典型文献
具有光滑-直行功能的Q-Learning路径优化算法
文献摘要：
移动机器人作业路径的合理规划是其安全高效完成作业任务的关键.现有的路径规划算法大部分是基于已知全局环境信息后,再进行路径规划.因此,针对移动机器人在静态未知环境中的路径规划问题,提出了一种具有光滑-直行功能的Q-Learning(SSQL)算法并将其用于移动机器人的路径规划中.该算法在提高Agent学习效率的同时可确保路径为光滑连续的最短曲线,以改善其行走动力学性能及效率.SSQL算法包括三个主要新方案:首先,基于Q-Learning算法对未知环境进行预探索,在Agent首次找到目标点后,依据预探索信息,构建虚拟矩形环境,并在其内部增加引导Q值,以提高Agent学习效率.同时,将Agent找到的路径进行跳点优化,以达到消除冗余路径、减少路径转折点和缩短路径长度的目的.进而,在路径转折位置采用贝塞尔曲线进行路径平滑处理,并使最终路径能满足移动机器人动力学约束.将该算法与Q-Learning算法在不同环境下进行对比试验,研究结果表明,SSQL路径规划算法对大型未知环境的探索表现出优异的优化效果,具有收敛速度快,规划的路径短、转折点少等优点,且能确保移动机器人沿规划路径作业的平滑性和安全性.
文献关键词：
移动机器人;Q-Learning;引导Q值;跳点优化;贝塞尔曲线;路径平滑
中图分类号：
作者姓名：
段书用;章霖鑫;韩旭;刘桂荣
作者机构：
省部共建电工装备可靠性与智能化国家重点实验室(河北工业大学) 天津 300401;辛辛那提大学航空工程和机械工程系 辛辛那提 45221美国
文献出处：
引用格式：
[1]段书用;章霖鑫;韩旭;刘桂荣-.具有光滑-直行功能的Q-Learning路径优化算法)[J].机械工程学报,2022(11):72-87
A类：
SSQL,跳点优化
B类：
直行,Learning,路径优化算法,移动机器人,合理规划,安全高效,作业任务,路径规划算法,环境信息,未知环境,规划问题,Agent,学习效率,走动,动力学性能,新方案,预探,标点,矩形环,转折点,短路,路径长,贝塞尔曲线,路径平滑,平滑处理,动力学约束,不同环境,优化效果,收敛速度,规划路径,平滑性
AB值：
0.278265
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
