神经网络在移动机器人路径规划中的应用研究

移动机器人路径规划可分为两种类型：(1)全局路径规划；(2)局部路径规划。本文分析了Kohonen神经网络算法及其识别机理，提出了Kohonen神经网络和BP神经网络结合起来进行路径规划的方法，最后给出了具体的算法，探讨了在神经网络技术中引入学习机制的特点。随着智能控制理论与方法的迅速发展，智能方法在移动机器人路径规划中得到了广泛应用。目前主要存在的智能导航算法主要有模糊算法、神经网络算法、模糊神经网络、遗传算法和进化神经网络等。根据机器人对环境信息掌握的程度,  可分为两种类型:  (1)全局路径规划:  指根据先验环境模型找出从起始点到目标点的可行或最优路径,  环境信息大多是静止障碍;  (2)  局部路径规划:工作环境是未知和部分未知,  障碍物的尺寸、形状和位置等信息必须通过传感器获得,  再实时做出决策。本文借鉴人脑从粗分到细分的思想,  将无师学习的自组织神经网络和有师学习的多层前馈神经网络相结合,  在二维的环境中对机器人进行全局路径规划和局部路径规划。首先分析了Kohonen  神经网络算法及其识别机理,对机器人所处环境进行识别作出全局规划，再利用在线得到的局部环境信息,  在尽可能短的时间内，避开出现的未知障碍物。避碰规划也就是局部规划，它是感知空间到行动空间的一种映射。映射关系可以用不同的方法来实现，这里采用有师学习的BP  算法。实验表明,  采用该方法进行路径规划后，在机器人路径的合理性、执行任务的准确性和工作效率等方面得到了大幅度的改善,  同时也在很大程度上降低了能量损耗。