基于粗糙集理論的移動機器人自主導航研究.pdf

1、移動機器人自主導航理論與技術一直是國內外學者的研究熱點問題。通過全面了解和分析國內外移動機器人導航的發(fā)展歷程與研究現(xiàn)狀，總結了移動機器人自主導航課題中客觀存在的不確定性、導航過程的自主性和導航知識的可學習性三個基本特征。為此引入了在不確定性知識獲取領域具有獨特優(yōu)勢的粗糙集理論，以涉及的動態(tài)結構化環(huán)境為背景基礎，建立一個移動機器人基本實驗系統(tǒng)，研究自主導航中環(huán)境感知、行為決策、知識學習及多機器人協(xié)作等方面的相關策略與實現(xiàn)算法。具體包括如下

2、幾個方面的內容：
　　首先，研究建立了基于粗糙集理論的導航框架模型。分析了粗糙集中近似算子和屬性約簡等基本理論，設計了基于知識的機器人導航軟件體系結構，研究了實現(xiàn)該結構涉及的粗糙集理論中基本算法，確定了基于所建立的模型實現(xiàn)導航需要解決的初始導航知識獲取途徑、導航知識的完善算法及實驗系統(tǒng)建立等基本問題。
　　其次，具體研究了基于粗糙集理論框架的自主導航知識獲取方法。一方面分析了動態(tài)自主知識獲取問題中的決策表動態(tài)約簡問題，確定了

3、在獲得基本最小規(guī)則集后動態(tài)增加或減少規(guī)則的算法。另一方面針對基于粗糙集理論實現(xiàn)機器人導航難于獲取初始數(shù)據(jù)源的問題，提出了一種基于有限狀態(tài)粗糙集策略獲得粗糙集原始信息表的方法。該方法提取有限狀態(tài)機中的格局轉換關系，形成粗糙集決策信息系統(tǒng)中的規(guī)則樣例，采用屬性約簡與規(guī)則提取算法獲得導航知識。并針對動態(tài)多目標環(huán)境下移動機器人視覺導航問題，研究了有限狀態(tài)粗糙集方法的實現(xiàn)過程，進行了可行性和有效性實驗。
　　第三，研究了提高機器人環(huán)境感知能

4、力的有關問題。設計了一種移動機器人感知信息獲取模型，研究開發(fā)了雙目異構視覺系統(tǒng)(TIVS：Two Iso-Vision System)，分析了TIVS的局部定位模型、雙目信息融合方法，重點研究了基于TIVS的Monte Carlo定位算法，以解決機器人在運動過程中同時觀測較大視野范圍內多個動態(tài)目標的問題。
　　第四，討論了基于 TIVS系統(tǒng)的雙輪差速移動機器人實現(xiàn)導航的具體問題。設計了導航行為分層實現(xiàn)策略，確定了機器人行為實現(xiàn)的兩

5、種基本控制方法，并深入研究了基于有限狀態(tài)粗糙集方法的最小避障規(guī)則集的獲取和基于導航決策表的一種導航協(xié)作實現(xiàn)方法，設計了角色狀態(tài)值參量，研究了分布式環(huán)境下動態(tài)計算決策向量協(xié)作屬性值問題，有效實現(xiàn)了基于知識的導航協(xié)作。
　　最后，介紹了所開發(fā)的自主導航實驗系統(tǒng)ANES。對ANES的總體結構、硬件系統(tǒng)和軟件系統(tǒng)進行了優(yōu)化設計，開發(fā)了用于機器人足球比賽和導航實驗的實際機器人系統(tǒng)，基于粗糙集理論算法建立了導航知識庫。通過實驗和多次參賽實踐不