狭隘环境的路径避碰规划是地面自主车(Autonomous Land Vehicle,ALV)自主导航的关键技术之一,是指在各种复杂的地面环境中,无需人工干预就可以自主完成各种工作。自主地面车ALV最初由马丁·玛丽埃塔公司研制,该车的主要部件有视觉系统、导航系统和装载平台。由于ALV工作环境复杂,本文仅就导航方面『,对自主地面车在狭隘环境下的避碰能力进行了研究,主要解决ALV在狭隘环境下的早熟收敛、局部最优解、占据存储空间较大、收敛数度慢等问题。
学习分类器是基于信用分配的强化学习机制和基于遗传算法(GA)的规则发现机制。本文提出融合LCS的衍生系统XCS和LS-SVM算法,通过对环境的学习和反馈来解决ALV的路径避碰规划问题,设计了在狭隘环境下的集成适应度函数,改进设计了新的遗传算子。仿真实验结果也表明XCS和LS-SVM结合用于ALV的路径避碰是高效的。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !