基于多传感器行为融合基础上的agv导航研究

《基于多传感器行为融合基础上的agv导航研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于多传感器行为融合基础上的AGV导航研究摘要移动机器人是机器人学中的一个重要分支，其主要目标是研究在复杂环境下机器人系统的实时控制问题，涉及到任务规划、运动规划与导航、目标识别与定位、机器视觉、多种传感器信息处理与融合以及系统集成等关键技术。本文主要研究的是移动机器人导航技术，介绍了导航中多传感器信息融合技术的理论、方法和应用。并提出了基于行为的混合体系结构，在此基础上利用模糊神经网络控制器实现AGV的导航。本文拟采用多个超声波传感器来获取未知环境中障碍物的特征信息，通过信息融合，消除单一数据的不确定性，从而获得准确的环境数据，提高了

2、AGV容错能力；同时，我们选择基于行为的混合式体系结构解决了基于功能分解体系结构的反应滞后问题和基于行为的反应式体系结构的智能级不高问题；详细分析了AGV导航系统的基本行为，并建立了避障行为、目标跟踪行为、沿墙壁行驶行为和紧急停止行为的模糊规则；在此基础上，构建基于多传感器的行为融合的导航系统，并用模糊神经网络对上述规则进行学习，仿真结果表明：多层的模糊神经网络结构和行为融合的策略能很好地实现在不确定环境下AGV的导航行为，说明机器人能合理地躲避路障到达目标。关键字：AGV；避障；行为融合；导航；模糊神经网络；超声波传感器Navigat

3、ionResearchofAGVbased—onmulti-sensorsbehaviorsfusionAbstractMobilerobotisoneoftheimportantbranchesintherealmofrobotics，itsmainaimistheresearchonthereal—timecontrolproblemofrobotsystemiflthecomplicatedenvironment，concerningthekeytechniquesabouttaskplanning，movementplannin

4、gandnavigation，goalidentifyingandorientation，robotvision，multi-sensorsinformationmanagementandfusionaswellassystemintegration．Thepapermostlystudiesmobilerobotnavigationtechnique，introducesthetheory，methodandapplicationofmulti—sensorsinfurmationfusioninnavigationsystem．Al

5、sothemixedsystemstructureispresentedbased．onbehaviorsandonthebasisofitneuro—fuzzynetworkisappliedtorealizeAGVnavigation．Thethesisadoptsseveralultrasonicsensorstoacquireobstaclecharacteristicinformationinunknownenvironment．throughinformationfusionitcaneliminatesingledatau

6、ncertaintysoastogetexactenvironmentdata．enhanceAGVfault-tolerantability．Simultaneously，weselectthestructurebased—oilbehaviormix—systemtosolvethefeedbackdelayproblembased．onfunctionaldecompositionstructure，itcanresolvethelowerintelligentproblembasedonthebehaviorreactionsy

7、stemstructure，alsoweanalyzetheelementarybehaviorsoftheAGVnavigationindetailandestablishthefuzzyrulesofobstacleavoidance．goaltracking．wallfollowingandemergencybrake．0nthisbasis，thenavigationsystemwithbehaviorsfusionisdesignedbased—onmulti．sensors．Alsotheneuro．fuzzynetwork

8、isusedtostudytherules．TheSimulationresultsdemonstrate协atneuro-fuzzynetworkandbehaviorfusiontacticsbestr