1、武修利技*學機器人原理與應用論文題目：機器人路徑規劃方法綜述學 院：信息科學與工程學院專 業：控制科學與工程班級：研132班學號：201304703039學生姓名：張榮日期：二。一四年五月機器一摘要:路徑規劃技術是機器人控制技術研究中的一個重要問題，目前的研究主要 分為全局規劃方法和局部規劃方法兩大類。全局規劃方法主要是以基于構形空 間的幾何法和拓撲法為主；而局部規劃方法主要是以基于直角坐標空間的人工 勢場法為主。通過對機器人路徑規劃方法研究現狀的分析，指出了各種方法的 優點及不足，并對其發展方向進行了展望。關鍵詞:機器人；路徑規劃；人工勢場；組合曲線；全局規劃；局部規劃1引言路徑規劃在自主移

2、動機器人導航中起著重要作用，是指在有障礙物的環境 中規劃一條從機器人的起始位置到目標位置的路徑。移動機器人的路徑規劃是 機器人智能控制應用中的一項重要技術，是移動機器人導航技術中不可缺少的 重要組成部分，路徑規劃是移動機器人完成任務的安全保障，同時也是移動 機器人智能化程度的重要標志。機器人路徑規劃的研究起始于20世紀70年代，目前對這一問題的研究仍然 十分活躍，國內外學者作了大量工作，提出了很多種路徑規劃的方法。比較 經典的方法有可視圖法、切線圖法、Voronoi圖法、人工勢場法、極坐標直方 圖法、矢量場法、基于碰撞傳感器的沿墻走法等。近十幾年來，一些智能的方 法如模糊邏輯算法、神經網絡、遺

3、傳算法等也用于路徑規劃。路徑規劃可分為: (1)全局路徑規劃：環境信息完全已知，根據環境地圖按照一定的算法搜尋一條 最優或者近似最優的無碰撞路徑，規劃路徑的精確程度取決于獲取環境信息的 準確程度；(2)局部路徑規劃：環境信息完全未知或部分未知，根據傳感器的信 息來不斷地更新其內部的環境信息，從而確定出機器人在地圖中的當前位置及 周圍局部范圍內的障礙物分布情況，并在此基礎上，規劃出一條從當前點到某 一子目標點的最優路徑。2整體方法分析多項式類型和三角函數類型的軌跡規劃曲線是機器人系統常用的最基本， 最普遍曲線。但是隨著生產技術的發展，對機器運動特性的要求不斷提高，對 于軌跡規劃曲線的要求也就越來

4、越嚴格。機器人系統在一些場合下，對其軌跡 規劃曲線不僅要求高階導數連續，同時也要求具有良好的綜合特性指標。單一 型的軌跡規劃曲線已經不能滿足要求。因此，這就需要綜合幾種不同軌跡規劃 曲線的特點，設計出一種具有良好綜合特性的軌跡規劃曲線，以便發揚各自的 優點和克服其缺點。通過幾種不同函數組合在一起而設計出的軌跡規劃曲線， 就是組合型的軌跡規劃曲線。組合型的軌跡規劃曲線是由分段函數組成的。在 各段函數的連接點處，需要建立臨界條件，以便保證各分段函數在臨界點處具 有相同的位移、速度、加速度。3路徑規劃3.1全局路徑規劃3.1.1柵格分解法柵格分解法是目前廣泛研究的路徑規劃方法之一。是由W.E.Hov

5、cden在 1968年提出的。柵格法將機器人的工作空間分解成一系列具有二值信息的網格 單元，多數情況下采用四叉樹或八叉樹來表示，通過啟發式優化算法搜索安全 路徑。在柵格法中，柵格大小的選取將直接影響算法的性能。柵格選的小，環 境的分辨率就高，在密集障礙物或狹窄通道中發現路徑的能力強，但環境信息 的儲存量大，規劃時間長，降低了系統的實時性；柵格選的大了，環境信息儲 存量小，決策速度快，抗干擾能力強，但環境的分辨率低，在相應環境中發現 路徑的能力變差。柵格法用柵格記錄規劃空間信息，其一致性和規范性使得空 間中鄰接關系簡單化，在賦予環境中每個柵格一個通行因子后，路徑規劃問題 就變成尋求兩個柵格間最優

