【摘要】 研究了智慧型機械人路徑規劃演算法的研究現狀, 指出各種演算法的優缺點, 提出建立嵌入式智慧型機械人路徑規劃平台, 實現了基於嵌入式實時系統的智慧型機械人路徑規劃演算法。
【關鍵詞】 嵌入式技術; 路徑規劃; 智慧型機械人
0 引言
路徑規劃技術是機械人控制技術研究中的乙個重要問題, 嵌入式實時系統具有功耗低、體積小、整合度高等無可比擬的優勢, 可以滿足系統實時性的同時
簡化控制軟體的開發。機械人的發展經歷了乙個從低階到高階的發展過程。當前機械人的發展進入智慧型機械人階段, 機械人通過各種感測器獲取環境資訊, 利用人工智慧進行識別、理解、推理並做出判斷和決策來完成一定的任務。
這就要求智慧型機械人除了具有感知環境和簡單的適應環境能力外, 還具有較強的識別理解功能和決策規劃功能。
1 智慧型機械人的路徑規劃技術研究
智慧型機械人路徑規劃是指在有障礙物的工作環境中, 如何尋找一條從給定起點到終點適當的運動路徑, 使機械人在運動過程中能安全、無碰地繞過所有障礙物。隨著計算機、感測器及控制技術的發展, 特別是各種新演算法不斷湧現, 智慧型機械人路徑規劃技術已經取得了豐碩研究成果。特別是周圍環境已知的全域性路徑規劃, 其理論研究已比較完善, 目前比較活躍的領域是研究在環境未知情況下的區域性規劃。
從研究成果看, 有以下趨勢:
(1) 智慧型化的演算法將會不斷湧現。模糊控制、神經網路、遺傳演算法以及它們的相互結合也是研究熱點之一。
(2) 多智慧型機械人系統的路徑規劃。隨著智慧型機械人工作環境複雜度和任務的加重, 對其要求不再侷限於單台智慧型機械人, 在動態環境中多智慧型機械人的合作與單個機械人路徑規劃要很好地統一。
(3) 多感測器資訊融合用於路徑規劃。單感測器難以保證輸入資訊準確與可靠。多感測器所獲得資訊具有冗餘性、互補性、實時性和低代價性, 且可以快速並行分析現場環境。
(4) 基於功能/行為的智慧型機械人路徑規劃。基於模型自頂向下的感知- 建模- 規劃- 動作是一種典型慎思結構, 稱為基於功能的控制體系結構。基於行為的方法是一種自底向上的構建系統方法, 並在與環境互動作用中最終達到目標。
基於功能/行為的機械人控制結構融合了兩者優點, 這是研究的新動向之一。機械人路徑規劃問題可以建模為乙個有約束的優化問題, 完成路徑規劃、定位和避障等任務。。前者是指作業環境的全部資訊已知, 主要包括構型空間法、拓撲法、柵格解耦法、自由空間法、神經網路法等; 後者是指作業環境資訊全部未知或部分未知, 主要包括人工勢場法、模糊邏輯控制法、混合法、滾動視窗法等。
智慧型機械人路徑規劃存在以下特點:
①複雜性: 在複雜環境中, 機械人路徑規劃非常複雜, 且需要很大的計算量。
②隨機性: 複雜環境的變化往往存在很多隨機性和不確定因素。
③多約束: 機械人的形狀、速度和加速度等對機械人的運動存在約束。
2 全域性路徑規劃演算法研究
2.1 構型空間法
構型空間法的基本思想是將機械人縮小為乙個點, 根據機械人形狀和尺寸將障礙物進行拓展。其中研究較成熟的有: 可檢視法和優化演算法。
2.1.1 可檢視法
可檢視法中的路徑圖由捕捉到的存在於機械人一維網路曲線(稱為路徑圖) 自由空間中的節點組成 。路徑的初始狀態和目標狀態同路徑圖中的點相對應, 這樣路徑規劃問題就演變為在這些點間搜尋路徑的問題。要求機械人和障礙物各頂點之間、目標點和障礙物各頂點之間以及各障礙物頂點與頂點之間的連線均不能穿越障礙物, 即直線是「可視的」, 然後採用某種方法搜尋從起始點到目標點的最優路徑, 搜尋最優路徑的問題就轉化為從起始點到目標點經過這些可視直線的最短距離問題。
該法能夠求得最短路徑, 但假設忽略智慧型機械人的尺寸大小, 使得機械人通過障礙物頂點時離障礙物太近甚至接觸, 並且搜尋時間長。
2.1.2 優化演算法
此法可刪除一些不必要的連線以簡化可檢視、縮短搜尋時間, 能夠求得最短路徑。但假設機械人的尺寸大小忽略不計, 會使機械人通過障礙物頂點時離障
