神經(jīng)網(wǎng)絡(luò)在移動機(jī)器人路徑規(guī)劃中的應(yīng)用分析

【W(wǎng)ord版本下載可任意編輯】神經(jīng)網(wǎng)絡(luò)在移動機(jī)器人路徑規(guī)劃中的應(yīng)用分析摘要:移動機(jī)器人路徑規(guī)劃可分為兩種類型：(1)全局路徑規(guī)劃；(2)局部路徑規(guī)劃。本文分析了Kohonen神經(jīng)網(wǎng)絡(luò)算法及其識別機(jī)理，提出了Kohonen神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)結(jié)合起來開展路徑規(guī)劃的方法，給出了具體的算法，探討了在神經(jīng)網(wǎng)絡(luò)技術(shù)中引入學(xué)習(xí)機(jī)制的特點。

1引言

隨著智能控制理論與方法的迅速發(fā)展，智能方法在移動機(jī)器人路徑規(guī)劃中得到了廣泛應(yīng)用。目前主要存在的智能導(dǎo)航算法主要有模糊算法、神經(jīng)網(wǎng)絡(luò)算法、模糊神經(jīng)網(wǎng)絡(luò)、遺傳算法和進(jìn)化神經(jīng)網(wǎng)絡(luò)等。根據(jù)機(jī)器人對環(huán)境信息掌握的程度,可分為兩種類型:(1)全局路徑規(guī)劃:指根據(jù)先驗環(huán)境模型找出從起始點到目標(biāo)點的可行或路徑,環(huán)境信息大多是靜止障礙;(2)局部路徑規(guī)劃:工作環(huán)境是未知和部分未知,障礙物的尺寸、形狀和位置等信息必須通過傳感器獲得,再實時做出決策。本文借鑒人腦從粗分到細(xì)分的思想,將無師學(xué)習(xí)的自組織神經(jīng)網(wǎng)絡(luò)和有師學(xué)習(xí)的多層前饋神經(jīng)網(wǎng)絡(luò)相結(jié)合,在二維的環(huán)境中對機(jī)器人開展全局路徑規(guī)劃和局部路徑規(guī)劃。首先分析了Kohonen神經(jīng)網(wǎng)絡(luò)算法及其識別機(jī)理,對機(jī)器人所處環(huán)境開展識別作出全局規(guī)劃，再利用在線得到的局部環(huán)境信息,在盡可能短的時間內(nèi)，避開出現(xiàn)的未知障礙物。避碰規(guī)劃也就是局部規(guī)劃，它是感知空間到行動空間的一種映射。

映射關(guān)系可以用不同的方法來實現(xiàn)，這里采用有師學(xué)習(xí)的BP算法。實驗說明,采用該方法開展路徑規(guī)劃后，在機(jī)器人路徑的合理性、執(zhí)行任務(wù)的準(zhǔn)確性和工作效率等方面得到了大幅度的改善,同時也在很大程度上降低了能量損耗。

