1、1毕业设计开题报告电气工程与自动化基于免疫遗传的机器人路径规划一、选题的背景与意义机器人是一个集环境感知、动态决策与规划、行为控制与执行等多功能于一体的的综合复杂系统。它集中了计算机工程、机械工程、人工智能、控制论以及仿生学等多学科的科研成果，代表着机电一体化的最高成就，同样也是20世纪自动控制最具有说服力的成就，是当代最高意义上的自动化。自从1959年，机器人之父约瑟夫恩格尔伯格推出第一款机器人以来，出现了各种各样的机器人，机器人性能也不断的在完善，它们在农业、工业、航天以及空间探测等许多领域发挥着非常重要的作用。先进机器人技术的发展代表着一个国家的综合科技实力和水平，目前许多发达国家，甚至
2、一些发展中国家都已将机器人技术列为二十一世纪高新技术发展计划。移动机器人是一种具有自规划、自组织和自适应能力并能够在复杂环境下正常完成所要求工作的机器人。导航技术是反映移动式机器人自主能力的关键问题之一，也是其实现真正智能化和完全自主移动的关键技术。实质上我们可将导航问题描述为这样三个问题“我现在在哪里”、“我要去哪里”以及“应该用什么方法去我想去的地方”。而这三个问题可由两级规划完成，即局部规划和全局规划。其中第一个和第三个问题，即机器人目标制导和路径跟踪问题，可由局部规划解决。第二个问题，即将全局大任务分解成局部子任务，通过不断完成这些子任务最终达到全局目标的问题，可由全局规划完成。全局规
3、划一般是建立在已知环境信息的基础上，适应范围相当有限；局部规划能适应于不确定环境的情况，但其对规划系统的品质要求较高并且具有有时反应不及时的缺点。通过上述描述可知，机器人路径规划是机器人导航技术中不可或缺的重要组成部分，它要求机器人根据给予的指令及周围环境信息在满足某个或某些性能指标（如距离、时间、能量、工作代价等）条件下，自主选定一条从起始点到达任务目标点的无碰障最优或次路径。它是移动机器人完成任务的安全保障。传统的路径规划方法在解决机器人路径规划问题时缺乏自适应性和鲁棒性，计算量大且复杂，很难得到最优路径。遗传算法由于其并行随机搜索的特点，在解决路径规划问题时有2独特的优势，取得了一定的成
4、果。但其仍存在缺乏指导性，易产生无效路径，收敛速度慢，易早熟等问题，无法有效保证路径规划的计算效率。为了进一步提高遗传算法在路径规划中的搜索精度和收敛速度，应用基于免疫遗传算法的路径规划方法去解决已有成果的缺陷，同时亦尝试对一般免疫遗传算法进行适当的改进，以期能够在路径规划中得到好的效果二、研究的基本内容与拟解决的主要问题（一）研究的基本内容1、查找文献数据，了解机器人路径规划传统方法，并了解遗传免疫算法；2、用MATLAB完成遗传免疫算法对典型多峰测试函数的搜索；3、用遗传免疫算法完成机器人在栅格环境下的搜索；4、对搜索策略进行分析评价。5、要求能在文献阅读的查找基础上完成基本的遗传免疫算法
5、的编程，建立栅格环境，用遗传免疫算法进行搜索，达到预期的规定要求。（二）要解决的关建问题1、用栅格法建立环境模型。2、在遗传的基础上建立MATLAB函数，并对多峰测试函数进行验证。3、设置障碍物，并确定适应度函数模型。三、研究的方法与技术路线到目前为止，机器人的发展仍处于初始阶段，但是机器人路径规划的方法已经层出不穷了。根据规划体对环境信息的认知程度，机器人路径规划方法可分为基于已知环境模型的全局路径规划和基于传感器信息的局部路径规划。对于环境已知条件下的离线全局规划方法，已取得大量结果。下面将主要研究全局路径规划。移动机器人运动环境模型的建立环境建模是机器人路径规划的重要环节，目的是为了建立
6、一个便于进行路径规划使用的环境模型。合理的环境模型要求是便于计算机存储、处理、更新和使用。当然在实际应用中，这些要求有可能会有冲突。移动机器人的工作环境一般可简化成二维模型，用地图来表示环境的信息情况。关于环境地图的创建，有三个基本问题需要解决如何表示环境地图；如何获取环境信息；如何实时更新地图。目前地图创建的方法很多，大致可以分为栅格法、特征法和拓扑法这三类。特征法建立的模型虽然易于用计算描述和表示，但其需要特征提取的办法处理过程，对3传感器噪声非常敏感，只适于高度的结构化的环境。拓扑法在前面我们就说过，当障碍物增加时，实时更新及其困难。而栅格法建立的模型以为计算机存储、操作、显示与维护，并
