1. 网站首页
  2. 社区
  3. 论坛
  4. 博客

基于学习分类器的自主地面车在狭隘环境中路径避碰规划

资料大小: 0.74 MB 所需积分: 2 下载次数: 用户评论: 0条评论,查看 上传日期: 2018-01-05 上 传 者: 程林他上传的所有资料

资料介绍

标签:路径规划(26)分类器(27)
  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。

用户评论

查看全部 条评论
发表评论请先 , 还没有账号?免费注册

发表评论

用户评论
技术交流、我要发言! 发表评论可获取积分! 请遵守相关规定。
上传电子资料
鸿运国际手机欢迎你