排序方式: 共有9条查询结果,搜索用时 15 毫秒
1
1.
针对动态未知环境下移动机器人路径规划问题,采用一种有效的局部连接Hopfiled神经网络(Hopfield Neural Networks,HNN)来表示机器人的工作空间.机器人在HNN所形成的动态数值势场上进行爬山搜索法来形成避碰路径,并且不存在非期望的局部吸引点.HNN权值设计中考虑了路径安全性因素,通过在障碍物附件形成局部虚拟排斥力来形成安全路径.HNN的连接权是非对称的,并且考虑了信号传播时延.分析了HNN的稳定性,所给稳定性条件和时延无关.HNN模型中突出了最大传播激励,从而使得HNN具有更广的稳定性范围并能表示具有更多节点的机器人工作空间.为对该HNN有效仿真求解,结合约束距离变换和HNN的时延性,给出了单处理器上高效的串行模拟方案,规划路径的时间复杂度为O(N)(N是HNN中神经元的数目),使得路径重规划能快速在线进行.仿真和实验表明该方法的有效性. 相似文献
2.
基于神经网络的移动机器人路径规划 总被引:12,自引:0,他引:12
针对移动机器人的未知环境下安全路径规划,论文采用了一种局部连接Hopfield神经网络(ANN)规划器。对任意形状环境,ANN中兼顾处理了“过近”和“过远”来形成安全路径,而无需学习过程。为在单处理器上进行有效的在线路径规划,提出用基于距离变换的串行模拟,加速了数值势场的传播。仿真表明该方法具有较高的实时性和环境适应性。 相似文献
3.
未知环境下移动机器人安全路径规划的一种神经网络方法 总被引:4,自引:0,他引:4
针对未知环境下移动机器人的安全路径规划,采用了一种局部连接Hopfield神经网络(Hopfield Neural Networks,HNN)规划器;分析了HNN稳定性,并给出了存在可行路径的条件.如果存在可行路径,该方法不存在非期望的局部吸引点,并在连接权设计中兼顾"过近"和"过远"来形成安全路径.为在单处理器上有效地在线路径规划,采用多顺序的Gauss-Seidel迭代方法来加速HNN势场的传播.结果表明该方法具有较高的实时性和环境适应性. 相似文献
4.
5.
针对移动机器人未知环境下的安全路径规划,本文采用了一种局部连接Hopfield神经网络(ANN)规划器。对任意形状环境,ANN中兼顾处理了“过近”和“过远”来形成安全 路径,而无需学习过程。为在单处理器上进行有效的在线路径规划,提出用基于距离变换的串行模拟,加速数值势场的传播。仿真表明,该方法具有较高的实时性和环境适应性。 相似文献
6.
7.
采用一种局部连接Hopfield神经网络(HNN)来构建骨架图,进行移动机器人路径规划。该HNN势场没有非期望的局部吸引点,所构建骨架图和环境连通性相一致,保证了路径规划的完整性。仿真表明该方法具有较高的实时性和环境适应性。 相似文献
8.
为提高运动靶标的激波检靶定位精度,对定位模型和求解算法进行研究.采用几何方法推导弹丸激波到达传声器阵列时间的模型,通过非线性最小二乘法求解弹丸飞行速度、命中坐标、入射角等参数.利用该模型进行仿真,分析靶标速度误差、激波到达时间误差和弹丸速度等对检靶精度的影响.结果表明:忽略快速运动靶标的速度会带来较大检靶定位误差,必须在激波检靶建模求解时考虑靶标运动速度. 相似文献
9.
1