7、且易于扩充、修改，直观性强，特别是易与遥感影像的联合处理。鉴于此，本人将使用栅格法建立环境地图。在使用栅格法创建地图时，需要做以下几个假设1机器人的运动是在二维空间中；2用尺寸相同的栅格对工作环境进行划分。若栅格包含有障碍物，则称为障碍栅格，并用数字“1”标示；否则，称之为自由栅格，并用数字“0”标示；3由于环境是静态的，所以机器人在运动过程中障碍物的大小和位置都是不变的。在大多数文献中，对栅格进行标识时要么使用直角坐标法，要么使用序号法。而此处，将会使用两者结合一起来标识。因为相比坐标法，序号法占有的内存很少，便于在遗传操作中使用。另一方面，直角坐标法在描述栅格之间的相对位置，计算路径长度及
8、检验路径可行性方面有着巨大的优势。下面给出直接坐标法和序号法转换关系12/XNNYNN（1）上式中，X和Y分别表示指定栅格的横坐标和纵坐标，N表示该栅格的序号，1N和2N分别指横坐标和纵坐标的栅格数。建模后的1010机器人工作环境如下图所示。4全局路径规划全局路径规划的作业环境信息是完全已知的，故又称为静态路径规划，其主要包括环境建模和路径搜索策略两个子问题。典型的全局路径规划方法有栅格法、拓扑法、可视图法、概率路径图法、广度优先搜索方法等。栅格法栅格法是当前研究最广泛的路径规划之一，该方法HOVODEN于1968年提出。栅格法的主要思想是将机器人的工作环境划分成一系列具有二值信息的网格单元，
9、障碍物和自由空间分别被不同的数值所标示（如0表示自由栅格，1表示障碍物栅格）。这些栅格构成了一个连通图，在这个连通图上搜索一条从初始位置到目标栅格的路径。在栅格法中，栅格的大小是由机器人行进的区域的可视度所决定的，其直接影响着环境信息存储量的大小和规划时间的长短。栅格选的小，环境的分辨率就高，在密集障碍物或狭窄通道中发现路径的能力强，但环境信息的储存量大，规划时间长，降低了系统的实时性；栅格选的大了，环境信息储存量小，决策速度快，抗干扰能力强，但环境的分辨率低，在相应环境中发现路径的能力变差。因此合理选择栅格的大小是栅格法的重要问题。在某个局部栅格中，所有的参考点（也即机器人穿行环境时收集的传
10、感器数据）应该是互相可见的。这就意味着在空旷的区域同一时间能够有更多的参考点是可视的，由此一个有5着粗糙解析的大栅格就可以将此区域描述出来。相反的在混乱区域，当机器人围绕障碍物转向或穿过门时，它容易很快的丢失掉其他参考点的视线。描述这些区域的栅格就应当较小而且要有一个较好的解析。这也就使得机器人在障碍物间或狭窄走廊中的机动行进成为可能。另外，栅格越小，就更容易做到路径的实时再规划。虽然这种方法不能保证所有可能的路径都能够被发现，但是它提供了一种对环境本能和实践的描述，使得机器人更加人性化，“正如机器人能够自主看见一样”。区域中的栅格通过那些重叠在不同栅格上的参考点相互连接在一起。这样整个机器人
11、的路径规划问题也就分解成了如何规划从一个参考点运行到下一个参考点最优无碰路径问题。免疫遗传算法与一般免疫算法一样，免疫遗传算法将待求解的问题对应为抗原，问题的解对应为抗体，在许多方面表现出超越遗传算法和免疫算法的优点。其具有下述功能克服通常遗传算法收敛方向无法控制的缺陷，把目标函数和制约条件作为抗原，这就能保证所生成的抗体直接与问题相关联，收敛方向能够得到控制。生成的抗体能够有效的排除抗原也就相当于求得了问题的最优解。对于抗原亲和力高的抗体进行记忆，能促进快速求解，即当遇到同类抗原时可以快速生成与之对应的抗体。一般免疫遗传算法组成免疫遗传算法的流程图抗原输入初始抗体产生计算适应度计算抗体浓度计
12、算选择概率抗体抑制/促进抗体产生（交叉，变异，多样性保持）遗传操作满足条件结束NY图1免疫遗传算法流程图61抗原输入，即将目标函数和各种约束作为抗原。2初始抗体的产生，即生成初始解。一般都是根据问题的特征随机生成一组初始化解。3亲和度计算。亲和度指两者的关联性。生物体内，亲和度分为抗体抗原间亲和度以及抗体抗体间亲和度这两类。前者即相当于遗传算法中的适应度，后者体现了不同抗体之间的相似度，是构造群抗体浓度必须的量。4抗体的抑制/促进。与抗原亲和度高的抗体在算法中显然受到促进，会以较高的概率进入下一代抗体群。这样做往往会使种群过于单一，易陷入局部最优。因此要引入必要的抑制策略以保持种群中抗体的多样
13、性，这可以通过构造抗体的选择概率时加入抗体浓度因素来实现，也即抗体间相似度高的抗体，应受到抑制。5遗传操作。当前种群中通过抗体的抑制/促进，抗体交叉、变异生成新一代抗体，进入下一代。算法通过综合考虑抗体适应度和其在种群中的浓度，构造选择概率对其进行选择，对选择出来的抗体群进行遗传操作交叉、变异，产生新一代抗体。既确保抗体群整体朝着适应度高的方向进化，又维持了种群中抗体的多样性。本人在基本框架的基础上，对算法的具体步骤进行改进，增加精英选择策略等以其能够获得高效的效果。个体编码个体表示移动机器人在其工作空间中的一条运动路径。机器人由其起始位置S沿路径运动到终点位置E，即为1个个体。该个体用直角坐
