p l ann i ng m ethod and hybr i d m ethod were expatiated,its deve l op m ent d irec tions and study f o cus w ere po i nted out. K eyword s:R obot;G enetic a l gor it hm s;P ath p lann i ng;R ough set 路径规划技术是机器人研究领域中的一个重要分支,是机器人导航中最重要的任务之一。蒋新松在文献[1]中为路径规划作出了这样的定义:路径规划是自治式移动机器人的一个重要组成部分,它的任务就是在具有障碍物的环境内按照一定的评价标准,寻找一条从起始状态(包括位置和姿态)到达目标状态(包括位置和姿态)的无碰路径。障碍物在环境中的不同分布情况当然直接影响到规划的路径,而目标位置的确定则是由更高一级的任务分解模块提供的。目前,根据对环境的掌握情况,机器人的路径规划问题可以大致分为二大类:基于环境先验信息的全局路径规划;基于不确定环境的传感器信息的局部路径规划。 1 全局路径规划方法(G lobal Pat h Plann i n g) 依据已获取的全局环境信息,给机器人规划出一条从起点至终点的运动路径。规划路径的精确程度取决于获取环境信息的准确程度。全局路径规划规划方法通常可以寻找最优解,但需要预先知道准确的全局环境信息。通常该方法计算量大,实时性差,不能较好地适应动态非确定环境。基于环境建模的全局路径规划的方法主要有:自由空间法、构型空间法和栅格法等。 1 1 自由空间法(Free Space Approach) 自由空间法采用预先定义的如广义锥形[2]和凸多边形[3]等基本形状构造自由空间,并将自由空间表示为连通图,然后通过搜索连通图来进行路径规划,此方法比较灵活,即使起始点和目标点改变,也不必重构连通图,但是算法的复杂程度与障碍物的多少成正比,且不能保证任何情况下都能获得最短路径。因而该方法仅适用于路径精度要求不高,机器人速度不快的场合。按照划分自由空间方法的不同又可分为:凸区法、三角形法、广义锥法。 1 2 构型空间法 为了简化问题,通常将机器人缩小为一点,将其周围的障碍物按比例相应地进行拓展,使机器人在障碍物空间中能够任意移动而不与障碍物及其边界发生碰撞。目前研究比较成熟的有可视图法[4]和优化算法(如D ijkstra法[5]、A*搜索算法[6]等)。 1 2 1 可视图法(V-G r aph) 通过起始点和目标点及障碍物的顶点在内的一系列点来构造可视图。连接这些点使某点与其周围的某可视点相连,即要求机器人和障碍物各顶点之间、目标点和障碍物各顶点以及各障碍物顶点与顶点之间的连线均不能穿越障碍物,也即直线是可视的。从而搜索最优路径的问题就转化为经过这些可视直线从起始点到目标点的最短距离问题。 1 2 2 优化算法(Optm i ization A l gorit hm) 优化算法可以删除一些不必要的连线以简化可视图,从而缩短搜索时间,求得最短路径。但是,优化算法缺乏灵活性,一旦起点和目标点改变,就必须重构可视图,并且搜索效率也较低。 1 3 栅格法(Grids) 栅格法[7]将机器人的工作环境分解成一系列具有二值信息的网格单元,并假设工作空间中障碍物的位置和大小已知且在机器人运动过程中不会发生变化。用尺寸相同的栅格对机器人的二维工作空间进行规划,栅格大小以机器人自身的尺寸为准。若某一栅格范围内不含任何障碍物,则称此栅格为自由栅格;反之,称为障碍栅格。这样,自由空间和障碍物均可表示为栅格块的集成。栅格的表识方法有两种:直角坐标法和序号法。直角坐标法如图1所示,以栅格阵左上角为坐标原点,水平向右为X轴正方向,竖直向 移动机器人路径规划综述 目录 1 引言 (2) 2 传统路径规划方法 (2) 2.1 自由空间法 (2) 2.2 图搜索法 (3) 2.3 栅格法 (3) 3 智能路径规划方法 (4) 3.1基于模糊逻辑的路径规划 (4) 3.2基于遗传算法的路径规划 (5) 3.3基于神经网络的路径规划 (5) 3.4人工势场法 (5) 3.5基于模糊逻辑与信息融合的路径规划 (6) 4 结论与展望 (6) 参考文献 (7) 1 引言 所谓移动机器人路径规划技术，就是机器人根据自身传感器对环境的感知，自行规划出一条安全的运行路线，同时高效完成作业任务。