基于模糊神经网络的煤矿救援机器人路径规划研究

发布时间：2024-04-03 04:12

　　针对煤矿灾后的非结构化环境,提出了一种基于模糊神经网络的救援机器人全局路径规划算法,同时采用BP反向传播学习算法对网络进行训练,有效提高了在线精度和神经网络的学习速度。Matlab仿真证明,该算法效率高、收敛速度快,能实现救援机器人连续、快速地避开静态或动态障碍物。

【文章页数】：3 页

【部分图文】：

图2超声波传感器和红外传感器布局

图1煤矿救援机器人移动机构S1～S5为超声波传感器,安装在机器人车体外沿边上;S6～S10为红外传感器,安装在机器人内部距车体外沿5cm的位置。此安装布局使红外测距传感器的盲区恰好在机器人的内部,而其量程覆盖超声波传感器的盲区[2]。

图3环境模型

先确定煤矿救援机器人运动的区域范围,并由环境信息构建地图模型[3]。根据起点(记为S)和目标点(记为T)的位置,建立一个XOY全局坐标系。在坐标系中,假设救援机器人在起点S和目标点T之间存在有限个静态障碍物,(x0,y0)为救援机器人起点S的坐标,(xT,yT)为目标点T的坐标。....

图4模糊神经网络结构

第2层为隶属函数层,6个输入变量模糊化后共有13个子集,即13个节点,每个节点代表一个语言变量值。F表示障碍物距离远,N表示障碍物距离近,L表示目标在救援机器人左侧,Z表示目标在救援机器人前方,R表示目标在救援机器人右侧。障碍物距离的隶属函数采用类Z型函数,方向角θ的隶属函数采用....

图5避障模拟图

利用Matlab＿R2016a采用快速BP反向传播学习算法对模糊神经网络进行仿真训练,取200个样本,学习速率设定为0.01,将训练好的模糊神经网络用于避障实验。实验中设置救援机器人路径优化区域为20×20,起点S(0,0),终点T(20,20),黑色区域表示障碍物,线条表示机器....

本文编号：3946699