14、标形式可表示为0，0，0，1，0，2，1，3，2，4，3，5，9，9。若每一位坐标用4位二进制数表示，则同一个体可表示为0000，0000，0000，0001，1001，1001。若用栅格序号表示，则同一个体可表示为0，10，20，31，42，53，99。由此可见，个体采用栅格序号编码较直角坐标或二进制编码长度短、简明、直观。种群初始化初始群体是遗传算法迭代运算的起点，它由一定数目的个体组成，在机器人运动的起点到终点之间，用一系列随机选择、自由、不一定连续的栅格序号连接起始点和终点。在种群初始化过程中，确保个体基因位上填充的都为自由栅格，并且初始种群中的每个个体的长度大于3，再经过插入、删除操
15、作生成一系列不问断无障碍路径。采用这种操作方法有利于种群初始化。个体适应度函数个体的适应度函数与免疫算法的计算时间和效率密切相关。这里所讨论的问题是求从起7始点到终点的1条最优路径，且该路径不能与障碍物相交，以确保机器人按这条路径运动时不与障碍物发生碰撞。选取如下个体适应度函数精英选择策略精英选择策略是由DEKAJONG提出的,其主要是为了解决遗传算法不能收敛到全局最优解这个缺陷。其主要思想就是，将当前群体中迄今出现的最佳个体作为精英个体不进行任何操作而直接复制到下一代中。定义描述即为，假设免疫遗传算法进化到第T代时，群体中的最优个体为AT，且新一代群体为1AT，若AT不属于1AT，则将AT作
16、为精英个体复制到1AT中，作为其的个体。此种免疫遗传算法，其具体步骤如下（1）进行个体免疫遗传编码，随机产生初始种群；（2）按照设计的适应度函数，确定种群中每个个体的适应度值，并且将适应度最大抗体作为精英抗体保存在一个专有变量中；（3）若种群为第一代抗体群，则转到第五步，否则，继续；（4）再次确定抗体群中每个个体的适应度值。若当前种群中没有个体的适应度值比精英抗体适应度值大，则将该精英抗体复制到抗体群中，并将抗体群中适应度最小的抗体淘汰掉；或者若当前群体中有个体适应度值大于精英抗体的适应度值，则将此作为新的精英抗体保存到专有变量中。否则，继续；（5）计算抗体浓度,对抗体执行选择和复制操作；（6
17、）对抗体群实行交叉和变异操作；（7）判断设置条件是否得到满足。若满足，算法终止；否则，回到第四步继续。四、研究的总体安排与进度201011301230查找文献资料，了解路径规划，遗传免疫算法，完成开题报告的撰写,201111130熟悉MATLAB的编程语言，完成算法的编写。201121330进行系统软件的调试。201141430对结果进行分析评价，撰写毕业论文,并进行答辩。五、主要参考文献1袁曾让,高明在动态环境中移动机器人导航和避碰的一种新方法机器8人,2000,22281882曹雁军机器人路径规划研究河北工业大学硕士论文,20083莫宏伟,左兴权人工免疫系统科学出版社,20093284李爱
18、萍,李元宗机器人路径规划方法的研究机械工程与自动化,200951941965王醒策,张汝波,顾国昌基于势场栅格法的机器人全局路径规划哈尔滨工程大学学报,2003,2421701746于洪斌,李孝安基于栅格法的机器人快速路径规划微电子学与计算机2005,226981007陈曦,谭冠政,江斌基于免疫遗传算法的移动机器人实时最优路径规划中南大学学报（自然版）,2008,3935775838孙树栋遗传算法在机器人路径规划中的应用研究西北工业大学学报,1998,16179839李擎,冯金玲,柳延林等自适应遗传算法在移动机器人路径规划中的应用北京科技大学学报,2008,30331632310JTIMMIS
19、,AHONE,TSTIBOR,ETCTHEORETICALADVANCESINARTIFICIALIMMUNESYSTEMSTHEORICALCOMPUTERSCIENCE,2008403113211HAJELAP,YOOJ,LEEJGABASEDSIMULATIONOFIMMUNENETWORKSAPPLICATIONSINSTRUCTURALOPTIMIZATIONJOURNALOFENGINEERINGOPTIMAIZATION,199929）13114912ERSSONT,HUXMPATHPLANNINGANDNAVIGATIONOFMOBILEROBOTSINUNKNOWNENVIR
