基于fpga的六自由度智能移動機器人設(shè)計畢業(yè)論文(文件)
【正文】 六組電機的轉(zhuǎn)速。 算法設(shè)計 傳統(tǒng)路徑規(guī)劃方法 （ 1）自由空間法 （ free space approach） 基于簡化問題的思想 , 采用“結(jié)構(gòu)空間” 來描述機器人及其周圍的環(huán)境。 （ 3）人工勢場法（ artificial potential field） 既是把機器人工作環(huán)境模擬成一種力場。 （ 2）基于神經(jīng)網(wǎng)絡(luò)（ NN）的機器人路徑規(guī)劃 主要是基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)構(gòu)造出來能量函數(shù)，根據(jù)路徑點與障礙物位置的關(guān)系，選取動態(tài)運動方程 ，規(guī)劃出最短路徑。 前面對路徑規(guī)劃的方法做了整體的介紹，下面則要講解的具體的算法：遺傳算法在路徑規(guī)劃中的應(yīng)用。 （ 1）所謂建模是指建立合理的數(shù)學(xué)模型來描述機器人的工作環(huán)境 .本次涉及的機器人工作環(huán)境都是障礙物已知的二維空間。于是 于是整個機器人的運動路徑可以表示為如下的路點矢量集合： 設(shè) Pi 的坐標(biāo)點可以表示為（ xi， yi），那么在算法實現(xiàn)時，路徑就可以以坐標(biāo)點形式儲存。 （ 4） 適應(yīng)度函數(shù) 規(guī)劃出路徑的優(yōu)劣程度要有一個評價的標(biāo)準(zhǔn)。第一項表示路徑的總長度，第二項是障礙物的排斥函數(shù)。其中 γ 為使直線段不與障礙物相交所要移動的? ?nOPOPOPT ???? 21 ,?? ???? ?? 112111)( Ni iNi iK aaTF ????? Mj iji 0????????????????0)2(1 2 soossij ddddd??最短距離， do 為直線段到障礙物的距離，稱 ds 為安全距離 ,當(dāng) do ≥ ds 后 ,算法將不再試圖使路徑進一步遠離障礙物 ,稱該線段和障礙物無排斥。 基本的操作如下圖 所示： 圖 8 多點交叉操作 在圖中，父染色體被隨機四個分割點分為五部分，標(biāo)有箭頭的部分互換。這里給出一個線段的相交函數(shù)： （ 4） 0 表示第 i 段直線與所有的障礙物不相交， 1 表示第 i 段直線與障礙物相 交。對于 2號父個體， 選擇過程恰好相反 ， 選擇 gi 為 1 時對應(yīng)的變化點作為 2 號父個體的第一分割點， 選擇緊隨該點之后使得 gi 為 1 的變化點作為第 2 分割點。 對于給定路徑， 該操作對路徑上的各路點 pi 以一定的概率改變其坐標(biāo)。上面的仿真的群體規(guī)模都是 100，進化 50 次，染色體變異概率 ，權(quán)重系數(shù) a1， a2 分別是 1， 1000。 總結(jié) 本文提出一種基于 FPGA 的六自由度的智能移動機器人，其中采用基于遺傳算法的路徑規(guī)劃最優(yōu)算法。 參考文獻 [1] 王樹國等 .智能機器人的現(xiàn)狀及未來 [J]．機器人技術(shù)與應(yīng)用 ,20xx,8. [2] 宗光華 .機器人的創(chuàng)意設(shè)計與實踐 [M].北京：北京航空航天大學(xué)出版社 ,20xx. [3] Robin 著 ,杜軍平譯 .人工智能機器人學(xué)導(dǎo)論 [M].北京：電子工業(yè)出版社， 20xx. [4] 席裕庚 , 一類動態(tài)不確定環(huán)境下機器人的滾動路徑規(guī)劃 [J].自動化學(xué)報 , 20xx, 28. [5] 諸靜 . 機器人與控制技術(shù) [M]. 杭州： 浙江大學(xué)出版社 , 1991. [6] 霍迎輝 , 張連明 . 一種智能機器人的路徑規(guī)劃算法 [J]. 