移动机器人路径规划主要解决3个问题： 1) 使机器人能从初始点运动到目标点； 2) 用一定的算法使机器人能绕开障碍物，并且经过某些必须经过的点完成相应的作业任务； 3) 在完成以上任务的前提下，尽量优化机器人运行轨迹。 机器人路径规划技术是智能移动机器人研究的核心内容之一，它起始于20 世纪70年代，迄今为止，己有大量的研究成果报道[1]。路径规划方法的分类也呈现多样化，可以分为基于地图的全局路径规划方法[2,3]和基于传感器的局部路径规划方法[4]，也可以分为传统路径规划方法[5]与智能路径规划方法[6]。 本文主要按传统路径规划方法与智能路径规划方法进行总结与评价。传统路径规划方法主要包含自由空间法，图搜索法，栅格法等，智能路径规划算法主要包含基于模糊逻辑的路径规划，基于神经网络的路径规划，基于遗传算法的路径规划，人工势场法以及信息融合方法等。 2 传统路径规划方法 2.1 自由空间法 自由空间法[7]应用于移动机器人路径规划，采用预先定义的如广义锥形和凸多边形等基本形状构造自由空间，并将自由空间表示为连通图，通过搜索连通图来进行路径规划。自由空间的构造方法[8]是：从障碍物的一个顶点开始，依次作其它顶点的链接线，删除不必要的链接线，使得链接线与障碍物边界所围成的每一个自由空间都是面积最大的凸多边形；连接各链接线的中点形成的网络图即为机器人可自由运动的路线。其优点是比较灵活，起始点和目标点的改变不会造成连通图的重构，缺点是复杂程度与障碍物的多少成正比，且有时无法获得最短路 研究背景 近年来,机器人技术飞速发展,机器人的应用领域也在不断扩展。机器人的工作环境存在高度的多变性和复杂性,因此自主导航是实现真正智能化和完全自主移动的关键技术。机器人的导航问题可以归结为对“我在哪”、“我要去哪”以及“我如何到达那里”三个问题的回答。第三个问题就是路径规划,要求机器人在当前位置与目标位置之间寻找一条安全、合理、高效的路径,保证机器人能够安全地到达目标地点。机器人路径规划是机器人领域的一个研究热点。 一、课题应用 机器人的路径规划是机器人学的一个重要研究领域，是人工智能和机器人学的一个结合点。对于移动机器人而言，在其工作时要求按一定的规则，例如时间最优，在工作空间中寻找到一条最优的路径运动。机器人路径规划可以建模成在一定的约束条件下，机器人在工作过程中能够避开障碍物从初始位置行走到目标位置的路径优化过程。遗传算法是一种应用较多的路径规划方法，利用地图中的信息进行路径规划，实际应用中效率比较高。 智能移动机器人[1]，是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的综合系统。它集中了传感器技术、信息处理、电子工程、计算机工程、自动化控制工程以及人工智能等多学科的研究成果，代表机电一体化的最高成就，是目前科学技术发展最活跃的领域之一。随着机器人性能不断地完善，移动机器人的应用范围大为扩展，不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在城市安全、国防和空间探测领域等有害与危险场合得到很好的应用。因此，移动机器人技术已经得到世界各国的普遍关注。 移动机器人的研究始于60 年代末期。斯坦福研究院(SRI)的Nils Nilssen 和Charles Rosen 等人，在1966年至1972 年中研发出了取名Shakey的自主移动机器人[1]。目的是研究应用人工智能技术，在复杂环境下机器人系统的自主推理、规划和控制。 根据移动方式来分，可分为：轮式移动机器人、步行移动机器人(单腿式、双腿式和多腿式)、履带式移动机器人、爬行机器人、蠕动式机器人和游动式机器人等类型；按工作环境来分，可分为：室内移动机器人和室外移动机器人；按控制体系结构来分，可分为:功能式(水平式)结构机器人、行为式(垂直式)结构机器人和混合式机器人；按功能和用途来分，可分为:医疗机器人、军用机器人、助残机器人、清洁机器人等； 一种由传感器、遥控操作器和自动控制的移动载体组成的机器人系统。