柴油發(fā)動機拉缸的形成機理研究-畢業(yè)名師(完整版)資料

柴油發(fā)動機拉缸的形成機理研究畢業(yè)名師（完整版）資料(可以直接使用，可編輯優(yōu)秀版資料，歡迎下載）

柴油發(fā)動機拉缸的形成機理研究畢業(yè)名師（完整版）資料(可以直接使用，可編輯優(yōu)秀版資料，歡迎下載）目錄內(nèi)容摘要及關鍵詞………………2拉缸形成的機理及拉缸表現(xiàn)跡象…………3造成發(fā)動機拉缸的原因……………………4超負荷………………4活塞組問題…………4發(fā)動機溫度過高……………………5機油不足與變質(zhì)……………………6活塞銷與活塞裝配過緊……………6修理裝配錯誤………6活塞環(huán)折斷…………6三、防止發(fā)動機的拉缸措施……………………6操作手必須嚴格遵守操作規(guī)程……6在修理裝配方面，必須嚴格遵守技術標準和工藝要求…………7四、拉缸的不同情況的應急處理、臨時措施和預防對策……7拉缸的應急處理……………………7應對拉缸的臨時措施及預防對策…………………7五、結論………………………8參考文獻………………………9致謝………………………10內(nèi)容摘要拉缸現(xiàn)象是發(fā)動機在生產(chǎn)、運行工作中一種危害性很大也很常見的發(fā)動機故障。拉缸時候產(chǎn)生的磨損量很大，可達到正常磨損的幾十甚至幾百倍。柴油機的拉缸根據(jù)損傷的程度輕緩不同可以分為擦傷、劃傷、和咬死等幾種故障。前兩者是屬于輕微的拉缸行為，通?？勺孕行迯?。若及時發(fā)現(xiàn)情況，排除故障?？梢员苊獯蟮穆┒春蛽p失。若拉缸逐步嚴重，造成活塞與氣缸壁粘連，輕者損壞活塞和氣缸，重者咬死活塞，活塞卡死在缸套里，柴油機熄火，搖轉曲軸不動，而拉斷活塞或連桿、打壞機器、以致造成重大事故。本文主要根據(jù)多年工作經(jīng)驗對拉缸形成的機理進行分析以及拉缸應該采取的應對措施。關鍵詞：拉缸活塞氣缸咬死柴油發(fā)動機拉缸的形成機理研究一、拉缸形成的機理及拉缸表現(xiàn)跡象現(xiàn)代研究表明，柴油機活塞環(huán)缸套(結構如圖1所示)的潤滑狀態(tài)處在混合潤滑模型狀態(tài)，即有時處于流體潤滑狀態(tài)、有時處于邊界潤滑狀態(tài)。拉缸故障產(chǎn)生的內(nèi)部機理籠統(tǒng)地說是汽缸內(nèi)壁與活塞環(huán)、活塞之間的工作表面具有一定的硬度和表面粗糙度，在一定溫度條件下相互配合工作，機油起著潤滑、冷卻、清洗和密封的作用。圖1活塞環(huán)鋼套結構若由于某種原因，油膜變薄或遭到破壞，因潤滑不良出現(xiàn)干摩擦或半干摩擦，造成局部高溫粘附磨損的過程。而活塞與缸套之間的潤滑油膜惡化中斷是產(chǎn)生拉缸的必要前提。由于活塞與缸套之間的潤滑油膜一旦中斷，則兩者表面的金屬由原來的液體摩擦變成固體間的干摩擦或半干摩擦，由于摩擦副表面的高速運動產(chǎn)生的摩擦熱，這樣的熱量積累的高溫會超過金屬的熔點，引起活塞或活塞環(huán)與缸套表面發(fā)生顯微熔化、撕脫并最終焊接在一起。活塞運動時兩表面熔焊點又被該力扯斷拉開隨之冷卻，這樣就出現(xiàn)了一個表面的材料轉移黏附在另一滑動面上形成堅硬層或脫落為磨料。如果油膜能及時得到補救恢復，可起到清洗和冷卻作用，則溫度下降，微小熔著部分脫落而不會擴展，如果油膜恢復遲緩，熔著擴展將導致大范圍異常磨損，缸壁、活塞，活塞環(huán)急速受到嚴重損傷，在缸壁表面上呈現(xiàn)熔融流動狀態(tài)，顯出不均勻、不規(guī)則邊緣的溝痕和褶皺，持續(xù)發(fā)展而產(chǎn)生拉缸。另外，從發(fā)動機機油和空氣管路進入摩擦區(qū)的硬質(zhì)微粒造成的損壞，也會促進拉缸情況的發(fā)生。另一些學者則認為“摩擦界面溫度升高導致粘著，摩擦副表面的強烈摩擦導致硬化表面的強烈摩擦導致硬化相的破裂甚至折斷等因素是產(chǎn)生拉缸的根本原因。拉缸首先在接觸載荷較大的局部區(qū)域發(fā)生，再進一步擴展，從磨損機理來看是從正常磨損到嚴重磨粒磨損的突變。直觀地說就是兩個摩擦表面之間由于沒有油膜存在而產(chǎn)生的一種局部金屬熔接現(xiàn)象，這種形式的金屬表面損壞是熔著磨損。氣缸壁、活塞和活塞環(huán)的表面都具有一定的硬度和表面粗糙度，3者在一定溫度條件下相互配合工作，機油起著潤滑、冷卻、清洗和密封的作用。若由于某種原因，活塞與缸壁之間的潤滑油膜受到局部的破壞，氣缸與活塞環(huán)組在潤滑不良的情況下滑動時，兩者有微小部分金屬面直接接觸，則兩種金屬由原來的液體摩擦變成固體間的干摩擦或半干摩擦，摩擦產(chǎn)生局部高溫，使之熔融粘著、撕脫，逐步擴展造成熔著磨損。如果油膜能及時恢復，可起到清洗和冷卻作用，則溫度下降，微小熔著部分脫落而不會擴展。如果油膜恢復遲緩，熔著擴展將導致大范圍異常磨損，缸壁、活塞、活塞環(huán)急速受到嚴重損傷，在缸壁表面上呈現(xiàn)熔融流動狀態(tài)，顯出不均勻、不規(guī)則邊緣的溝痕和皺褶，就會形成拉缸。拉缸的表現(xiàn)跡象大致可分為以下幾種：1.發(fā)動機聲音沉悶、異常，有噠噠噠或吭吭坑的異常聲響2.發(fā)動機有震動現(xiàn)象3.缸套和活塞拉傷，在壓縮和作功行程時氣缸中發(fā)生串氣現(xiàn)象、串機油嚴重、油消耗量增加4.溫度異常。排氣溫度上升、冷卻水溫度升高、潤滑油溫度明顯提高5.轉速不穩(wěn)定、啟動困難，運轉無力，功率不足二、造成發(fā)動機拉缸的原因（一）超負荷

