基于遗传算法的移动机器人动态路径规划研究概要

32
传感器与微系统(Transducer and Micmsystem Techn010西es2007年第26卷第8期
基于遗传算法的移动机器人动态路径规划研究术
王海英1,蔡向东1,尤波1,张礼勇2
(1.哈尔滨理工大学自动化学院,黑龙江哈尔滨1500舳;
2.哈尔滨理工大学测控技术与通信工程学院,黑龙江哈尔滨15帅40
摘要:针对移动机器人未知、动态环境下路径规划的难题,对移动机器人进行了系统设计,采用动态栅格法对环境建模,在对传统遗传算法进行一定的改进的基础上,个体评价函数采取可行路径适应度函数和不可行路径适应度函数分别进行处理,通过算法设计和仿真可知,采用该方法对移动机器人进行动态路径规划时,与任何障碍物不发生碰撞,路径短而且规划曲线平滑,达到了满意的规划效果和收敛速度。

关键词:移动机器人;遗传算法;路径规划中图分类号:TP24
文献标识码:A
文章编号:l000—9787(200708—0032一03
Research on dynamic path pIanning of mobiIe KeSearCn
0n
dVnamlC
Datn Dlannlng 0I
moblle
robot DaSed 0n genetlC
a120rlt啪
■
』
■
1
』●
■
●』■
羊
WANG
Hai.yin91,CAI Xiang.don91,YOU B01,ZHANG Li—yon92 (1.School
of
Automtion,Harbin
UIlive璐ity
of Science and
Technology,Harbin 150080,Cllina;
2.Sch∞l of
Me嬲ureImnt-C蚰trol Technolo野and CommulIicatio璐En咖eering,Harbin
UIIiversity of Science and TechnoIo盯,Harbin
15∞40,ClIina
Abstr舵t:
Aimed at
the unknown and dynamic environment path
planning problem of the
mobile mbot,mobile
mbot
system is designed,dynamic grid is used
to
make envimnmental
modeling,on出e baSis of the traditional
genetic algorithm de6nite impmvement,individual evalu砒ion function may take feasible path
fitness function aJld
not feasible path fimess function sepamtely.The a190rithm design and simulation indicate that the method is used
to
the
dynamic path
planning
of
mobile
robot,not访th any barrier
c01lision,patIl亳hort and planning
cunre
smoothing,satisfactory results and planning convergence rate are
achieved.
Key words:
mobile robot;genetic algorithm;path plaJlning
O引言
不论是哪种类别的移动机器人,它在进行工作时,往往要求根据某准则,在工作空间中沿着一条最优(或次优的路径行走。

因此,路径规划是移动机器人完成任务的安全保障,同时,也是移动机器人智能化程度的重要标志u,2J。

自20世纪70年代开始研究以来,已相继提出了多种路径
规划的方法。

移动机器人在己知环境下对静态障碍物的避障研究已经趋于较为成熟的阶段,但在未知环境下对动态障碍物的避碰撞研究仍然是移动机器人路径规划的研究热点旧J。

因此,未知环境下的路径规划是目前挑战性最大的
问题。

由于在未知环境下,通过机器人不断对环境的搜索,
未知环境会慢慢地变化成为部分已知,而完全的未知环境
是暂时胜的。

如何利用已知的部分环境信息,结合学习机制,设计一些全程进化算法是有意义的研究工作。

收稿日期:2007—07—18
}基金项目:国家“863”计划资助项目(2003AA404195
本文将传统遗传算法进行改进H J,将其应用于未知、动态环境下移动机器人的路径规划中,可以达到满意的规划效果和收敛速度,说明该遗传算法的环境适应性较强。

1移动机器人系统设计
移动机器人本体的模型可划分为5个子系统,即决策控制子系统、驱动控制子系统、数据采集子系统、通讯子系统和本地人机交互子系统。

这5个子系统中,决策控制子系统是整个机器人运行的核心,5个子系统之间的关系用图1来表示,双向箭头表示系统间的数据流。

外层的4个子系统分别向决策控制子系统发送数据,决策控制子系统汇总来自各方面的信息,在经过对数据分析和处理后,对各子系统进行统一规划、决策、调度和控制。

万方数据
第8期王海英,等:基于遗传箕法的移动机器人动态路径规划瓣究33
圈l移动机器人各予系统之闻的关系
Fig l薹kl矗ti硼ship belwe吼sub帮s融ns of
semi—d懈ision-ma黼ng mobile robot
2动态环境建模
不论采震何秭露兢方式,移凄貔器人都需要完藏路径规划任务。