20、ONMENTSPROCEEDINGSOFTHEIEEEINTERNATIONALCONFERENCEONINTELLIGENTROBOTSANDSYSTEMS,2001285886413CHENLA,ZHANGPMIMMUNEGENETICALGORITHMANDITSAPPLICATIONINOPTIMALDESIGNOFINTELLIGENTACCONTACTORSTRENDSINARTIFICIALINTELLIGENCE,9THPACIFICRIMINTERNATIONALCONFERENCEONARTIFICIALINTELLIGENCE,20069349399毕业设计文献综述电气工
21、程及其自动化基于免疫遗传的机器人路径规划摘要路径规划技术是机器人控制技术研究中的一个重要问题，目前为止，其研究方法主要有两大类传统方法和智能方法。有关机器人路径规划技术的研究方法，有基于遗传算法、模糊控制和神经网络等智能方法的路径规划技术，并展望了机器人路径规划技术的未来与发展趋势。关键词机器人，路径规划，智能规划，传统规划路径规划技术是机器人研究领域中的一个重要分支。所谓机器人的最优路径规划问题,就是依据某个或某些优化准则如工作代价最小、行走路线最短、行走时间最短等，在其工作空间中找到一条从起始状态到目标状态的能避开障碍物的最优路径。机器人路径规划方法大致可以分为两类传统方法和智能方法。传统
22、路径规划方法有自由空间法为了简化问题，通常采用“结构空间”来描述机器人及其周围的环境。这种方法将机器人缩小成点，将其周围的障碍物及边界按比例相应地扩大，使机器人点能够在障碍物空间中移动到任意一点，而不与障碍物及边界发生碰撞。图搜索法图搜索方法中的路径图由捕捉到的存在于机器人一维网络曲线称为路径图自由空间中的节点组成。建立起来的路径图可以看作是一系列的标准路径。而路径的初始状态和目标状态同路径图中的点相对应，这样路径规划问题就演变为在这些点间搜索路径的问题。通过起始点和目标点及障碍物的顶点在内的一系列点来构造可视图。连接这些点，使某点与其周围的某可视点相连即使相连接的两点间不存在障碍物或边界。然
23、后机器人沿着这些点在图中搜索最优路径。栅格解耦法栅格解耦法是目前研究最广泛的路径规划方法。该方法将机器人的工作空间解耦为多个简单的区域，一般称为栅格。由这些栅格构成了一个连通图，在这个连通图上搜索一条从起始栅格到目标栅格的路径，这条路径是用栅格的序号来表示的。栅格法包括确切的和不确切的两种。确切的解耦法用来描述整个自由空间，这将使复杂环境的解耦速度变慢，其原因是许多复杂的多边形可能需要与障碍物的边界相匹配。这种方法可以保证只要起始点到目标点之间存在路径，就完全能搜索到这条路径。而我所做的路径规划就是通过确定的栅格法来进行的，环境建模是机器人路径规划的重10要环节，目的是为了建立一个便于进行路径
24、规划使用的环境模型。合理的环境模型要求是便于计算机存储、处理、更新和使用。当然在实际应用中，这些要求有可能会有冲突。在大多数文献中，对栅格进行标识时要么使用直角坐标法，要么使用序号法。而此处，将会使用两者结合一起来标识。因为相比坐标法，序号法占有的内存很少，便于在遗传操作中使用。另一方面，直角坐标法在描述栅格之间的相对位置，计算路径长度及检验路径可行性方面有着巨大的优势。关于智能路径规划方法，近年来,随着遗传算法等智能方法的广泛应用,机器人路径规划方法也有了长足的进展，许多研究者把目光放在了基于智能方法的路径规划研究上。其中，应用较多的算法主要有模糊方法、神经网络和遗传算法。基于模糊逻辑的机器
25、人路径规划，模糊方法是在线规划中通常采用的一种规划方法，包括建模和局部规划。提出一种基于模糊概念的动态环境模型，参照物体的位置和运动信息构造二维隶属度函数然后通过模糊综合评价对各个方向进行综合考察，得到搜索结果。该方法在移动障碍物和移动目标的环境中能有效地实现机器人避碰和导航。李彩虹等提出了一种在未知环境下移动机器人的模糊控制算法，并对此算法进行了推导与仿真，证明该算法鲁棒性强，可消除传统算法中存在的对移动机器人的定位精度敏感、对环境信息依赖性强等缺点，使移动机器人的行为表现出很好的一致性、连续性和稳定性。HARTMUTSURMANN等提出一种未知环境下的高级机器人模糊导航方法，由8个不同的超
