动态环境下基于实际隶属函数的移动机器人路径规划

被引：4

作者：

熊开封 ^{[1
]}

张华 ^{[2
]}

机构：

[1] 西南科技大学国家级综合性工程训练中心

[2] 西南科技大学信息工程学院

来源：

科技通报 | 2015年 / 09期

关键词：

T-S型模糊神经网络; 局部路径规划; 实际隶属函数; matlab仿真; 优化;

D O I：

10.13774/j.cnki.kjtb.2015.09.039

中图分类号：

TP242 [机器人];

学科分类号：

1111 ;

摘要：

为优化模糊神经网络的实时性、学习速度、收敛性、稳定性,在移动机器人局部路径规划中构建了基于实际隶属函数T-S(Takagi-Sugeno)模型的改进型模糊神经网络。对外部环境信息用多传感器(超声波、摄像头)采集并优化,将机器人横纵坐标及行进方向作为输入、机器人下一步行进方向及速度作为输出,以便机器人实现局部路径规划;结合动态环境下机器人路径规划的实际,综合考虑二维直角坐标体系下机器人、障碍物的位置、速度及运动方向等实时信息,推导出一种新的具有实际含义的隶属函数作为避碰隶属函数,并通过对比隐含层节点数对网络相对误差的影响来确定隶属函数层节点数,构建五层T-S型模糊神经网络;在此基础上应用改进型误差反传学习算法,通过matlab模拟实验仿真验证及对比分析,表明了改进型网络在优化网络实时性、学习速度、收敛性、稳定性方面有良好的性能。

引用

页码：168 / 173

页数：6

共 12 条

[1] A Multilayer Recurrent Fuzzy Neural Network for Accurate Dynamic System Modeling [J].

柳贺 ;

黄道 .

JournalofDonghuaUniversity(EnglishEdition), 2008, 25 (04) :373-378

[2]

Fuzzy-Neuro based Navigational Strategy for Mobile Robot. Shubhasri Kundu,Dayal R Parhi,B.B.V.L Deepak. InternationalJournalofScientific&Engineering Research . 2012

[3] 基于T-S型模糊神经网络的轮式机器人避障方法研究 [J].

李会来 ;

李小民 ;

苏立军 .

计算机测量与控制, 2011, 19 (01) :173-175

[4] 基于偏差补偿的T-S模糊神经网络 [J].

张颖 .

江南大学学报(自然科学版), 2010, 9 (04) :481-484

[5] 移动机器人复杂路径规划优化方法研究 [J].

张德惠 ;

王利辉 .

制造业自动化, 2012, 34 (09) :98-101

[6] 基于自适应模糊神经网络的机器人路径规划方法 [J].

钱夔 ;

宋爱国 ;

章华涛 ;

熊鹏文 .

东南大学学报(自然科学版), 2012, 42 (04) :637-642

[7] 基于模糊神经网络算法的智能轮椅沿墙走行为研究 [J].

蒲兴成 ;

曾凡海 .

计算机工程与设计, 2012, 33 (08) :3200-3204

[8]

Application of RRT-based local Path Planning Algorithm in Unknown Environment. Y. Tian,C. Lee. IEEE International Symposium on Computational Intelligence in Robotics and Automation . 2007

[9] 基于实际函数的机器人模糊神经网络路径规划 [J].

张寒松 ;

贾瑞清 .

矿山机械, 2010, 38 (14) :44-48

[10] 动态环境下移动机器人路径跟踪与避障 [J].

王仲民 ;

刘开绪 .

控制工程, 2010, 17 (03) :397-400

← 1 2 →