新機械或剛大修出廠的機械都存在一個合理的磨合期，由于磨合期各配合面最最有利的工作表面和潤滑油膜還未形成，因此磨合期內(nèi)發(fā)動機轉速不應大于標定轉速的80%大負荷工作將造成摩擦面局部過熱產(chǎn)生高溫熔蝕粘附形成拉缸。（二）活塞組問題

由于活塞的膨脹系數(shù)比活塞環(huán)、缸套的膨脹系數(shù)大，如果間隙太小的話發(fā)動機工作時產(chǎn)生的高溫破壞活塞與缸套之間的油膜也能導致拉缸，設計問題主要有以下幾方面：1．活塞材料選擇或熱處理不當：活塞表面硬度對拉缸有極大的影響，如果活塞熱處理過程中升溫速度、淬火溫度和保溫時間等某一參數(shù)稍有偏差，則會產(chǎn)生表面硬度低，活塞的內(nèi)應力不能完全消除，使活塞金相組織處于不穩(wěn)定狀態(tài)，當活塞質(zhì)軟，熱膨脹系數(shù)大、高溫時強度差，發(fā)動機在高速運轉、機器溫度升高，機油稀薄的情況下，活塞受力面的合金很容易融化，使摩擦阻力增大，導致發(fā)動機自動熄火，熄火瞬間可能形成粘缸，如果熄火頻繁，氣缸很快就會被粘積的鋁合金層破壞，形成串氣，串煙，最后形成拉缸。２．活塞結構設計不合理：由于活塞在工作中受熱變形，所以為了使活塞在工作中能有一個合理的形狀，有理想的貼合面，所以某些活塞有個錐體，而設計不合理的錐度無法保證在大負荷下彌補活塞由于受熱，受力而產(chǎn)生的變形，拉痕為三角形和八字形的拉缸活塞，可能與錐度過小有關，還有鋁合金活塞在工作過程中由于受熱及受力和金屬分布不均等原因，會造成活塞在活塞銷軸線方向伸長，為了使活塞在工作時候膨脹留變形余地，在制造加工時候做成橢圓形。３．裝配間隙大?。夯钊推椎难b配間隙時嚴格按照規(guī)定的，間隙大了冷車時候會“敲缸”，同時可能造成串氣，串油等；間隙小了熱車時可能會“拉缸”，因此裝配活塞時應嚴格控制其配缸間隙。所以要測量好活塞的尺寸，從而保留合適的裝配間隙。如：圖2所示圖21：千分尺2：活塞（三）發(fā)動機溫度過高