6、路徑問題。3.1.2拓撲法拓撲法是由清華大學研究者提出的一種路徑規劃算法。其基本思想是先將 規劃空間分為自由空間、半自由空間和障礙空間的子空間，然后搜索每個子空 間及與其相連的子空間，計算彼此之間的連通性，如此則建立了拓撲網絡。路 徑規劃是在拓撲網絡上搜索從起始點到目標點的最短的路徑，從而大大減小了 高維空間路徑規劃的難度。用拓撲法進行路徑規劃，一般不需要移動機器人的 準確位置，這對于機器人移動過程中產生的位姿誤差有很好的包容能力，但建 立拓撲網略的過程非常復雜，特別是當空間中障礙物發生改變時，拓撲網的重 構問題有待解決。3.1.3罰函數法在機器人運行環境中因為有障礙物，使得機器人的路徑規劃成

7、為一個有約 束的問題，懲罰函數法將這個有約束的問題轉化為一系列無約束極小化問題， 再通過解決這些無約束問題獲得原約束問題的最優解4。3.2局部路徑規劃3.2.1人工勢場法人工勢場法最早由Khatib提出，該方法的基本思想是構造目標位置引力 場和障礙物周圍斥力場共同作用的人工勢場，搜索勢函數的下降方向來尋找無 碰路徑。具體方法是首先在機器人的運動空間中創建一個勢場。該勢場有引力 場和斥力場兩部分組成，引力場方向指向目標點，斥力場方向指向遠離障礙物 方向。整個勢場勢其引力部分和斥力部分的疊加，機器人就沿著合成的勢場力 方向運動，繞開障礙物，向目標點運動。該法結構簡單，便于低層的實時控制， 在實時避

8、障和平滑的軌跡控制方面，得到了廣泛應用。但是，由于勢場法把所 有信息壓縮為單個合力，這樣就存在把有關障礙物分布的有價值的信息拋棄的 缺陷，且易陷入局部最小值。為解決局部極小值問題，已經研究出一些改進 算法，如Sato提出的Laplace勢場法，改進算法是通過數學上合理定義勢場方 程來保證勢場中不存在局部極值；還有一種改進就是當機器人陷入擺動狀態 后，讓機器人沿著斥力的法向量方向運動的沿墻走方法。3.2.2遺傳算法遺傳算法是一種借鑒生物界自然選擇和進化機制發展起來的高度并行、隨 機、自適應搜索算法。它采用群體搜索技術，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，

9、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，并轉換為二進制串， 首先初始化路徑群體，然后進行遺傳操作，如選擇、交叉、復制、變異，經過 若干代進化以后，停止進化，輸出當前最優個體。遺傳算法存在運算時間長、 路徑在線規劃困難、進化效果不明顯等問題。孫樹棟等人用遺傳算法完成了離散空間下機器人的路徑規劃，并獲得了較好 的仿真結果。但是，該路徑規劃是基于確定環境模型的，即工作空間中的障礙物 位置是已知的、確定的。在遺傳算法的改進上，周明等人提出一種遺傳模擬退火算法,利用遺傳算法 與模擬退火算法相結合來解決機器人路徑規劃問題。有效地提高了路徑規劃的 計算速度，保證了路徑規劃的

10、質量。3.2.3模擬退火算法模擬退火算法依據固體退火原理，固體在加溫時，內部粒子運動隨溫升增 強，變為無序狀，再進行退火，粒子運動減弱并漸趨有序，最后達到穩定。把 機器人在未知環境中的運動看作是粒子的布朗運動，可以對其隨機性的擾動應 用模擬退火算法來引導機器人向勢能最小的方向運動，從而實現機器人在線的 路徑規劃。3.2.4蟻群算法蟻群算法是20世紀90年代意大利學者MDorigo， VManiezzo， Acolorni從 生物進化的機制中受到啟發，通過模擬自然界中螞蟻搜索路徑的行為而提出的。 其原理可表述為：螞蟻在覓食途中會留下一種外激素，螞蟻利用外激素與其他 螞蟻進行交流和合作。經過某條路

11、徑的螞蟻越多，外激素的強度就會越大，而 螞蟻擇路偏向選擇外激素強度大的路徑。蟻群算法是一種新型的無啟發式優化 算法，具有較強的發現路徑的能力。蟻群算法可使規劃出的路徑具有較強的魯 棒性，它是一種基于種群的分布式進化算法，具有并行性，易與其他啟發式算 法結合，從而改善算法的性能，但蟻群算法的研究剛剛起步，沒有系統的分析 方法和堅實的數學基礎，參數的選擇多靠試驗和經驗，計算時間長，實時性差， 有待進一步的研究。3.3混合路徑規劃方法混合路徑規劃方法是結合一種或兩種算法的優點，相互之間取長補短，以 提高規劃效率的方法。L.II.Tsoukalas等京人提出一種用于半自主移動機器人 路徑規劃的模糊神經