26、声传感器来提供环境信息，然后利用基于模糊控制的导航器来计算这些信息，规划机器人路径。该方法在环境未知或发生变化的情况下，能够快速而准确地规划机器人路径，对于要求有较少路径规划时间的机器人是一种很好导航方法。但是，其缺点是当障碍物数目增加时，该方法的计算量会很大，影响规划结果。基于神经网络方法的机器人路径规划，禹建丽等提出了一种基于神经网络的机器人路径规划算法，研究了障碍物形状和位置已知情况下的机器人路径规划算法，其能量函数的定义利用了神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程，规划出的路径达到了折线形的最短无碰路径，计算简单，收敛速度快。陈宗海，等提出了一种在不确定
27、环境中移动机器人的路径规划方法，将全局路径规划分解为局部路径规划的组合，为了提高规划的效率，在避障规划中采用了基于案例的学习方法，以ART2神经网络实现案例的匹配学习和扩充，满足了规划的实时性要求。基于遗传算法的机器人路径规划，遗传算法是目前机器人路径规划研究中应用较多的一种方法，无论是单机器人静态工作空间，还是多机器人动态工作空间，遗传算法及其派生算11法都取得了良好的路径规划结果。孙树栋等用遗传算法完成了离散空间下机器人的路径规划，并获得了较好的仿真结果。但是，该路径规划是基于确定环境模型的，即工作空间中的障碍物位置是已知的、确定的。KAZUOSUGIHARAANDJOHNSMITH在采用
28、离散空间进行路径规划的同时，将问题更深入化，栅格序号采用二进制编码，统一确定其个体长度，随机产生障碍物位置及数目，并在搜索到最优路径后，再在环境空间中随机插入障碍物，模拟环境变化，通过仿真结果验证了算法的有效性和可行性。但是，规划空间栅格法建模还存在缺陷，即若栅格划分过粗，则规划精度较低；若栅格划分太细，则数据量又会太大。周明等提出一种连续空间下基于遗传算法的机器人路径规划方法，该方法在规划空间利用链接图建模的基础上，先使用图论中成熟算法粗略搜索出可选路径，然后再使用遗传算法来调整路径点，逐步得到较优的行走路线。该方法的染色体编码不会产生无效路径，且仅使用基本遗传算法就可以完成路径规划。但是，
29、该方法对于环境复杂、障碍物数目较多的情况，链接图的建立会有一定的困难。在遗传算法的改进上，周明等提出一种遗传模拟退火算法，利用遗传算法与模拟退火算法相结合来解决机器人路径规划问题。有效地提高了路径规划的计算速度，保证了路径规划的质量。在多移动机器人协调作业方面，遗传算法也得到了应用，景兴建等提出一种基于理性遗传算法的协调运动行为合成算法，针对特定环境下的多机器人协调运动问题，基于调速避碰的思想，借助CMAC神经网络，描述各机器人的运动行为与环境状态之间复杂的、非线性映射关系，利用理性遗传算法来合成与优化各机器人的运动行为，从而实现多机器人已知环境下，运动行为的相互协调与优化。此外，还有CAIZ
30、IXING及孙树栋等人的研究成果。机器人路径规划是机器人应用中的一项重要技术，例如，在执行装配、焊接及抢险救灾等任务时，采用良好的机器人路径规划技术可以节省大量机器人作业时间、减少机器人磨损，同时也可以节约人力资源，减小资金投入，为机器人在多种行业中的应用奠定良好的基础。将遗传算法、模糊逻辑以及神经网络等方法相结合，可以组成新的智能型路径规划方法，从而提高机器人路径规划的避障精度，加快规划速度，满足实际应用的需要。同时，多机器人协调作业环境下的路径规划技术也将是研究的热点及难点问题，越来越受到人们的重视。由于障碍物及机器人数目的增加，极大地增加了路径规划的难度，引入可以优化约简知识的粗糙集理论
31、，简化规划条件，提取路径规划特征参数，有可能进一步解决诸如机器人路径规划速度等难题，因此，这将是一个有意义的研究课题。参考文献1庄晓东,孟庆春,殷波,等动态环境中基于模糊概念的机器人路径搜索方法J机12器人,2001,23539723992李彩虹,张景元,李贻斌基于模糊控制的移动机器人的路径规划J淄博学院学报,2001,33272303HARTMUTSURMANN,JRGHUSER,JENSWEHKINGPATHPLANNINGFORAFUZZYCONTROLLEDAUTONOMOUSMOBILEROBOTAFIFTHIEEEINTCONFONFUZZYSYSTEMSFUZZ2IEEE96CU