移动机器人具有移动功能，在代替人从事危险、恶劣（如辐射、有毒等）环境下作业和人所不 及的（如宇宙空间、水下等）环境作业方面，比一般机器人有更大的机动性、灵活性。 移动机器人是一种在复杂环境下工作的，具有自行组织、自主运行、自主规划的智能机器人，融合了计算机技术、信息技术、通信技术、微电子技术和机器人技术等。 三、研究意义 路径规划技术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,是对 机器人路径规划 摘要：机器人路径规划是机器人技术的重要分支之一，路径规划技术的研究是研究机器人技术不可或缺的技术之一。本文首先介绍了当前研究人员热衷的ROS 系统是如何进行路径规划的，接着论述了作为群智能算法的蚁群算法应用于机器人的路径规划中。研究表明，可以将蚁群算法和ROS系统结合，进一步的进行机器人的路径规划。 关键词：路径规划，ROS系统，蚁群算法，机器人 1.引言 智能移动机器人技术是机器人技术的重要组成部分，应用前景十分广阔：工业，农业，国防，医疗，以及服务业等[1]。文献提出，未来数年内，中国服务机器人发展将超过传统的工业机器人[2]，机器人路径规划技术是服务机器人研究的核心内容之一[3]。可见，研究机器人的路径规划问题十分必要。 随着机器人领域的快速发展和复杂化，代码的复用性和模块化的需求原来越强烈，而已有的开源机器人系统又不能很好的适应需求。2010年Willow Garage 公司发布了开源机器人操作系统ROS（robot operating system），很快在机器人研究领域展开了学习和使用ROS的热潮。ROS系统是起源于2007年斯坦福大学人工智能实验室的项目与机器人技术公司Willow Garage的个人机器人项目（Personal Robots Program）之间的合作，2008年之后就由Willow Garage来进行推动。ROS的运行架构是一种使用ROS通信模块实现模块间P2P的松耦合的网络连接的处理架构，它执行若干种类型的通讯，包括基于服务的同步RPC（远程过程调用）通讯、基于Topic的异步数据流通讯，还有参数服务器上的数据存储。ROS系统以其独特优点引起了研究人员的兴趣。 近年来，各国学者致力于机器人路径规划的研究且取得了相当丰硕的研究成果。目前已有多种算法用于规划机器人的路径，文献【4】将其主要分为经典方 多机器人路径规划研究方法（一） 张亚鸣雷小宇杨胜跃樊晓平瞿志华贾占朝摘要：在查阅大量文献的基础上对多机器人路径规划的主要研究内容和研究现状进行了分析和总结，讨论了多机器人路径规划方法的评判标准，并阐述了研究遇到的瓶颈问题，展望了多机器人路径规划方法的发展趋势。 关键词：多机器人；路径规划；强化学习；评判准则 e,itexpoundedthebottleneckofthepathplanningresearchfor ， ； 近年来，分布式人工智能（DAI）成为人工智能研究的一个重要分支。DAI 研究大致可以分为DPS （distributedproblemsolving ）和MAS （）两个方面。一些从事机器人学的研究人员受多智能体系统研究的启发，将智能体概念应用于多机器人系统的研究中，将单个机器人视做一个能独立执行特定任务的智能体，并把这种多机器人系统称为多智能体机器人系统（MARS）。因此，本文中多机器人系统等同于多智能体机器人系统。目前，多机器人系统已经成为学术界研究的热点,而路径规划研究又是其核心部分。 机器人路径规划问题可以建模为一个带约束的优化问题，其包括地理环境信息建模、路径规划、定位和避障等任务，它是移动机器人导航与控制的基础。单个移动机器人路径规划研究一直是机器人研究的重点，且已经有许多成果 1~3］，例如在静态环境中常见的有连接图法、可视图法、切线图法、Voronoi 图法、自由空间法、栅格法、拓扑法、链接图法、证据理论建图等；动态环境中常见的有粒子群算法、免疫算法、遗传算法、神经网络、蚁群算法、模拟退火算法、人工势场法等。然而，多机器人路径规划研究比单个机器人路径规划要复杂得多，必须考虑多机器人系统中机器人之间的避碰机制、机器人之间的相互协作机制、通信机制等问题。 