2Kohonen神經(jīng)網(wǎng)絡(luò)在全局路徑規(guī)劃中的應(yīng)用

Kohonen神經(jīng)網(wǎng)絡(luò)是一個自組織神經(jīng)網(wǎng)絡(luò),其學(xué)習(xí)的結(jié)果能表達(dá)出輸入樣本的分布情況，從而對輸入樣本實現(xiàn)數(shù)據(jù)壓縮?；诰W(wǎng)絡(luò)的這些特性,可采用Kohonen神經(jīng)元的權(quán)向量來表示自由空間，其方法是在自由空間中隨機(jī)地選取坐標(biāo)點(可由傳感器獲得)作為網(wǎng)絡(luò)輸入，神經(jīng)網(wǎng)絡(luò)通過對大量的輸入樣本的學(xué)習(xí)，其神經(jīng)元就會表達(dá)出一定的分布形式。學(xué)習(xí)過程如下:開始時網(wǎng)絡(luò)的權(quán)值隨機(jī)地賦值，每個神經(jīng)元能限度地表示一定的自由空間。神經(jīng)元權(quán)向量的生成樹可以表示出自由空間的基本框架。網(wǎng)絡(luò)學(xué)習(xí)的鄰域可以動態(tài)地定義成矩形、多邊形。神經(jīng)元數(shù)量的選取取決于環(huán)境的復(fù)雜度，如果神經(jīng)元的數(shù)量太少，它們就不能覆蓋整個空間，結(jié)果會導(dǎo)致節(jié)點穿過障礙物區(qū)域。如果節(jié)點的數(shù)量太大，節(jié)點就會表示更多的區(qū)域，也就得不到距障礙物的距離。在這種情況下，節(jié)點是對整個自由空間的學(xué)習(xí)，而不是學(xué)習(xí)框架空間。節(jié)點的數(shù)量可以動態(tài)地定義，在每個學(xué)習(xí)階段的結(jié)束，機(jī)器人會檢查所有的路徑，如檢測到路徑上有障礙物，就意味著沒有足夠的節(jié)點來覆蓋整個自由空間，需要增加網(wǎng)絡(luò)節(jié)點來重新學(xué)習(xí)。所以為了收斂于框架表示，應(yīng)該采用較少的網(wǎng)絡(luò)節(jié)點開始學(xué)習(xí)，逐步增加其數(shù)量。這里采用二維構(gòu)造表示。Kohonen模型為兩層網(wǎng)絡(luò)(構(gòu)造如圖1所示):輸入層接收輸入信號模式,神經(jīng)元個數(shù)與輸入模式的特征數(shù)對應(yīng);輸出層神經(jīng)元又稱為映射神經(jīng)元。Kohonen網(wǎng)絡(luò)的輸入神經(jīng)元和輸出神經(jīng)元之間為全連接,其連接強度由權(quán)值控制,網(wǎng)絡(luò)的自組織過程就是根據(jù)輸入信號模式動態(tài)地調(diào)整權(quán)值的過程。算法如下：

3多層前饋神經(jīng)網(wǎng)絡(luò)在局部規(guī)劃中的應(yīng)用

Kohonen神經(jīng)網(wǎng)絡(luò)對環(huán)境信息開展了分類，得出輸入樣本的分布情況，即障礙物的位置信息及機(jī)器人相對于障礙物的位置信息,但由于受到動態(tài)環(huán)境的影響（例如動態(tài)障礙物），機(jī)器人很可能偏離全局路徑，這時就需要根據(jù)傳感器獲得的信息，利用上一節(jié)的算法結(jié)果結(jié)合BP神經(jīng)網(wǎng)絡(luò)對機(jī)器人路徑開展細(xì)化。才能通過這個樣本集訓(xùn)練出一個好的神經(jīng)網(wǎng)絡(luò)來完成交給它的路徑規(guī)劃任務(wù).這里選擇已知類別的訓(xùn)練樣本集T，用它們作為輸入信號模式來訓(xùn)練BP網(wǎng)絡(luò)，算法收斂后，根據(jù)這些已知類別的環(huán)境樣本可以得出一路徑，步驟如下：

BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本確定如下:學(xué)習(xí)樣本表示障礙物的位置信息及機(jī)器人相對于障礙物的位置信息,通過Kohonen網(wǎng)絡(luò)對機(jī)器人的工作空間開展劃分,才能通過這個樣本集訓(xùn)練出一個好的神經(jīng)網(wǎng)絡(luò)來完成交給它的路徑規(guī)劃任務(wù).

4結(jié)論

本文對神經(jīng)網(wǎng)絡(luò)用于機(jī)器人路徑規(guī)劃開展一些探索和研究，按上述方法在計算機(jī)上模擬，所述算法是正確有效的。而且這兩種神經(jīng)網(wǎng)絡(luò)結(jié)合特別適應(yīng)于機(jī)器人控制。它具有以下顯著特點：

(1)由于神經(jīng)網(wǎng)絡(luò)可以通過若干實例學(xué)習(xí)實現(xiàn)網(wǎng)絡(luò)參數(shù),而不需要被控對象的數(shù)學(xué)模型,也不需要人事先為它設(shè)計好控制算法。

(2)神經(jīng)網(wǎng)絡(luò)具有并行處理信息的能力,所以它能同時將輸入的m維向量變換成滿足要求的n維向量。因此,可以有效地處理機(jī)器人的視覺、聽覺等需復(fù)雜計算的信息。

(3)神經(jīng)網(wǎng)絡(luò)對外界環(huán)境參數(shù)的變化具有一定的適應(yīng)性,其適用范圍之大是其它自適應(yīng)控制系統(tǒng)所無法比較的。

(4)神經(jīng)網(wǎng)絡(luò)具