礙物太近甚至接觸, 並且搜尋時間長。另外的缺點就是此法缺乏靈活性, 即一旦機械人的起點和目標點發生改變, 就要重新構造可檢視, 比較麻煩。這類演算法
包括dijkstra演算法、a3演算法等。
2.1.2 拓撲法
拓撲法將規劃空間分割成具有拓撲特徵子空間,根據彼此連通性建立拓撲網路, 在網路上尋找起始點到目標點的拓撲路徑, 最終由拓撲路徑求出幾何路徑。拓撲法基本思想是降維法, 即將在高維幾何空間中求路徑的問題轉化為低維拓撲空間中判別連通性的問題。優點在於利用拓撲特徵大大縮小了搜尋空間。
演算法複雜性僅依賴於障礙物數目, 理論上是完備的。而且拓撲法通常不需要機械人的準確位置, 對於位置誤差也就有了更好的魯棒性; 缺點是建立拓撲網路的過程相當複雜, 特別在增加障礙物時如何有效地修正已經存在的拓撲網是有待解決的問題。
2.1.3 柵格解耦法
柵格解耦法是目前研究最廣泛的路徑規劃方法。該方法將機械人的工作空間解耦為多個簡單的區域, 一般稱為柵格。由這些柵格構成了乙個連通圖, 在這個連通圖上搜尋一條從起始柵格到目標柵格的路徑, 這條路徑是用柵格的序號來表示的。
整個圖被分割成多個較大的矩形, 每個矩形之間都是連續的。如果大矩形內部包含障礙物或者邊界, 則又被分割成4個小矩形, 對所有稍大的柵格都進行這種劃分, 然後在劃分的最後界限內形成的小柵格間重複執行程式, 直到達到解的界限為止。該法以柵格為單位記錄環境資訊, 環境被量化成具有一定解析度的柵格, 柵格的大小直接影響著環境資訊儲存量的大小和規劃時間的長短, 柵格劃分大了, 環境資訊儲存量小, 規劃時間短, 解析度下降; 柵格劃分小了, 環境解析度高。
2.1.4 自由空間法
自由空間法採用預先定義的如廣義錐形和凸多邊形等基本形狀構造自由空間, 並將自由空間表示為連通圖, 通過搜尋連通圖來進行路徑規劃[ 11 ]。自由空間的構造方法是: 從障礙物的乙個頂點開始, 依次作其它頂點的鏈結線, 刪除不必要的鏈結線, 使得鏈結線與障礙物邊界所圍成的每乙個自由空間都是面積最大的凸多邊形; 連線各鏈結線的中點形成的網路圖即為機械人可自由柵格法運動的路線。
其優點是比較靈活, 起始點和目標點的改變不會造成連通圖的重構,缺點是複雜程度與障礙物的多少成正比, 且有時無法獲得最短路徑。
2.1.5 神經網路法
人工神經網路是由大量神經元相互連線而形成的自適應非線性動態系統, 對於大範圍的工作環境, 在滿足精度要求的情況下, 用神經網路來表示環境則可以取得較好的效果。神經網路在全域性路徑規劃的應用, 將障礙約束轉化為乙個懲罰函式, 從而使乙個約束優化問題轉化為乙個無約束最優化問題, 然後以神經網路來描述碰撞懲罰函式, 進行全域性路徑規劃。雖然神經網路在路徑規劃中有學習能力強等優點, 但整體應用卻不是非常成功, 主要原因是智慧型機械人所遇到的環境是千變萬化的、隨機的, 並且很難以數學的公式來描述。
3 區域性路徑規劃演算法研究
3.1.1 人工勢場法
人工勢場法是由khatib提出的一種虛擬力法。其基本思想是將智慧型機械人在環境中的運動視為一種虛擬人工受力場中的運動。把智慧型機械人在環境中的運動視為一種在抽象的人造受力場中的運動, 目標點對智慧型機械人產生引力, 障礙物對智慧型機械人產生斥力, 最後通過求合力來控制智慧型機械人的運動。
該法結構簡單, 便於低層的實時控制, 在實時避障和平滑的軌跡控制方面, 得到了廣泛應用, 其不足在於存在區域性最優解, 容易產生死鎖現象, 因而可能使智慧型機械人在到達目標點之前就停留在區域性最優點。
3.1.2 模糊邏輯控制演算法