路径规划是实现移动机器人智能化的一个关键技术,它是指按照某一性能指标搜索一条从起始状态到目标状态的最挠或透叛最德懿戈磁撞薅径。

无论疆器入路径规划属于哪种类别,采用何种规划算法,基本上都要遵}盾以下步骤:
1建立舔境模型,蘩将凌实整赛酶逡题透行捶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。

实现路径觏趔鹈蘸提是对强境送行描述,邸对黪境送行建模。

环境地图的表示是机器人认知的重要内容,对路径规划和控制方法的选择具有决定性的影响。

在结构性环境之下,强境建墅爨有多静表示方式,许多成熬戆技术霹敬使用,然而,在部分已知或完全未知的非结构环境下的地图表示,则没有得到完善的解决。

本文采霜援格法建立移动橇器人兹二缝_王馋空阊环境型,栅格的尺寸与数目大小直接影响着移动机器入环境信息存储是的大小和规划时间的长短,栅格大小以移动机器人能客其痰自由运凌为限,通过毙较障碍物、移动枧器入及工作空阀的大小来确定栅格的尺寸与数目,这样,既便于移动机器人在工作空间中灵活运动,又能尽可能地减少环境信息的存健量,有剃予移动枧器入送行路径规划。

动态障碍物可视为移动的障碍物栅格,有一定的安全范围,即在安全范围之外认为是可以避碰的,安全范围之内视为无法避碰,每个动态障碍物都有一定憋运动孰述,毙如:折线移动或在两结点之间来回振荡,速度为匀速,但不同的障碍物可自定义不同的速度。

移动枧器人通过多个传感爨获得已知静态障碍物的大小与位置,对于动态障碍物,本文采取一种薪的方法,邵动态栅格法来标识,其中,栅格的取值可分4种不同的情况:
1为O,则栅格没有障碍物;
2为某一特定昀值,嬲该穰格为静态障碍物;
3为正值,则袭示运动障碍物到达该栅格的估计时间值;
4为负值,则为有2个或2个以上运动障碍物先后到达该榭裕处{吉计时闼值的叠船。

移动机器人首先通过传感器计算得到运动障碍物的方向和速度,然后,在工作空间中根据动态障碍物的状态,分析到达某一栅格处的估计时间来标识该动态障褥物。

移动枧器人是否与动态障碍锈发生碰撞南移动褫器入虱达该楚栅格的时间是否与栅格值一致来判断。

机器人在运动过程中不断对周嘲环境进行检测,并根据传感器信息对环境地惩实时更薪,以适应舔境的变纯,飘丽掇捂也怒不断更薪的,形成动态栅格环境地图。

随着机器人的不断运动,环境信息不断积累,栅格更新所表示的地图越来越接近于实际障褥耪分布情提。

对予舔境僖患变化跑较谩或静态环境条件下,动态栅格法所建立的环境模型能够很好地实现对环境的描述。

3基于改邋逮传算法的移豢辊器入动态貉径羧潮方法
3.1问题描述
移动机器人运动环境为二维空间,环境中的静态障碍物已是,动态瘴褥耪可以探溅。

嚣拣是要在静态环境耪具有少量动态障碍物出现或运动的环境里进行路径规划,要求该路径满足以下条件:
1与任掰障孬霉物不发生磋撞;
2路径尽可能短,运行时间尽可能少;
3应与障碍物保持一定的安全距离;
4路径麴线尽霹麓乎渗。

3一算法设计
1编码
染色{搴凌路径中点懿彦残来携成,其中,第一个点瑟秀机器人的起始位置坐标,最后一个点为目标位置坐标,则一条可行的路径序列中任意相邻的2个点连成的线段不与任何障碍物发生磁撞。

