论文总字数：40675字

摘 要

近年来随着科技的快速发展，移动机器人逐渐走进了人们生活、工作的方方面面，而对于提高移动机器人普及适用性的关键技术是其自主导航避障的相关技术。随着人工智能领域的研究不断深入，利用神经网络进行移动机器人的智能控制逐渐成为研究热点，其中涉及了机器学习、图像处理以及深度学习等多方向领域知识，而对于神经网络本身也有第三代脉冲神经网络的出现，研究此类技术在移动机器人甚至无人机等其他相关领域具有很高的应用前景。本文研究了利用视觉传感器完成对障碍物的检测，并实现自主避障的控制功能，其中对障碍物检测是基于卷积神经网络模型的学习训练，自主避障部分是基于脉冲神经网络的关联控制器。同时为了测试算法，本文设计了一个基于V-REP的移动机器人仿真环境，与Python脚本进行通讯实现算法实验。

首先，本文讨论了人工神经网络的基本组成，以及其中的关键理论知识，对基本的神经元模型进行了比较选择。

其次，本文详细介绍了用于障碍物识别的卷积神经网络的结构设计，其利用反向传播算法进行学习训练。为了提高网络的泛化能力和训练速度，本文提出了Dropout和网络预训练两种方法。

同时，本文研究了利用脉冲神经网络对移动机器人进行关联控制，将障碍物记录信息转化为环境感知矩阵，并进行脉冲编码输入具有无监督学习能力的脉冲神经网络，训练得到控制脉冲。

最后本文通过实验实现能够检测出仿真环境中障碍物的卷积神经网络模型，以及具有一定效果的脉冲神经网络关联控制器，关联神经网络具有很好的应用潜力。

关键词：障碍物检测，卷积神经网络，脉冲神经网络，关联控制

Abstract

This paper studies the use of visual sensors to complete the detection of obstacles, and realize the control function of autonomous obstacle avoidance. The detection of obstacles is based on the convolutional neural network model of learning and training, and the part of autonomous obstacle avoidance is the associative control based on pulsed neural network. Device. At the same time, in order to test the algorithm, this paper designs a mobile robot simulation environment based on V-REP and communicates with the Python script to implement algorithm experiments.

First of all, this paper discusses the basic composition of artificial neural network, and the key theoretical knowledge, and compares and selects the basic neuron model.

Secondly, this paper describes in detail the structural design of convolutional neural networks for obstacle recognition. It uses back propagation algorithm for learning and training. In order to improve the generalization ability and training speed of the network, this paper proposes Dropout and network pre-training methods.

At the same time, this paper studies the associative control of mobile robots by using pulsed neural network, transforms the obstacle record information into the environment sensing matrix, and performs pulse coding to input the pulse neural network with unsupervised learning ability. The control pulse is obtained by training.

In the end, this paper achieves a convolutional neural network model that can detect obstacles in the simulation environment through experiments, and a pulsed neural network association controller with certain effects. The associated neural network has a good potential for application.

KEY WORDS: Obstacle recognition, Convolutional neural network, Spiking neural network, Associated control

目 录

摘要

Abstract

第一章 绪论 1

1.1研究背景 1

1.2国内外移动机器人发展现状 1

1.3机器人导航避障技术及其发展 2

1.3.1自主导航避障方法 2

1.3.2自主导航避障技术发展现状 3

1.4关联神经网络在自主导航避障上的应用 4

1.5论文研究内容及结构安排 4

第二章 人工神经网络模型 6

2.1引言 6

2.2单个神经元 6

2.3简单BP神经网络 9

2.4人工神经网络的学习算法 10

2.4.1回归模型 10

2.4.2反向传播算法 12

2.5本章小结 15

第三章 基于卷积神经网络的障碍物识别算法 16

3.1引言 16

3.2卷积神经网络设计与实现 16

3.2.1网络结构设计 17

3.2.2局部连接 18

3.2.3权值共享 18

3.2.4池化 19

3.3卷积神经网络的反向传播算法 20

3.3.1输出层残差计算 20

3.3.2池化层反向传播残差计算 20

3.3.3卷积层反向传播残差计算 21

3.3.4卷积神经网络梯度计算 22

3.4提升泛化能力和训练速度 23

3.4.1使用Dropout机制 23

3.4.2网络预训练 24

3.5本章小结 24

第四章 基于脉冲神经网络的关联控制算法 25

4.1引言 25

4.2适应关联的障碍物感知信息模型 25

4.3脉冲神经网络神经元模型选择 26

4.3.1方向输出神经元传入脉冲影响的电位 26

4.3.2方向输出神经元的膜电位 27

4.3.3方向输出神经元的脉冲产生 27

4.4脉冲神经网络关联控制器结构设计 27

4.4.1关联控制器输入 27

4.4.2脉冲神经网络关联车轮转速 28

4.4.3关联控制器网络结构设计 28

4.6使用STDP的无监督学习方式 29

4.7本章小结 30

第五章 基于V-REP的自主机器人导航避障实验 31

5.1机器人仿真实验及算法平台 31

5.1.1机器人仿真平台 31

5.1.2算法实现平台 32

5.1.3二轮差速运动机器人运动模型 32

5.2基于卷积神经网络的障碍物识别实现 33

5.2.1训练数据采集 33

5.2.2训练过程 34

5.2.3神经网络可视化分析 34

5.3基于脉冲神经网络的关联控制器实现 36

5.3.1神经网络关联步骤 36

5.3.2无监督学习训练方法 37

5.3.3实验关联控制分析 38

本章小结 39

结 论 40

致 谢 41

参考文献 42

第一章 绪论

1.1研究背景

自20世纪80年代起，学术界对机器人的智能行为开始了初步的探索，通过研究机器人的体系结构和信息处理积累了丰富的智能机器人研制经验，同时全球移动机器人的研究与开发也受到了积极的影响。进入90年代后，我们在生活中能够越来越多地看到自主移动机器人的身影。近年来，人工智能领域、大规模数据计算领域的技术不断革新，与之相关的移动机器人智能技术也在飞速发展，与之相关的应用也逐渐浮现在人们眼前，这不但引领智能化时代的前进，而且创造了许多与之有着紧密联系的研究热点^[1]。移动机器人与人类的生活息息相关，智能化机器人更是可以改变人类社会状态的关键产品，其中蕴含的传感信息融合技术、AI技术、机械动力学技术、大规模数据计算技术等多学科融汇知识^[2]。当前，具有智能自主行动能力的移动机器人具有非常广阔的研发空间和普及潜力。

在世界工业发展趋势来看，机器人领域同时是各国的重点竞争领域，美国在2011推出《国家机器人计划2.0》^[3]的国家战略计划，欧盟在2014年启动了《欧盟机器人研发计划》^[4]，之后日本也在2015年推出了《机器人新战略》，中国在“中国制造2025”战略计划中也提出要大力发展机器人产业。我国不仅要在传统机器人行业研发追赶其他工业先进国，更需要在自主移动机器人领域实现人工智能方面的弯道超车，因此开展机器人自主导航避障的研究是有必要的。

剩余内容已隐藏，请支付后下载全文，论文总字数：40675字