基于自组织LMBPNN的移动机器人路径规划器

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (25): 28-29.

基于自组织LMBPNN的移动机器人路径规划器

范红¹，黄洪琼²

1.上海海事大学物流工程学院电气自动化系，上海 200135
2.上海海事大学信息工程学院，上海 200135

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-09-01 发布日期:2007-09-01
通讯作者: 范红

Obstacles avoidance path planning method based SOM-LMBPNN for mobile robot

FAN Hong¹，HUANG Hong-qiong²

1.Electrical Department of Logistic College，Shanghai Maritime University，Shanghai 200135，China
2.Information Engineering College，Shanghai Maritime University，Shanghai 200135，China

Received:1900-01-01 Revised:1900-01-01 Online:2007-09-01 Published:2007-09-01
Contact: FAN Hong

摘要/Abstract

摘要： 提出一种自组织LMBP神经网络，并将之用于移动机器人免碰路径规划。该算法首先用基于距离传感器的底层局部路径规划器生成初始路径，然后用自组织神经网络将该路径进行样本数据分类，之后将自组织神经网络的权值作为LMBP的输出样本，移动机器人的起始点与目标点作为LMBP神经网络的输入样本进行学习。这样，不但解决了三层LMBP样本若庞大则增加存贮、运行成本，以及数据冗余问题，并且随着机器人对未知环境探索的增多，所构建的地图越趋丰满。仿真结果说明该方法很好效。

关键词: 自组织LMBP网络, 免碰路径规划, 移动机器人

Abstract: This paper presents a path-planning algorithm based on a self-organizing feature map-Levenberg-Marquardt Backpropagation Neural Network（SOFM-LMBPNN） for a mobile robot with static obstacles environments.The algorithm generates a original path using a base path planner based on range sensors firstly，then classifies the path using a one-dimensional self-organizing feature map neural network，lastly trains the LMBPNN with the start configuration and goal configuration as the input samples and the weights of the SOMFNN as the output samples.This algorithm not only reduces the cost of the store and operation，but also solves the problem of the redundancy samples to some degree.The simulation experiments verify the efficiency of this algorithm.

Key words: SOM-LMBPNN, obstacles avoidance path planning, mobile robot

范红¹，黄洪琼². 基于自组织LMBPNN的移动机器人路径规划器[J]. 计算机工程与应用, 2007, 43(25): 28-29.

FAN Hong¹，HUANG Hong-qiong². Obstacles avoidance path planning method based SOM-LMBPNN for mobile robot [J]. Computer Engineering and Applications, 2007, 43(25): 28-29.

[1]	王迪，李彩虹，郭娜，刘国名，高腾腾. 基于模糊势场法的移动机器人局部路径规划[J]. 计算机工程与应用, 2021, 57(6): 212-218.
[2]	蒋林，方东君，雷斌，李维刚. 单目视觉移动机器人导航算法研究现状及趋势[J]. 计算机工程与应用, 2021, 57(5): 1-9.
[3]	杨凌耀，张爱华，张洁，宋季强. 栅格地图环境下机器人速度势实时路径规划[J]. 计算机工程与应用, 2021, 57(24): 290-295.
[4]	张子然，黄卫华，陈阳，章政，李梓远. 基于双向搜索的改进蚁群路径规划算法[J]. 计算机工程与应用, 2021, 57(21): 270-277.
[5]	涂睿，王文格，卢成阳. 移动机器人实时采样路径重规划[J]. 计算机工程与应用, 2021, 57(20): 157-163.
[6]	林韩熙，向丹，欧阳剑，兰晓东. 移动机器人路径规划算法的研究综述[J]. 计算机工程与应用, 2021, 57(18): 38-48.
[7]	王科银，石振，杨正才，杨亚会，王思山. 改进强化学习算法应用于移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 270-274.
[8]	李二超，齐款款. 改进双向蚁群算法的移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 281-288.
[9]	华洪，张志安，施振稳，陈冠星. 动态环境下多重A*算法的机器人路径规划方法[J]. 计算机工程与应用, 2021, 57(10): 173-180.
[10]	郭娜，李彩虹，王迪，张宁，刘国名. 结合预测和模糊控制的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(8): 104-109.
[11]	周睿慜，李辉. 改进动态规划算法的移动机器人路径规划[J]. 计算机工程与应用, 2020, 56(21): 20-24.
[12]	侯锐，卜旭辉. 任意初始位置机器人领航跟随型迭代学习编队[J]. 计算机工程与应用, 2020, 56(20): 226-231.
[13]	冯爱兰，杨腾，孔继利. 移动机器人履行系统的订单处理研究[J]. 计算机工程与应用, 2020, 56(20): 243-250.
[14]	高扬，刘江，李鹍鹏. 路径规划的可定位性研究[J]. 计算机工程与应用, 2020, 56(18): 58-62.
[15]	杨爽，曾碧，何炜婷. 融合语义激光与地标信息的SLAM技术研究[J]. 计算机工程与应用, 2020, 56(18): 262-271.