个体表示移动机器人在其工作空间中的一条运动路径,移动机器人由起始位置沿图中曲线所示路径运动到终点位置即为一个个体。

2初始种群的生成
本文采用在移动机器人运动起点到终点之间,用一系捌随枧选择与自壶连续豹搬穆序号连接起点秘终点作为一条无障碍路径,构造n个节点构成的路径作为一个染色体,采用此方法可以减少初始种群产生的困难和盲目性。

s个体评价函数
对路径优劣程度的评估定义为遗传算法中染色体的适应值,由于染色体既可以是可行路径,也可以魁不可行路径,因此,本文采用可行路径适应度溺数和不可行路径适应度函数分别进行处理∞‘。

4遗传算子
根据路径规划问题的实际情况,本文使熙了4种遗传搽作算子:选择、交叉、变异、平滑。

5终止条件
遗传算法的终止采瘸最大进化代数和设定收敛条件的复合准黧。

当遗传算法满足设定的收敛翔断条{牛时,遗传算法终止;若进化代数到了仍然没有满足设定的收敛判断
万方数据
34传感器与微系统
条件,遗传算法也终止。

将判断算法收敛的条件设为:若连续进化5代,最优解均未发生变化,且种群的平均适应值提高不足l%,或算法进化代数已达到了设定的最大值。

遗传算法的路径规划流程如图2所示。

图2路径规划流程图
Fig2Flow chan Of path pl粕ning
3.3算法仿真
设置栅格为10×lO,障碍物数目为5,其中,移动障碍物数目为l,交叉概率只=o.6,变异概率P。

=o.ol,种群规模gen=20,进化代数Ⅳ=20,其仿真结果如图3和图4所示。

图3路径规划曲线图
F逗3Curve diagmm of patlI pla衄ing
19.8
19.6
瑙
19・4
倒19.2
制
’一19.0
188
18.6
第26卷
O2468lO1214161820
进化代数
图4进化代数与适应度曲线图
Fig4Curve diagram of generations and行tne酷function
4结论
采用本文的遗传算法在动态、未知环境下能够达到满意的规划效果和收敛速度,说明该遗传算法的环境适应性较强。

参考文献:
[1]zavl粕gas P c,Tzafestas s G.Industrial robot navigation and ob—
stacle avoidance employing fuz2y logic[J].Joumal of Intelligent
and Robotic systems,2000,27(1—2:85—97.
[2]Ydjn S,Temeltas H.A novel appmach to smooth trajectory plan-
ni“g of a mobilc robot f c]∥7th Intema“onal workshop on Ad—
vanced Motion Contml.2002:472—477.
[3]Li T H s,chiang M s,Jian s s.mntio”planni”g ff an autlnomous
mobile robot by integrating gas and fuz2y lo西c control[c]∥The
NInth lEEE Intematlonal Conference on Fuzzy Systems.San,Te—xas,2000:933—936.
[4]孙树栋,林茂.基于遗传算法的多移动机器人协调路径规
划[J].自动化学报,2000,26(5:672—676.
[5]工强,姚进,工进戈.基于遗传算法的移动机器人的一种
路径规划方法[J]哈尔滨工业大学学报,2004,36(7:867—
870.
作者简介:
王海英(1969一,女,I JI东寿光人,博土,副教授,主要研究方向为智能机器人。

(上接第31页巾的应用[J].地质通报,2003,22(7:536—539.
3结论[4]丁伟.地震勘探检波器的理论与应用[M].西安:陕西技术通过理论分析和现场试验得出:该检波器在敏感性、动出版社,2006:60一77-
态范围等方面都优于传统地震检波器,但由于国内压电晶[5]易碧金・穆群英・地震压电检波器及其测试仪原理与测试方
体加工工艺的飘检波器的一致陛不够弧但它黻展[6]蓑譬:巢豢瓣j萎:凳豪舭力传心陂眭为地震勘探提供优良的新型检波器打下了实基础。

振动特性研究[J].仪器仪表学报,2006,27(12:1670一参考文献:
1673.
[1]高华.地球物理勘探中新型地震检波器的研究[D]・天津:[7j王雪文,张志勇传感器原理及应用[M]北京:北京航空航
天津大学,2004:3—7.大大学出版社,2004:30一45.
[2]
[3]罗兰兵.陆地地震检波器应用研究[D].长春:吉林大学,
2004:5—20.
姜枚,王有学,宿和平.宽频地震方法技术在地震探测工作
作者简介:
刘丌虎(1970一,男,陕西合阳人,硕十,讲师,丰要从事测试
计量技术及仪器力面的研究。

