毕业论文网
该文是关于神经网络论文范文，为你的论文写作提供相关论文资料参考。
基于模糊神经网络和粒子群优化算法的机器人路径规划
摘 要：有评估标准规定,机器人的最优路径规划就是当其在具有障碍物的环境中移动时,能够自动寻找到从初始状态到目标状态的一条无碰撞路径.在本次研究中,首先利用网格法建立了周围环境的数学模型,随后提出一种模糊神经网络的避障策略,通过模糊神经网络搜索可行节点来实现避障功能.采用改进的粒子群优化算法对模糊神经网络的参数进行优化,避免因参数选择不当导致系统不稳定的问题.最后通过MATLAB仿真,证明了该研究实现了机器人躲避障碍物的成本与路径的成本最小.
关键词：机器人；最优路径规划；模糊神经网络；粒子群优化
一、前言
机器人的路径规划便是在特定的工作环境中,从起点到终点之间建立一条无碰撞路径.根据机器人的移动特点,因为神经网络容错性强且自学习能力强,我们选择神经网络来进行路径规划.而模糊控制具有逻辑推理的能力,在处理结构化知识方面更为适用.结合神经网络和模糊控制各自的优点,将神经网络的自学习能力和模糊控制的模糊推理能力融合起来,提出了一种基于模糊神经网络的机器人路径规划控制算法.
二、问题描述
2.1 移动机器人工作区的建模方法.
利用网格法建立环境数学模型,首先将移动机器人的工作环境划分为M×N 个正方形,并形成连接起点与终点的网络图.障碍模型建立在网络图上,然后可以搜索节点周围是否有障碍物来规划路径[1].网络图中的每个节点到达需要由具有加权有向边的相邻节点连接而成的相邻节点,因此该算法的数据结构是一个与八个相邻节点相连接的网络结构.
2.2 路径规划性能的选择.
在机器人的移动过程中,会自动根据优化指标来选择最优的路径.将式（1）作为代价函数来用作路线的优化指标,根据最短路径和最小可检测路径加权方法计算最优化指标.
三、模糊神经网络控制器
为了实现移动机器人在未知环境中的独立行走并且寻找最优路径,需要实时采集环境信息,并采用有效的控制算法实现路径规划. 本次研究中机器人路径规划控制模型如图1 所示.
四、仿真结果
本文描述的方法使用MATLAB 仿真测试. 网络训练有200组数据. 基于改进粒子群算法的基本模糊神经网络和模糊神经网络的误差曲线如图3 和图4 所示.
从图4 和图5 可以看出,基本模糊神经网络训练的误差在80 次以后最小,误差在0.1235 左右稳定[6]. 基于改进粒子群算法的模糊神经网络训练误差约为60 次,误差约为0.1168. 相比之下,基于改进粒子群算法的模糊神经网络收敛速度更快,优化过程中的误差要小于基于模糊神经网络的误差.
在障碍物是分散状态的情况下,移动机器人处于追赶状态,并朝目标点进行线性移动. 当障碍物处于集中状态时,移动机器人进入避障模式,通过模糊神经网络开始搜索可行节点,并找到总成本最低的节点作为下一个目标节点. 如图5 所示,移动机器人的轨迹不是最短的. 在图中,还有其他的轨迹比规划的路径短. 然而,障碍成本和路径规划的路径成本之和最小,也就是说,当使用该模糊神经网络进行路径规划时,所获得的路径曲线不一定是最短或最安全的,但总体表现指数很小.
五、结语
本文在以网格为基础的空间环境模型中,提出了机器人的路径规划性能指标,然后根据移动机器人路径规划问题的总体设计,提出了模糊神经网络控制方法,该方法结合了模糊控制和神经网络. 改进的粒子群算法用于调整模糊神经网络的参数,以更好地实现移动机器人的路径规划. 最后用MATLAB 进行仿真加以分析, 仿真结果表明该算法能够实现机器人在未知环境下的路径规划,可以加以应用.
神经网络论文范文结:
关于对写作神经网络论文范文与课题研究的大学硕士、相关本科毕业论文神经网络论文开题报告范文和相关文献综述及职称论文参考文献资料下载有帮助。
2、网络安全论文
3、网络营销论文
5、网络营销相关论文
6、网络论文