32、ASNEWORLEANS,19964禹建丽,韩平一种基于神经网络的机器人路径规划算法J洛阳工学院学报,2001,221312345陈宗海,陈锋一种不确定环境下移动机器人避障规划算法J机器人,2002,24435923616禹建丽,成久洋之,VALERIKROUMOV线性再励的自适应变步长机器人神经网络路径规划算法J燕山大学学报,2002,26325922667孙树栋,曲彦宾遗传算法在机器人路径规划中的应用研究J西北工业大学学报,1998,161792838KAZUOSUGIBARA,JOHNSMITHGENETICALGORITHMSFORADAPTIVEMOTIONPLANNINGOFANA
33、UTONOMOUSMOBILEROBOTSAPROBLEMSIEEETRANSSMCCUSASIM,19979周明,孙树栋,彭炎午用遗传算法规划机器人路径J西北工业大学学报,1998,164581258310周明,孙树栋,彭炎午基于遗传模拟退火算法的机器人路径规划J航空学报,1998,191118212011景兴建,王越超一种基于理性遗传算法RGA的协调运动行为合成算法J机器人,2002,2414925412CAIZX,PENGZHCOOPERATIVECOEVOLUTIONARYADAPTIVEGENETICALGORITHMINPATHPLANNINGOFCOOPERATIVEMULTI2
34、MOBILEROBOTSYSTEMSJJOURNALOFINTELLIGENTANDROBOTICSYSTEMS,2002,4336127113本科毕业设计（20届）基于免疫遗传的机器人路径规划14摘要【摘要】路径规划问题是移动机器人系统需要处理的问题之一，对于路径规划，我们需要做的就是在环境信息空间中，按照一定的规则找出从起始点到终点的最短的或者最优的没有任何碰撞的路径。根据环境信息可知，我们可以分为环境可知的和环境未知，在这当中，我们也要分为环境是静态的或者动态的两种，而本文需要做的就是在已经环境下的静态障碍物的路径规划问题。本文的路径规划问题是采用了遗传免疫算法来进行路径规划的，在静态已
35、知的环境中，我们需要做的就是将起点到终点的最优的路径找出来，遗传算法包括自然选择和进化的思想，免疫算法是生物免疫学的思想，两者合一有很强鲁棒性，同时避免了遗传算法所引起的局部收敛。本文最后设计并实现了一个机器人路径规划，首先通过采用免疫遗传算法给机器人规划了一条路径使其绕过障碍物，使机器人达到规定的目标点，并且得到了最佳路径。【关键词】移动机器人；路径规划；免疫遗传。15ABSTRACT【ABSTRACT】MOBILEROBOTPATHPLANNINGPROBLEMISONEOFTHESYSTEMNEEDTOBEADDRESSED,FORTHEPATHPLANNING,WENEEDTODOIS
36、INTHEENVIRONMENTALINFORMATIONSPACE,INACCORDANCEWITHCERTAINRULESTOTHEENDFROMTHESTARTINGPOINTTOFINDTHESHORTESTORTHEBESTTHEREISNOCOLLISIONPATHACCORDINGTOTHEENVIRONMENTALINFORMATIONWEKNOWTHATWECANKNOWTHATFORENVIRONMENTALINFORMATION,WECANBEDIVIDEDINTOENVIRONMENTALKNOWABLEANDTHEENVIRONMENTISUNKNOWN,INTHIS
37、,WEHAVEDIVIDEDINTOTHEENVIRONMENTISSTATICORDYNAMICOFTHETWO,ANDTHISNEEDSTOBEDONEISSTATICOBSTACLESHASBEENTHEPATHOFENVIRONMENTALPLANNINGPATHPLANNINGOFTHISARTICLEISTHEUSEOFAGENETICIMMUNEALGORITHMFORPATHPLANNINGINASTATICKNOWNENVIRONMENT,WENEEDTODOISTOPOINTTOTHEENDTOFINDOUTTHEOPTIMALPATH,GENETICALGORITHMS,