1 多机器人路径规划方法单个机器人的路径规划是找出从起始点至终点的一条最短无碰路径。多个机器人的路径规划侧重考虑整个系统的最优路径，如系统的总耗时间最少路径或是系统总路径最短等。从目前国内外的研究来看，在规划多机器人路径时，更多考虑的是多机器人之间的协调和合作式的路径规划。 目前国内外多机器人路径规划研究方法分为传统方法、智能优化方法和其他方法三大类。其中传统方法主要有基于图论的方法（如可视图法、自由空间法、栅格法、Voronoi 图法以及人工势场方法等）；智能优化方法主要有遗传算法、蚁群算法、免疫算法、神经网络、强化学 习等；其他方法主要有动态规划、最优控制算法、模糊控制等。它们中的大部分都是从单个机器人路径规划方法扩展而来的。 1）传统方法多机器人路径规划传统方法的特点主要体现在基于图论的基础 I SSN C N 1 0 - 0 2 - 3 4 9 / 5 6 实验技术与管理 第27卷第12期201年1 2月 1 1 2 0 4 T E x p e r i m e n t a l T e c h n o l o g ya n d Ma n a g e m e n t Vo l .27N o .12D e c .201 基于路径规划的智能机器人控制实验 张佳,陈杰,窦丽华 ( 北京理工大学自动化学院,北京1081) 摘 验教学平台。在此平台上设计并开发了分别适用于本科生及硕士研究生的系列实验 规划、全区域覆盖路径规划以及多机器人队形控制等项实验内容。该实验能够让学生接触到先进的智能机 器人增强学生对自动化专业的学习兴趣提高了学生的动手能力和创新能力。 关键词智能机器人路径规划全区域覆盖队形控制 文献标志码文章编号 要 : 针对自动化专业学生 , 以 P i o n e e r 3 A T 系列的机器人为对象 , 搭建了基于路径规划的智能机器人实 , , 包括基于模型的路径 3 , , : ; ; ; 中图分类号 : T P 2 4 2 3 3 : A : 1 0 0 2 4 9 5 6 ( 2 0 1 0 ) 1 2 0 0 4 4 0 4 I n t e l l i g e n t r o b o t c o n t r o l e x p e r i m e n t s b as e d o n p a t h p l a n n i n g Zha n g J i a , Ch e n J i e , D o uL i hua ( S c h o o l o f A u t o m r a t i za t i o n , B e i e j i n g I n s t i t u t e o f T e c h n o l o g y , B e i j i r n g 1 0 0 0 8 1 r , Ch i n a ) A b s t r a c t : A i e m t i n g a t s t r ud e n n n i T t m o t t t s o f au t o e m a t i za m t e i o n m a j o r i , t h p i s p a p e m r t ak e s r o b n o o t s o r o f P i o n e e n 3 A T S e r i n e e sas o b p j e c t t a n d m c o n s t r u c sa n i x n t e l l i m g e o b o t x p o e r o e i n n t t o e a c h n e g l a t f o r , b as e d o p a t h p l a n t n i g .Bas ud e d e o n t h i s l a f o r b , as e r n i s e o x f p e p t e i e swh i c ha p p i n t d t u n d r p g r adua t i e t s c t ud e n t sa n d g adua e s t e n t s r g s p c t i v e l l ya r o n e d e s t i