自動化技術(shù)與應(yīng)用 , 20xx, 22 [7] Erdinc S C. Path planning using potential fields for highly redundant manipulators[J]. Robotics and Autonomous Systems, 20xx, 52(2): 209228. [8] Dennis B, Jeroen H, Renvan M. Realtime motion path generation using subtargets in a rapidly changing Environment[J]. Robotics and Autonomous Systems,20xx, 55(3): 470479. [9] Velagic J, Lacevic B, PerunicicB. New concept of the fast reactive mobile robot navigation using a pruning of relevant obstacles[C]. IEEE Int Symposium on IndustrialElectronics. Dubrovnik, 20xx: 161166. 。這種遺傳算法能使機器人在復(fù)雜的環(huán)境中優(yōu)化出一條合適的路徑。在 3 幅不同的地圖上都達到了 90%以上的算法成功率，并且相對其它算法有明顯提高。而改進型變異算子優(yōu)先選取和障礙物相交的線段的端點進行變異，同時限制變異所得的路點坐標(biāo)在障礙物之外， 并且使變異所得的路點新坐標(biāo)滿足： newiinewi OPOPl ?? ?1? 11 ?? ?? iinewi OPOPl new? （ 7） ? ? ? ? ? ? ? ?iin e win e wi lflflflf ???? ??? ?? 11 通過這樣的約束條件保證了每次變異對路徑優(yōu)化的非負效果。 除此之外還要考慮交叉點數(shù)的選取，前面的交叉操作會使最后的染色體很短，? ? ???? 10ilf? ? ? ?iii lflfg ?? ?1所以后續(xù)的操作要設(shè)定染色體的長度，設(shè)定標(biāo)準(zhǔn)如下。為 1 時第 i+1 點前段直線與障礙物不相交后一段相交， 1 的時候相反，為 0 的時候說明前后段的情況相同。對交叉算子的改進是使為了獲得更低函數(shù)值的適應(yīng)度函數(shù)。 （ 5） 遺傳操作 交叉算子 交叉操作對兩個對象操作，對對象進行隨即分割，然后重組得到兩個新的個體。定義為： （ 3） 共 3 項分別對應(yīng) : ① 直線段與障礙物相交時 。在這個適應(yīng)度函數(shù)中以路徑長度和障礙物作為評價指標(biāo)，并使所求解向指標(biāo)漸小的方向進化。 （ 3） 群體初始化 群體初始化往往是隨即產(chǎn)生的，這里所講的兩種遺傳算法都是隨即生產(chǎn)從出發(fā)點到目標(biāo)點的任意一條可行路徑集合作為初始群體。 如圖所示 圖 （ 2）編碼在機器人的工作環(huán)境圖中可以看到，機器人的運動軌跡由若干直線段構(gòu)成，每段直線段是機器人運動的基本單位。 遺傳算法包括三個基本操作：選擇，交叉和變異。為提高路徑規(guī)劃問題的求解質(zhì)量和求解效率，研究者在其基礎(chǔ)上進行改進。 智能路徑規(guī)劃方法 （ 1）基于模糊邏輯算法（ fuzzy logic algorithm）的機器人路徑規(guī)劃 此方法基于傳感器的實時信息，參考人的的經(jīng)驗，通過查表獲得規(guī)劃信息，實現(xiàn)局部路徑規(guī)劃。 （ 2）圖搜索法 采用預(yù)先定義的幾何形狀構(gòu)造自由空間，并將其表示為連通圖，然后通過搜索連通圖進行路徑規(guī)劃。本設(shè)計采用雙端口RAM，來實現(xiàn) DSP 與 FPGA 之間的并行通訊，其中雙端口 RAM
研究報告相關(guān)推薦
鄂ICP備17016276號-1