38、INCLUDINGNATURALSELECTIONANDEVOLUTIONTHINKINGOFBIOLOGICALIMMUNEALGORITHMIMMUNOLOGICALTHOUGHT,ASTRONGUNITYBETWEENTHEROBUSTNESSOFGENETICALGORITHMANDAVOIDLOCALCONVERGENCECAUSEDFINALLY,THEDESIGNANDIMPLEMENTATIONOFAROBOTPATHPLANNING,THEFIRSTTHROUGHTHEUSEOFGENETICALGORITHMTOTHEROBOTPLANNEDAPATHTOBYPASSTHE
39、OBSTACLES,ANDTHROUGHTHECPLATFORM,THEROBOTUPTOTHEREQUIREDTARGETPOINT,ANDGETTHEBESTPATH【KEYWORDS】MOBILEROBOT；PATHPLANNING；IMMUNITYGENETICALGORITHM16目录1绪论错误未定义书签。11什么是移动机器人112移动机器人的发展趋势错误未定义书签。13机器人的发展史错误未定义书签。14本文的主要任务错误未定义书签。2移动机器人的路径规划问题错误未定义书签。21什么是路径规划错误未定义书签。22路径规划的特点错误未定义书签。23传统路径规划方法错误未定义书签。231
40、栅格法错误未定义书签。232可视图法错误未定义书签。233自由空间法错误未定义书签。234人工势场法错误未定义书签。24智能路径规划方法错误未定义书签。241遗传算法错误未定义书签。242人工蚁群法错误未定义书签。243神经网络法错误未定义书签。244模糊逻辑法错误未定义书签。3遗传算法路径规划错误未定义书签。31遗传算法简介错误未定义书签。311遗传算法的起源错误未定义书签。312遗传算法的原理错误未定义书签。32遗传算法的规划错误未定义书签。321编码种群初始化错误未定义书签。322适应度函数错误未定义书签。323选择错误未定义书签。324交叉错误未定义书签。325变异错误未定义书签。33
41、遗传算法的特点错误未定义书签。4基于免疫遗传算法的机器人路径规划错误未定义书签。41遗传算法的缺点错误未定义书签。42免疫算法错误未定义书签。43路径规划的环境错误未定义书签。44适应度函数错误未定义书签。45抗体的编码与初始化抗体的产生错误未定义书签。46遗传免疫算子错误未定义书签。47精英策略选择错误未定义书签。48免疫遗传算法的具体步骤错误未定义书签。49实验仿真错误未定义书签。17410结果错误未定义书签。5结论总结和期望5附录811绪论11什么是移动机器人所谓的移动机器人就是由遥控操作器，传感器和自动控制载体组成的一个系统，移动机器人能够完成很多危险的行为，例如从事危险、恶劣的工作环
42、境下的任务和别的一些平常人无法做到的事情，这些事情让他们做起来能够更加的灵活，有效。20世纪60年代，美苏两个超级大国都完成了月球探测计划，并且研制出来很多的移动机器人，方便于他们对于外太空的探索。例如美国的“探测者”3号，就是在地面控制的基础上，在月球上顺利完成了各项任务。同时苏联的探测器“登月者”20号也是在无人驾驶的情况下，通过地面操作，成功从月球获得了研究的材料，并且成功返回地球。20世纪70年代，日本的早稻田大学研究出来具有仿人类的机器人，并且日本近年来一直都在研究这方面，也取得了一定的成果。由此可见，对于移动机器人的发展，各个国家都非常积极，同样也是显示一个国家实力的一个方面，当然
43、，移动机器人在各个领域都有研究应用，比如在核能、海底资源探测等的移动机器人发展也非常地迅速。机器人的发展和研制在各个领域都是不同的，这当中研究的内容也是有很大的差距的，但是他们之间还是有一些共同的特点需要研究的，比如传感器方面，移动技术，路径规划，控制技术等等，很多方面都是需要去研究的，机器人就相当于是人类，也需要眼睛去看，走路，都是和人类有类似的行为。移动机器人当然也分好几类的，比如有些是车轮式的移动机器人，有些是足式的机器人（有2足,4足,6足等等各种类型），当然也有一些比较特殊的移动机器人，需要运用到一些特殊领域，不同的机器人适合不同的工作环境。需要解决各个方面的问题，这样才能够真正地将
44、解决方案结合起来，并研制成功出移动机器人，然后服务于人类社会，造福人类。移动机器人除了在一些比较重要的领域中运用外，在各种工程自动化，建筑，采矿，农业，水利，运输等都有广泛的运用和发展前景12移动机器人的发展趋势从机器人的发展过程中来看，现在的机器人发展仍然存在着很多的问题以及一些相关科学的发展方向，移动机器人目前的发展趋势主要有以下几点1机器人本身将更加地灵活和微小，我们现在需要做的就是将其更加广泛地运用到家庭服务和生活中去。2我们需要做的就是能够让机器人运作的工作效率不断地提高，由于局限于系统水平，计算机的运行等方面，对于机器人的精确度和控制度等都需要更高的要求。3机器人为人类服务的同时，
