论文部分内容阅读
机器人路径规划的主要任务是在机器人的运行环境中寻找一条从起点到目标点的无碰路径，使机器人沿着该路径运行至终点时指定的代价最小。本文以研究室XK-Ⅰ型机器人为对象，主要采用模糊神经网络技术针对未知动态环境下的移动机器人路径规划进行研究。
首先，概述了机器人路径规划、模糊神经网络两项技术的国内外研究现状，分析了XK-Ⅰ型机器人的体系结构和任务要求，详述了机器人的运动模型。接着，在给出XK-Ⅰ型移动机器人获取环境信息的方式与原理后，研究分析了移动机器人的路径规划模型。
其次，深入研究了模糊神经网络技术，针对未知动态环境下机器人的路径规划实际，着重提出了一种具有实际意义的避碰隶属函数。同时，着重分析与推导了典型和T-S型两种模糊神经网络结构及附加惯性参数的EBP算法，针对未知环境下的移动机器人路径规划，研究了基于T-S型模糊神经网络的路径规划方法，对环境信息进行了模糊处理，研究了隶属度函数层节点数选取方法，通过对常规EBP算法及其与自适应学习率、附加惯性参数的四种组合算法的仿真实验，对比分析了网络MSE曲线图的变化特征，从而验证了既带自适应学习率又附加惯性参数的改进型EBP算法对提高网络学习速度及增强网络收敛性的有效性。
最后，在matlab2010a平台上进行了移动机器路径规划GUI程序设计，并对无障碍、障碍不多、障碍较多三种情况进行仿真。结果表明，采用T-S模糊神经网络和既带自适应学习率又附加惯性参数的改进型EBP算法能够使移动机器人在未知动态环境下选择一条合理的路径实现安全避障，该方法对环境具有较好的适应性。