論神經網絡在移動機器人路徑規劃中的應用研究

麻小娟 張淑麗 崔巖 西北工業大學明德學院

在移動機器人路徑規劃中應用神經網絡，機器人可以根據自己對障礙物的判斷，決定行走路線，以避開障礙物，從而達到智能化移動的目的。但是由于機器人選擇的路徑十分繁雜，具有多重選擇，因此在消耗能量較少、路徑短和使用時間短的情況下，如何選擇一條合適的路徑，是當前計算機學者急需解決的問題。

1 神經網絡在移動機器人路徑規劃中的算法

在移動機器人路徑規劃中，應用神經網絡技術的算法如下：先利用柵格法建立機器人的運動空間模型，將機器人運動的位置映射到神經網絡中，與每個神經元相對應，然后在神經網絡中將全部的神經元激活值初始化（設為0，但目標與障礙物除外）。緊接著使用迭代計算將目標點的神經元激活值與神經元的側連接傳播連接到出發點，一旦目標激活值輸送到起始點后，通過爬山法尋找機器人當前位置領域內激活值的神經元，若限定值內的神經元激活值小于實際神經元的激活值，表明機器人處在原地不動的狀態，相反機器人的下一個位置是領域內具有最大激活值的神經元，一旦機器人的位置坐標與目標位置坐標重疊，表示路徑規劃的過程結束。

2 神經網絡在移動路徑規劃中的應用要點

2.1 融合信息論，確定神經網絡的目標解

在移動機器人路徑規劃的過程中，應用神經網絡時，考慮到經驗值的不穩定性，需要將神經網絡應用過程中的神經網絡作為貝葉斯網絡，依據貝葉斯網絡蘊藏的信息熵，通過信息論來確定神經網絡的目標函數，從而確定機器人下一個位置移動的最佳路徑。

2.2 融合遺傳算法，確定全局最優解

在未知環境下進行機器人運動路徑的規劃，為了保證機器人順利避開障礙物，還需在神經網絡中融入遺傳算法，確定全局最優解。例如在機器人移動的神經元中融入遺傳算法，將機器人的移動環境設定成二維環境，障礙物的數量、形狀以及位置隨意布置，在二維空間中有基本點構成規劃路徑設計途徑，由神經網絡控制機器人運動的路徑，通過有關的神經元傳感器來采集未知環境的情況，將目標點與障礙信息的間距設為神經網絡的輸入信號，利用遺傳算法進行神經網絡的權值訓練，以神經網絡的輸出信號作為機器人移動的運動作用力，實現機器人移動。

2.3 融入蟻群算法，提高路徑規劃的精確度

為了提升神經網絡搜索的精確度與效率，在應用神經網絡的同時，結合蟻群算法的路徑規劃方法，利用柵格法建立機器人工作環境模型，視機器人移動時的出發點為蟻巢位置，將路徑規劃最終的目標點視為蟻群食物源，利用螞蟻之間相互合作的關系，找出一條避開障礙物的移動路徑，縮短搜索空間。

3 基于神經網絡的移動機器人路徑規劃的模擬實驗分析

本次機器人模擬實驗以Pioneer3-AT型輪式移動機器人為主要的實驗平臺，以C++語言為主要程序設計，通過機器人的聲吶與激光等傳感器、自動建立地圖、Mobile Eyes軟件來完成，然后以MobileSim作為移動無人地面車的仿真軟件，對無人地面車和四周環境模型進行加載，通過仿真分析后獲得地圖圖形。對于程序的編寫，利用MobileSim仿真軟件調試，在無人地面車的PC上模擬運行，真正反映機器人具體運動的狀態。對于地區的形成，則由機器人具備的地圖建立軟件形成，為某一個重點實驗室的環境圖。在這次實際環境模擬中，集神經網絡、信息論、遺傳算法以及蟻群算法為一體，實現機器人路徑規劃，并讓機器人根據路徑規劃的方案來運動。此外，對于Pioneer3-AT型機器人的坐標體系，全局坐標系的原點是機器人的初始位置，全局坐標的x軸與y軸分別是機器人的初始航向，在機器人運動后，全局坐標系不會發生任何改變，如果機器人運動前，就明白自己需要達到的目標，那么目標點在坐標系中不會發生改變，機器人的坐標單位為mm，經實驗結果為：機器人的初始航線是右方，1次運動的目標位置為（3000，-7000），2次運動目標位置為（-2000，-8000），表明機器人可根據規劃的路徑從初始位置順利達到既定地點。可見在移動機器人路徑規劃中，應用神經網絡具有較強的實用性。

4 結束語

綜上所述，在移動機器人路徑規劃中有效應用神經網絡，有利于提高路徑規劃的精確度。但要想保證機器人移動路徑達到既定目標，還需融合信息論、遺傳算法和蟻群算法來確定神經網絡的目標解、全局最優解。

[1]徐兆輝.移動機器人路徑規劃技術的現狀與發展[J].科技創新與應用,2016(3):43-43.

[2]高涵,高柏軍.移動機器人路徑規劃方法研究[J].現代儀器與醫療,2015,30(5):14-17.

[3]陳鴻旭.基于人工神經網絡的移動機器人路徑規劃研究[J].電子技術與軟件工程,2014(10):200-200.