45、我们也需要一个更好的平台，来给机器人更好的服务，不断地2与机器人沟通，需要一个平台来处理好人与机器人的关系，让机器人能够更好的服务于我们。4安全性能问题，机器人的问题也存在着很大的问题，为了使机器人能够更好地服务于人类社会，使我们能够更加地安全使用机器人，机器人需要遵守“机器人三规律”一、机器人不可以伤害人或者眼看着人将要受伤害不管不问，袖手旁观；二、机器人必须服从人类给与他的指令，除非是和第一条规律相冲突；三、机器人必须保护好自己，除非和第一，第二条相冲突。5产业化问题，如果一味地只是实验而不运用到实际中，不进行产业化是没用意义的，只有给社会真正带来了价值，才能够有更多的人想要去提高它，而产
46、业化是我们理论联系实际的重要一点，只有做好了这一点，我们才能够把科学技术转化为我们的生产力，因此产业化是我们必须要做的。13机器人的发展史1920年，捷克斯洛伐克的作家在他的小说中首先提到了关于机器人的概念，根据捷克文ROBOTA和波兰文ROBOTNIK（都是工人的意思），创造了所谓的“机器人”的概念。1939年，在美国纽约的世博会上，西屋电气公司制造了一个名叫ELEKTRO的家用机器人，并在该届世博会上展出了，它是由一些电缆来控制操作的，它不但能够走路，也可以说话（只有77个字），而且它还可以吸烟，虽然它还不能成为真正意义上的家用机器人，但是也由于这个机器人，让人类对于机器人的前景有了一个新
47、的认识，说明机器人还是能够被发明出来的，并且真正意义上运用到人类社会的。1942年，美国作家阿西莫夫在他的小说中提出了“机器人三定律”，虽然只是在小说中提出来的，但是在后来却是被机器人学术界默认为研发机器人的基本原则。1948年，诺伯特的控制论，详细的阐述了关于机器人的通信和控制原理与人类的感官神经等方面的相似规律，并且第一个提出了以计算机作为核心的自动化工厂。1954年，美国科学家乔治制造出来了世界上第一台真正意义的可进行编程的机器人，并且在美国申请了专利保护。这类机器人能够按照所编辑的程序来从事程序中所要求的工作，因此也具有通用性能和一定的灵活性。1956年，达特茅斯的会议上，马文明斯基自
48、己对于智能的机器人的概念提出了自己的一些想法，也就是说智能机器人可以创建周围环境的一些模拟的东西，如果当他遇到问题时，他就能够从中找出办法并且解决问题。也就是这个想法影响了后来智能机器人的发展方向。1959年，美国发明家约瑟夫英格伯格与德沃尔制造出来了第一台真正的工业机器人，3随后他们成立了世界上第一个机器人公司，也就是大家现在熟悉的UNIMATION公司，当然由于英格伯格对于工业机器人的热衷，以及对其的发展和宣扬，他被大家称之为“工业机器人之父”。1962年，在美国的AMF产出了名叫“VERSTRAN”的机器人，和UNIMATION生产的机器人一样，成为了真正意义上的具有商业化的工业机器人，
49、并且也因为这样这类机器人还出口到国外，掀起了各国科学家针对机器人的研究热情。19621963年传感器的发展使得机器人的操作器得到了很大的改善。于是科学家们开始在各种各样的机器人上面按照传感器，当然也包括1961年由恩斯特使用的触觉传感器，以及在世界上第一台“灵巧上”上面用到的压力传感器，1963年麦卡锡开始在机器人中加入了视觉传感系统，1965帮助MIT推出了世界上第一台视觉传感器，它是可以识别定位的积木系统。1965年，约翰霍普金斯大学实验室研制出来了一个叫BEAST的机器人。BEAST已经可以使用声纳系统和光电管等等，通过周围环境来确定自己的坐标位置。20世纪60年代中，美国麻省理工学院，英国爱丁堡大学等相继成立了关于机器人的研究室。同时美国开始研究第二代有传感器和感知系统的智能机器人。1968年，美国斯坦福研究所的工作人员宣布他们成功研制出了叫SHAKEY的机器人，它不仅有视觉传感器，而且能够根据指令发现并获得积木，但是他的计算机核心空间非常大。而SHAKEY是可以看成是世界上第一台真正的智能机器人，同时SHAKEY的研制也标志这第三代机器人的开始。1969年，日本早稻田大学的加藤一郎实验室研制出来了第一台用双脚走路的模仿人类的机器人，由于加藤一郎喜欢研制模仿人类的机器人，并且也取得了很大的成功，所以，人们就称之为“仿人机器人之父”，不过在
