模糊神經(jīng)網(wǎng)絡(luò)及其在機器人路徑規(guī)劃中的應(yīng)用研究.pdf

1、機器人路徑規(guī)劃的主要任務(wù)是在機器人的運行環(huán)境中尋找一條從起點到目標(biāo)點的無碰路徑，使機器人沿著該路徑運行至終點時指定的代價最小。本文以研究室XK-Ⅰ型機器人為對象，主要采用模糊神經(jīng)網(wǎng)絡(luò)技術(shù)針對未知動態(tài)環(huán)境下的移動機器人路徑規(guī)劃進行研究。
　　 首先，概述了機器人路徑規(guī)劃、模糊神經(jīng)網(wǎng)絡(luò)兩項技術(shù)的國內(nèi)外研究現(xiàn)狀，分析了XK-Ⅰ型機器人的體系結(jié)構(gòu)和任務(wù)要求，詳述了機器人的運動模型。接著，在給出XK-Ⅰ型移動機器人獲取環(huán)境信息的方式與原理

2、后，研究分析了移動機器人的路徑規(guī)劃模型。
　　 其次，深入研究了模糊神經(jīng)網(wǎng)絡(luò)技術(shù)，針對未知動態(tài)環(huán)境下機器人的路徑規(guī)劃實際，著重提出了一種具有實際意義的避碰隸屬函數(shù)。同時，著重分析與推導(dǎo)了典型和T-S型兩種模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及附加慣性參數(shù)的EBP算法，針對未知環(huán)境下的移動機器人路徑規(guī)劃，研究了基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的路徑規(guī)劃方法，對環(huán)境信息進行了模糊處理，研究了隸屬度函數(shù)層節(jié)點數(shù)選取方法，通過對常規(guī)EBP算法及其與自適應(yīng)學(xué)習(xí)率、附

3、加慣性參數(shù)的四種組合算法的仿真實驗，對比分析了網(wǎng)絡(luò)MSE曲線圖的變化特征，從而驗證了既帶自適應(yīng)學(xué)習(xí)率又附加慣性參數(shù)的改進型EBP算法對提高網(wǎng)絡(luò)學(xué)習(xí)速度及增強網(wǎng)絡(luò)收斂性的有效性。
　　 最后，在matlab2010a平臺上進行了移動機器路徑規(guī)劃GUI程序設(shè)計，并對無障礙、障礙不多、障礙較多三種情況進行仿真。結(jié)果表明，采用T-S模糊神經(jīng)網(wǎng)絡(luò)和既帶自適應(yīng)學(xué)習(xí)率又附加慣性參數(shù)的改進型EBP算法能夠使移動機器人在未知動態(tài)環(huán)境下選擇一條合理