基于人工神經(jīng)網(wǎng)絡(luò)實現(xiàn)智能機器人的避障軌跡控制摘 要:利用人工神經(jīng)網(wǎng)絡(luò)中的二級 BP網(wǎng)。模擬智能機器人的兩控制參數(shù)(左 、右輪速)間的函數(shù)關(guān)系。實現(xiàn)避
障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調(diào)整橢圓長、短軸大小。能實現(xiàn)多個及多層障礙物的避障控制.該方法
的突出特點是方法簡單、算法容易實現(xiàn) 。使機器人完成多個及多層避障動作時。不滯后于動態(tài)環(huán)境里其它機器人(障
礙物)位置的變化.在仿真實驗中。取得了理想的效果.
關(guān)鍵詞;BP神經(jīng)網(wǎng)絡(luò)I多個及多層避障控制I橢圓軌跡1 弓I言(Introduction)
在機器人中,避障軌跡的生成是一個重要的問
題.對于不確定的動態(tài)環(huán)境下的實時避障軌跡生成,
是較為困難的.有關(guān)這方面的研究,目前已有許多方
法.一些神經(jīng)網(wǎng)絡(luò)模型被設(shè)計出來,產(chǎn)生實時的軌跡
生成.文獻113[23提供的神經(jīng)網(wǎng)絡(luò)模型產(chǎn)生的軌跡
生成僅能處理在靜態(tài)環(huán)境下及假設(shè)空間中沒有障礙
物的情況.[3]提供的神經(jīng)網(wǎng)絡(luò)模型,能為智能機器
人產(chǎn)生導(dǎo)航的避障軌跡,然而模型在計算上相當(dāng)復(fù)
雜.文獻[43提供了Hopfield神經(jīng)網(wǎng)絡(luò)模型,能在動
態(tài)環(huán)境下產(chǎn)生時實的避障軌跡生成,并在文獻[5]
中,嚴(yán)格證明了因該方法生成的軌跡沒有遭受局部
極小點逃離問題.并且文獻[63用兩個神經(jīng)網(wǎng)絡(luò)層疊
加起來,每層構(gòu)造相似于[43中的網(wǎng)絡(luò)結(jié)構(gòu).它是利
用第二層網(wǎng)絡(luò)來發(fā)現(xiàn)下一個機器人位置的無監(jiān)督模
型,然而它卻加倍了計算量,盡管文獻[4,6]提供的
方法能在動態(tài)環(huán)境下,產(chǎn)生時實避障軌跡,但都具有
較慢的運動速度,在快速變化的環(huán)境下不能恰當(dāng)?shù)?
完成動作執(zhí)行,因為機器人要比較好地完成避障動
作,必須不能滯后于障礙物動作變化
標(biāo)簽:
神經(jīng)網(wǎng)絡(luò)
智能機器人
上傳時間:
2022-02-12
上傳用戶:得之我幸78