基于实际函数的机器人模糊神经网络路径规划

介绍了一种机器人在不确定环境下,通过探障传感器,在探测过程中避障并最终达到目标的在线路径规划方法。它把所探障碍物当作运动物考虑,使该路径规划对于静止和运动障碍物都能恰当处理。引入有实际物理意义的模糊隶属函数来计算避碰隶属度,采用模糊神经网络来实现模糊控制法则,以避免模糊规则的死点从而完成避碰路径规划。采用有实际物理意义的误差函数对神经网络的权值进行调整,再通过避碰路径和寻的路径的融合使机器人最终避开障碍物而达到目标。仿真试验验证了该方法的有效性和实用性。