模糊方法不需要建立完整的環境模型, 不需要進行複雜的計算和推理, 尤其對感測器資訊的精度要求不高, 對機械人周圍環境和機械人的位姿資訊具有不確定性、不敏感的特點, 能使機械人的行為體現出很好的一致性、穩定性和連續性, 能比較圓滿地解決一些規劃問題, 對處理未知環境下的規劃問題顯示出很大優越性, 對於解決用通常的定量方法來說是很複雜的問題或當外界只能提供定性近似的、不確定資訊資料時非常有效。但模糊規則往往是人們通過經驗預先制定的, 所以存在著無法學習、靈活性差的缺點。
3.1.3 遺傳演算法
遺傳演算法是一種借鑑生物界自然選擇和進化機制發展起來的高度並行、隨機、自適應搜尋演算法, 它採用群體搜尋技術, 通過選擇、交叉和變異等一系列遺傳操作, 使種群得以進化。避免了困難的理論推導,直接獲得問題的最優解。其基本思想是:
將路徑個體表達為路徑中一系列中途點, 並轉換為二進位制串。首先初始化路徑群體, 然後進行遺傳操作, 如選擇、交叉、複製、變異。經過若干代進化以後, 停止進化, 輸出當前最優個體。
遺傳演算法存在運算時間長, 實現路徑的**規劃困難, 而且在機械人的路徑規劃問題中應用時, 存在著個體編碼不合理、效率低、進化效果不明顯等問題。
3.1.4 混合法
混合法是一種用於半自主智慧型機械人路徑規劃的模糊神經網路方法。所謂半自主智慧型機械人就是具有在人類示教基礎上增加了學習功能的器件的機械人。這種方法採用模糊描述來完成機械人行為編碼,同時重複使用神經網路自適應技術。
由機械人上的感測器提供區域性的環境輸入, 由內部模糊神經網路進行環境**, 進而可以在未知環境下規劃機械人路徑。此外, 也有人提出基於模糊神經網路和遺傳演算法的機械人自適應控制方法。將規劃過程分為離線學習和**學習兩部分。
該方法是一種混合的機械人自適應控制方法, 可以自適應調整機械人的行走路線, 達到避障和路徑最短的雙重優化。
3.1.5 滾動視窗法
滾動視窗借鑑了**控制滾動優化原理, 把控制論中優化和反饋兩種基本機制合理地融為一體, 使得整個控制既基於模型與優化的, 又是基於反饋的。基於滾動視窗的路徑規劃演算法的基本思路: 首先進行場景**, 在滾動的每一步, 機械人根據其探測到的區域性視窗範圍內的環境資訊, 用啟發式方法生成區域性子目標, 並對動態障礙物的運動進行**, 判斷機械人行進是否可能與動態障礙物相碰撞。
其次機械人根據視窗內的環境資訊及**結果, 選擇區域性規劃演算法, 確定向子目標行進的區域性路徑, 並依所規劃的區域性路徑行進一步, 視窗相應向前滾動。然後在新的滾動視窗產生後, 根據感測器所獲取的最新資訊, 對視窗內的環境及障礙物運動狀況進行更新。該方法放棄了對全域性最有目標的過於理想的要求, 利用機械人實時測得的區域性環境資訊, 以滾動方式進行**規劃,具有良好的避碰能力。
但存在著規劃的路徑是否最優的問題, 即存在區域性極值問題。
遺傳演算法焊接機械人路徑規劃研究
摘要 本文針對汽車焊接機械人路徑規劃不合理的問題，採用遺傳演算法對焊接機械人二維路徑規劃問題進行了求解，最終找出了一條最短的焊接路徑，實現了減少機械人焊接工位的作業時間。1 汽車白車身焊接現狀 汽車白車身在裝焊過程中需要焊接4000 5000個焊點，面對如此多的焊點如何規劃好焊接機械人的焊接路徑成為...
嵌入式技術在智慧型家居控制系統中的應用
摘要近幾年來，隨著人們生活質量的不斷改善和生活節奏的加速，人們的工作和生活日益呈現資訊化發展模式。資訊化時代的到來改變了人們的生活方式和工作習慣，智慧型家居成為一種必然的消費需求，受到越來越廣泛的重視。如何將家庭中的各種家用電器和家庭安保裝置通過人們便於攜帶的電腦和手機進行遠端控制和管理，已成為國際...
任務書 自主機械人路徑規劃演算法研究與實現
中南大學 本科生畢業 設計 任務書及成績評定表 本科生院制 中南大學 畢業 設計 任務書 畢業 設計 題目 自主機械人路徑規劃演算法研究與實現題目型別應用研究題目 教師科研 畢業 設計 時間從 2012.2.20 至 2011.6.15 1.畢業 設計 內容要求 1 題目型別 1 理論研究 2 應用...