万方数据
基于遗传算法的移动机器人动态路径规划研究
作者:王海英, 蔡向东, 尤波, 张礼勇, WANG Hai-ying, CAI Xiang-dong, YOU Bo,
ZHANG Li-yong
作者单位:王海英,蔡向东,尤波,WANG Hai-ying,CAI Xiang-dong,YOU Bo(哈尔滨理工大学,自动化学院,黑龙江,哈尔滨,150080, 张礼勇,ZHANG Li-yong(哈尔滨理工大学,测控技术与通信工程
学院,黑龙江,哈尔滨,150040
刊名:
传感器与微系统
英文刊名:TRANSDUCER AND MICROSYSTEM TECHNOLOGIES
年,卷(期:2007,26(8
被引用次数:3次
参考文献(5条
1.Zavlangas P G.Tzafestas S G Industrial robot navigation and obstacle avoidance employing fuzzy logic 2000(1-2
2.Ydin S.Temeltas H A novel approach to smooth trajectory planning of a mobile robot 2002
3.Li T H S.Chiang M S.Jian S S motion planning of an autonomous mobile robot by integrating gas and fuzzy logic control 2000
4.孙树栋.林茂基于遗传算法的多移动机器人协调路径规划[期刊论文]-自动化学报 2000(05
5.王强.姚进.王进戈基于遗传算法的移动机器人的一种路径规划方法[期刊论文]-哈尔滨工业大学学报 2004(07相似文献(10条
1.学位论文姜明洋基于遗传算法的移动机器人路径规划方法的研究2007
智能移动机器人是指无需人工干预,可以自主完成行驶任务的车辆。

路径规划是机器人技术研究领域中的核心问题,它的任务就是在具有障碍物的环境中,寻求一条从已知起点到已知终点的具有最低代价的无碰路径。

遗传算法是建立在自然选择和群体遗传学基础上的随机、迭代和进化过程,是路径规划研究领域中的一种十分有效的算法。

本文首先从理论上讨论了移动机器人路径规划的方法,在对各种路径规划方法进行优缺点比较后,选择遗传算法来解决移动机器人的路径规划问题。

然后,通过对遗传算法的深入研究,针对静态和动态环境中的机器人路径规划问题,本文提出了基于遗传算法的解决方案。

在遗传算子的设计中,加入了平滑、插入和删除算子来补充基本算子的不足,同时采用变异率和交叉率的自适应调整方法对遗传算法进行优化。

通过加入新的算子和自适应调整方法可以使得算法更加完善,解决进化过程中因陷入局部极小值而不能到达目标点的问题。

最后,在三种复杂程度不同的静态环境下,进行仿真实验并对仿真结果进行分析,讨论了不同的适应度参数对路径规划结果的影响,同时进行了动态路径规划的仿真。

通过与其它方法的比较可以发现,相同环境下,在搜索时间上基于遗传算法的路径规划方法比Dijkstra算法至少节约5%的时间;在路径长度以及平滑度方面,基于遗传算法的路径规划方法要优于人工势场算法。

通过本文的研究及实验结果证明,遗传算法能够很好的解决动态和静态环境下移动机器人的路径规划问题。

2.期刊论文崔建军.魏娟.刘坤.CUI Jian-jun.WEI Juan.LIU Kun基于遗传算法移动机器人的路径规划研究-煤矿机械2009,30(9
路径规划是移动机器人研究中的一个重要内容,它在移动机器人导航中起着不可缺少而又重要的作用.提出一种采用遗传算法对移动机器人进行路径规划的方法,使用栅格法建立移动机器人的工作环境模型,采用路径中的序号进行编码,通过选择适当的遗传算子,最后得到移动机器人工作环境的最优或次最优无碰路径.
3.学位论文杜宗宗基于遗传算法的移动机器人路径规划研究2009
移动机器人是机器人领域的一个重要发展方向,而路径规划是移动机器人系统中的一个重要内容,因为它的好坏直接影响到机器人所完成任务的质量,所以路径规划成为移动机器人领域的一个研究热点。

