动态未知环境下一种Hopfield神经网络路径规划方法
樊长虹
陈卫东
席裕庚
1.上海交通大学,自动化研究所,上海,2000302.上海交通大学,自动化研究所,上海,2000303.上海交通大学,自动化研究所,上海,200030
摘要：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(Hopfieldneural 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.
关键词：移动机器人动态未知环境路径规划时延神经网络约束距离变换交献标识码:A
分类号：TP242(自动化技术及设备)
资助基金：国家高技术研究发展计划(863计划)(2001AA4221)国家自然科学基金(69889501)国家自然科学基金(60105005)
论文发表日期：2004-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 345-350 )
英文信息