g n e da d l o e i r e m d. I t t n c l ud e s m d e l b as e d r p a t h p l p a o n n i n g o m p l t e t e c n v e a g e p a t h p t l a n n i n a e d m u l t c i r e b o f t o r m a t i e o n e x n p i e n . h e e x p e r i m t o f f e sa n o r t u n y f o r s ud e t s t w o r kw i hadva n c d i n t t e l i g t r b K o o s . I t n ha c e ss t t ud e n i s i n t e r e s t s t o l e a r n au t o m a t i za t i o n m a j o r . A l s o , s t ud e n t s i n n o va t i o n a b i l i y o u l d e i m p r o v e d b y e t h e e x p e o r e n t p . e y w o r d s : i n t l l i g e n r b t ; a t h p l a n n i n g ; c o m p l e t e c o v e r a g e ; f o r m a t i o n 自动化技术是一门涉及学科较多、应用广泛的综 1 实验平台的搭（智械科技） 合性科学技术。实验教学是自动化专业教学过程中 [1] 非常重要的一环。随着目前机器人技术的不断发展, 本课程选用的机器人是美国先锋(P i o n e r 3A T ) 系列机器人[。该系列机器人是目前世界上最成熟的 4] 机器人控制实验已逐步进入各个高校。机器人教学对 于培养和提高学生的创新精神和动手能力具有极其重 轮式移动机器人研究平台之一。通常科研人员对此系 要的作用[。在自动化专业开设机器人控制实验课 2 ] 列机器人的开发与研究都在控制台程序上运行,但需 要对v M a 机器人技术应用接口a 有较 深的了解因此需要花费大量时间阅读繁多的程序代 熟悉研究环境。由于实验学时有限为了能让学生 在最短的时间内最大程度地掌握机器人的有关知识 首先搭建了一个简单实用的实验平台。该平台的建立 能使学生在最短时间内熟悉各种底层动作在实验课 程中掌握基础理论和系统深入的专门知识。 整个平台系统包括个功能模块用户操作管理 模块、通信模块、控制模块、数据分析处理模块和显示 程, 不仅可以让学生接触到国际先进的机器人们的眼界还可以让学生学习先进的控制方法 些方法运用于机器人的实际控制上 提高学生的创新能力和动手能力 域的继续发展奠定坚实的基础。为此 重点实验室项目中购买了数台机器人 , , 开阔他 并将这 A c t i e d i A r i , , ,扩展他们的思维 , 码, , [ 3 ] , 为将来在控制领 , , 本校在北京市 , 针对自动化专 , 业的教学内容及要求,开设了机器人控制实验,取得了 良好的教学效果。 5 : 收稿日期 : 2 0 0 9 1 2 2 1 修改日期 : 2 0 1 0 0 3 1 5 管理模块。各模块所组成的功能结构如图 们之间通过数据信号和控制信号联系在一起 个统一的整体。在控制模块中为学生的实验操作 1 所示,它 基金项目 : 北京市教育委员会共建重点实验室资助项目 (CSYS ,构成一 1 0 0 0 (7 0417) 作者简介 : 张佳 1 9 8 0 ) , 女 ,北京市人 , 硕士 ,实验师 , 研究方向为机器 [ 5 ] , 人控制、智能控制和图像处理.遗传算法与机器人路径规划
机器人路径规划方法的研究
机器人路径规划
工业机器人路径规划及仿真
机器人路径运行操作步骤
移动机器人路径规划技术综述
机器人路径规划方法的研究进展与趋势
移动机器人路径规划综述
机器人路径动态规划
机器人路径规划
多机器人路径规划研究方法(一)
基于路径规划的智能机器人控制实验
相关主题
文本预览