本文中的移动机器人路径规划包含两方面的内容:避障路径规划和TSP路径规划问题。

避障路径规划是指依据某个或某些优化准则,在其工作空间中找到一条从起始点到目标点能避开所有障碍物的一条最优路径。

TSP路径规划问题是指已知几个城市之间的相互距离,现有一个推销员必须遍访这几个城市
,并且每个城市只能访问一次,最后又必须返回出发城市,如何安排他对这些城市的访问次序,使其旅行路线总长度最短。

本文首先讨论了路径规划技术的发展现状以及应用方法,也指出了本课题的研究意义和主要研究的内容。

其次通过对遗传算法和模拟退火算法的研究,分析了各自的优缺点。

并把这两个算法结合构成了遗传模拟退火算法,它兼备了很强的全局和局部搜索能力,在变量数目较大时尤其突出。

把遗传模拟退火算法运用到避障路径规划当中,并采用新型的初始种群生成算法,仿真结果表明这种算法使移动机器人避障路径规划提高了收敛速度,达到了较好的规划效果。

最后研究了运用遗传算法求解TSP路径规划问题,对基本遗传算法的求解TSP 路径规划问题进行了改进。

为了解决群体的多样性和收敛速度的矛盾,本文采用了依概率近邻法来生成初始种群,这种初始种群生成方法较近邻算法略差,但个体多样性水平优于近邻算法。

为了在遗传算法的整体运行过程中保持种群多样性、提高收敛速度,本文将相似性、群体分级等概念引入到遗传算法中,将等级较高的个体采用启发交叉算法进行交叉,并采取杰出者记录与“父子混合”选择策略来保证算法的全局收敛性,仿真结果证明了改进算法的有效性。

4.会议论文吕恬生.仲欣无线遥控移动机器人遗传算法路径规划实验1997
针对一类受非完整约束的移动机器人路径规划问题,提出了一种基于遗传算法的移动机器人路径规划新方法。