12、網絡方法。所謂半自主移動機器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器人。這種方法采用模糊描述來完成機器人行 為編碼，同時重復使用神經網絡自適應技術。由機器人上的傳感器提供局部的環 境輸入，由內部模糊神經網絡進行環境預測，進而可以在未知環境下規劃機器人 路徑。4機器人路徑規劃的發展趨勢4.1性能指標上不斷提高許多路徑規劃方法在完全已知環境中能得到令人滿意的結果，但在未知環 境特別是存在各種不規則障礙的復雜環境中，由于環境信息的時刻變化，對機 器人的實時性提出了更高的要求，所以如何快速有效地完成機器人在復雜環境 中的導航任務仍將是今后研究的主要方向之一。4.2多移動機器人系統的路徑規

13、劃隨著機器人系統應用的不斷擴大，工作環境復雜度和任務的加重，對其要 求不再局限于單個機器人，多移動機器人路徑規劃已成為新的研究熱點。在動 態環境中單個機器人的路徑規劃與多機器人的合作需要很好統一。此領域的難 點在于多機器人之間的協調和避碰前進，因此，在協調多機器人更好實現實時 規劃方面，還有很大的研究空間。4.3多傳感器信息融合用于路徑規劃單傳感器難以保證輸入信息準確與可靠，多傳感器所獲得的信息具有冗余 性、互補性、實時性和低代價性，且可以快速并行分析現場環境。4.4更加智能化的仿生算法智能仿生算法的應用，賦予了機器人一定的智能，但對于含有動態障礙物 的復雜環境顯得不夠，特別是在有效地避免機器

14、人陷入局部最優路徑方面。如 何使機器人及時地知道自己已經陷入局部最優，甚至提前預知將陷入局部最優 而采取措施加以避免，需要賦予機器人更多智能。5總結機器人的全局路徑規劃和局部路徑規劃并沒有本質上的區別，很多方法既 適用于全局規劃又可用于局部規劃。無論采用哪種方法進行路徑規劃，基本上 都要遵循以下兩步：（1）環境建模；（2）搜索路徑。移動機器人的路徑規劃方法在完全已知環境中能得到令人滿意的結果，但 在未知環境特別是存在各種不規則障礙物的復雜環境中，卻很可能失去效用11 所以如何快速有效地完成移動機器人在復雜環境中的導航任務仍將是今后研究 的主要方向之一。另外，隨著空間探測和無人戰爭的發展需要，機

15、器人的研究也越來越注重 于在崎嶇地形和存在大量障礙物的復雜環境中自主導航，為了滿足這種要求， 路徑規劃技術將會向著高維自由度機器人、多機器人協調、動態未知環境中的 規劃發展，這些都有待于進一步深入的探索和研究。參考文獻：1 A. Martinez, E. Tunstel, M. Jamshidi. Collision avoidance of mobile robots using fuzzy logic, Robotics and Manufacturing, 1994,7(4):193-198吳濤.移動機器人避障與路徑規劃研究.華中科技大學碩士論文.2010:12-18R. Huq, G.

16、 K. I. Mann, R. G. Gosine. Mobile robot navigation using motor schema and fuzzy context dependent behavior modulation, Applied Soft Computing, 2008,8(1): 422-436張澤建，吳玉香.一種基于罰函數的機器人路徑規劃方法.計算機測量與控 制，2006.(01)： 104-106.O. Khatib. Real-time obstacle avoidance for manipulators and mobile robots,Internati

17、onal Journal of Robotics Research,1986,5(1):90-98張建英，趙志萍，劉暾.基于人工勢場法的機器人路徑規劃J.哈爾濱工業大 學學報，2006 (8).林丹，李敏強,冠紀淞.基于遺傳算法求解約束優化問題的一種算法.軟件學報,2001,12(4):628-632竺志超，李志祥.引緯機構的遺傳算法優化設計.紡織學報,2002,23(3):34-35張美玉，黃翰，郝志峰，楊曉偉.基于蟻群算法的機器人路徑規劃.計算機 工程與應用.2005, 25, (6)： 50-54.TsoukalasL.II,Houstis EN,Jones GV.Neurofuzzy motion planners f