内容发布更新时间 : 2025/6/11 23:07:19星期一 下面是文章的全部内容请认真阅读。
山东建筑大学毕业论文
学模型。网络依赖于复杂的系统，通过调整内部之间的联系，以实现节能的目的和完成信息处理。
优点：人工神经网络算法研究始于20世纪40年代，是在现代生物学研究人脑结构和功能成果的基础上提出来的。它作为一个高度并行的分布式系统，能较好地模拟人的形象思维，具有大规模并行协同处理能力、较强的容错能力、联想能力和较强的学习能力。该方法具有鲁棒性强等优点，在智能自主移动机器人路径规划中的应用已显示出其优越性。
缺点：神经网络中的权值设定比较困难。 2.5.2 人工神经网络算法理论基础
在人工神经网络路径规划算法中设计了一个检测器，它实际上是一个神经网络分类器。利用检测器在路径规划的过程中始终检测着路径点的位置(x,y)，由神经网络分类器判断该点是否在障碍物内即是否与障碍物相碰并将检测结果返回系统神经网络分类器就是在路径点到一个障碍物的罚函数的神经网络中间层和顶层结点的激发函数取为阶跃函数8则中间层的每个结点是决定该结点是否满足它的限定条件，若满足，则输出1，否则输出为0，若所有中间点均满足则顶层输出为1，它表示该点在障碍物内8若中间点检测出其中至少有一个不满足限制条件，顶层输出便为0，它表示该点在障碍物外。系统根据检测器返回的信息选择路径点的动态运动方程，若路径点在障碍物内则按动态运动方程（2.11）、（2.12）移动。若路径点在障碍物之外，则按动态方程（2.13）移动。即若路径点在障碍物外或障碍物内的路径点一旦移出了障碍物就仅按减少路径长的方向移动，不再向远离障碍物的方向移动，从而使路径能快速收敛到无碰的最短路径。
下面给出改进的快速神经网络最短路径规划算法，在此作了3点假设：障碍物是多边形围成的平面图形或者是圆形的平面图形；机器人为圆形点机器人，计算时障碍物的尺寸按机器人的半径作了适当拓展；障碍物为静止的。
步骤1：输入出发点P(x1,y2)，及目标点P(xN,yN)的坐标，对于t=0，初始路径一般取为出发点到目标点的直线上均匀分布的点列,当x1?xN时有公式(2.11)：
xi?x1?i?xN?x1???N?1?
yi?(yxN?y1)(i?(i?2,?3,?,N1?x?)N?x?1?x1)y （2.11）
- 16 -
山东建筑大学毕业论文
步骤2：对于路径点P(xi,yi),i?2,3,?,N?1用检测器检测是否在障碍物内。 步骤3：① 若P(xi,yi)在障碍物内8则按下列运动方程移动。 方程(2.12)为：
xi???1(2?(l2x?ix???1ix1?)ik?c?f((I))(?f?Hm((IHm)ik)?xm))K??kOiM
k?1m?1yi???1(2?l(2yi?yi?1?yi?1)?k?c?f((I))(?f?Hm((IHm)ik)?ym))K? (2.12)
?kOiMk?1m?1方程(2.13)为：
xi???1(?2l(2?ix??i?x1?x?1)i(H(Ii?))(Px))i ? （2.13）
yi???1(?2l(2??1?y?1)iy?iyi?cf?((OIi)?)?fH?cf?((OIi)?)?fH(H(Ii?))(Qiy))其中方程(2.12)用于P(xi,yi)位于多边形的障碍物内的情况，方程(2.13)用于P(xi,yi)位于圆心在(P,Q)的圆形障碍物内的情况。
② P(xi,yi)若在障碍物之外，则按运动方程(2.14)移动：
xi???2(2?xi1) (2.14) ?yi???2(2y?i?yi?1?yi1)?i??
x?1xi步骤4：重复执行步骤2，步骤3直到路径