利用一个经过改装的无线遥控汽车模型进行了移动机器人路径规划实验。

实验结果表明该方法是正确和可行的。

5.学位论文罗扬基于粒子群算法和遗传算法结合的移动机器人路径规划研究2009
智能移动机器人是机器人研究领域的一个重要分支,也是机器人学的重要研究对象。

路径规划是机器人学研究中一个重要课题,也是移动机器人系统开发的重要环节之一。

本文研究的是移动机器人路径规划问题。

本文介绍了移动机器人路径规划的基本概念,研究内容。

从全局和局部两方面介绍了几种传统的移动机器人路径规划方法。

同时介绍了粒子群优化算法和遗传算法的主要思想、基本原理和主要步骤。

本文在总结已有路径规划和群体智能研究成果的基础上,选择粒子群算法和遗传算法来解决移动机器人的路径规划问题。

以自由空间法建立环境模型,得到全局静态环境的自由连接图。

在此基础上用粒子群算法和遗传算法对所得初始路径进行优化,并讨论了遗传算法进化到不同代数时采用粒子群算法进行优化的结果。

文中还针对使用Dijkstra算法以及几种算法混合所得的结果进行对比。

分析了初始路径的选择对于最终解的影响。

文章的最后,对全文开展的工作进行了总结,提出了下一步的研究方向。

6.期刊论文谢慕君.余光伟.XIE Mu Jun.YU Guang Wei基于遗传算法的AS-R移动机器人路径规划研究-微型机与
应用2010,29(4
将遗传算法应用于机器人的全局路径规划,并在AS-R移动机器人上进行了实验研究.首先用栅格法对机器人的工作环境进行划分,得到机器人的环境模型;其次采用遗传算法进行路径搜索,并引入多种遗传算子,增强了算法的实用性.在AS-R机器人上采用VC开发,并在5×5的栅格环境中进行路径规划研究.实验结果表明,遗传算法结合栅格环境对移动机器人进行路径规划,具有简单且通用的效果,所得的折线路径也更适合于机器人进行轨迹跟踪.
7.学位论文刘航移动机器人智能路径规划方法研究2004
移动机器人是能够在道路和野外连续自主运动的智能机器人,是一种集环境感知、动态决策与规划、行为控制与执行等多项功能于一体的高智能化机器系统.移动机器人导航是移动机器人研究的重要方向,而路径规划是移动机器人导航的最基本环节之一.该论文主要研究了移动机器人在静态和动态环境下的智能路径规划问题,利用国内外在粗糙集理论和遗传算法相结合方面的最新研究成果,将其应用到移动机器人的路径规划中,并进行了大量的仿真实验,实验结果证明了采用粗糙集和遗传算法相结合的方法应用到机器人的路径规划中是可行的.第一章介绍了移动机器人路径规划的研究背景及国内外同类课题的研究现状,并列举了移动机器人路径规划的常用方法,最后展望了移动机器人路径规划的发展趋势.第二章介绍了遗传算法的基本概念、算法和应用领域,并使用遗传算法求解函数的极大值.第三章介绍了粗糙集的概念及属性约简的方法和粗糙集的应用领域.粗糙集理论是一种较新的软计算方法,可以有效地分析和处理不完备信息.该论文采用粗糙集进行约简决策规则,以提高决策的速度.研究了基于粗糙集和遗传算法相结合的机器人路径规划方法.第四章研究了移动机器人在静态环境下的路径规划问题.首先采用栅格法建立机器人的工作空间模型,然后采用粗糙集来生成初始路径,这样既能够保证路径是可行的,又能够缩短决策的时间,最后采用遗传算法来优化路径.通过一般遗传算法和微种群遗传算法的对比研究,证明了采用粗糙集和微种群遗传算法相结合的方法用于机器人的路径规划是有效的和可行的.第五章研究了移动机器人在动态环境下的路径规划问题.由于动态环境要求机器人的决策速度快,因此在栅格法建模基础之上,提出了改进的建模方法.因为机器人的工作环境会随时变化,所以采用两种工作模式:静态工作模
式和动态工作模式.当环境不变化时,执行静态模式的工作程序;当环境改变时,执行
动态模式的工作程序.在不同的障碍物个数、分布和不同的环境变化率下的仿真结果证明了此方法是可行的.第六章对全文进行了总结,指出论文的不足之处,并对今后的研究工作进行展望.
8.期刊论文贺锋.秦晓丽.方勇纯.HE Feng.QIN Xiao-Li.FANG Yong-Chun一种基于遗传算法的移动机器人自定位
方法-模式识别与人工智能2009,22(1
针对移动机器人定位研究中的位姿跟踪、全局定位和"绑架"三类问题,提出一
种基于遗传算法的移动机器人自定位方法.设计基于位置相似度的种群适应度计算方法,利用实值编码方式实现种群的交叉、变异,有效提高算法的实时性.针对机器人定位过程中的"绑架"现象,在常规遗传算法的基础上引人种群发散算子,减小种群匮乏效应.在此基础上,利用机器人运动模型更新种群状态实现机器人的连续定位.在实际室内环境进行机器人定位实验,证实本文算法的有效性.
9.学位论文朴松昊智能移动机器人路径规划研究2004
该文在国家自然科学基金项目"基于多智能体协调的机器人系统控制"的资助下,以提高移动机器人路径规划的实时性、智能性和鲁棒性为目的,对移动机器人路径规划问题进行了深入系统的研究.主要包括如下几个方面:对传统遗传算法进行了改进,提出了自适应群体规模设定法和精英线性排序选择法.对群体规模进行了研究,研究结果表明进化初期应使群体规模较大,而在进化后期应使群体规模较小.排序法不利用个体适应值绝对值的信息,可以避免群体进化过程的适应值标度变换,易于控制进化过程中的选择压力.而最佳保留选择法是群体收敛到优化问题最优解的一种基本保障.通过将排序法与最佳保留选择法相结合的方法来取代传统的选择方法,有效地增强了遗传算法的进化过程.在群体规模和选择方法的研究基础之上,还考虑了其它遗传操作算子的设计等问题.函数优化实验证明,改进遗传算法有效地提高了传统遗传算法的性能.将遗传算法应用于移动机器人全局路径规划.为了提高通用性,对链接图建模法进行了扩展,使其能够应用于凹形环境,并对路径染色体进行双点交叉,通。