適宜的工作溫度是柴油發(fā)動機高效運行的重要條件，發(fā)動機溫度過高將使活塞膨脹減小配合間隙，從而極易造成拉缸。而造成發(fā)動機溫度過高的原因是多方面的，主要包括：1．冷卻系統(tǒng)漏水、缺水。汽缸墊水道口沖壞或濕式缸套突出量不符合要求，以及濕式缸套水封圈老化或損壞都會造成冷水內(nèi)泄漏。散熱器遭腐蝕或破損，水管老化碰壞，水管接頭松動，水泵水封損壞等，都會引起冷卻水外泄漏。另外，氣缸蓋本身鑄造有缺陷或使用不當產(chǎn)生裂紋也會造成漏水，從而引起發(fā)動機溫度過高。2．長時間超負荷使用。發(fā)動機長時間超負荷使用，將使發(fā)動機產(chǎn)生大量的熱能，冷卻系統(tǒng)不能散去多余的熱量，這樣就維持不了發(fā)動機正常的工作溫度，使發(fā)動機產(chǎn)生高溫。3．節(jié)溫器失效無大循環(huán)。當水溫升到一定程度時，節(jié)溫器自動打開，水經(jīng)過散熱器循環(huán)，這就是冷卻水的大循環(huán)，如果節(jié)溫器失效，冷卻水無大循環(huán)，發(fā)動機工作產(chǎn)生多余的熱量就不能通過散熱器散發(fā)出去使發(fā)動機溫度過高。4．冷卻水泵損壞。強制冷卻水在發(fā)動機水套和散熱器之間進行循環(huán)靠的是冷卻水泵，冷卻水泵損壞冷卻水就不能循環(huán)，發(fā)動機產(chǎn)生產(chǎn)熱量也就沒法通過水循環(huán)散發(fā)到大氣中去，從而引起發(fā)動機溫度過高。5．水道或散熱器通風受堵。散熱器通風受堵影響散熱器的有效散熱面積，有效散熱面積減少散熱能力就下降，這些原因都會使發(fā)動機的多余熱量得不到散發(fā)而造成發(fā)動機溫度過高。6．噴油提前角過小或噴油量過大。噴油提前角過小使燃燒推后造成補充燃燒量增加，噴油量過大使燃燒產(chǎn)生的熱量增加，這兩種情況都會使發(fā)動機溫度過高。（四）機油不足與變質(zhì)

不按規(guī)定檢查機油量或在工作過程因機油管松動造成機油外漏，均可造成潤滑油膜中斷活塞與缸套表面失油，造成嚴重磨損發(fā)生拉缸、燒連桿軸承等嚴重事故。造成活塞與缸套表面機油供油不足的原因還有潤滑油路堵塞、活塞環(huán)與活塞邊緣刮油能力太強，把潤滑油刮掉造成潤滑油不足等。發(fā)動機潤滑油變質(zhì)造成活塞與缸套之間的潤滑條件惡化，磨損加快引起拉缸，造成潤滑油變質(zhì)的主要原因有冷卻水、燃油。（五）活塞銷與活塞裝配過緊

活塞銷與活塞裝配過緊，使活塞產(chǎn)生變形，形成反橢圓，改變了正常的標準間隙，形成局部間隙過小破壞油膜，引起干磨擦過熱拉缸。（六）修理裝配錯誤

修理裝配錯誤時漏裝活塞銷卡環(huán)或未完全裝入槽內(nèi)，發(fā)動機在工作時活塞銷竄出刮傷缸套造成拉缸。安裝時清潔工作差把金屬屑或硬物碎粒帶進缸里也會引起拉缸。另外，活塞環(huán)裝錯、裝反、漏裝均可造成拉缸?；钊h(huán)有油環(huán)和氣壞之分，油環(huán)主要是用來刮油，改善缸套潤滑條件。氣環(huán)主要是保證活塞與缸套的密封。根據(jù)工作條件以及承受壓力的不同，各道氣環(huán)在材料選用和結構設計方面有所不同，如把活塞環(huán)裝錯、裝反或漏裝均可造成密封不嚴或是沒有刮油作用，使缸套內(nèi)表面潤滑條件惡化造成缺油引起拉缸。

（七）活塞環(huán)折斷

壓彎活塞環(huán)折斷卡死在環(huán)槽內(nèi)將使環(huán)失去彈性，加速缸套的磨損引起拉缸。環(huán)折斷卡死的原因主要是環(huán)的開口間隙過小、活塞在缸套中偏斜、燃燒不良，使發(fā)動機經(jīng)常處于爆燃的狀況下運行。爆燃的高壓振動沖擊力超過了環(huán)的材料的抗沖擊強度引起活塞環(huán)折斷。其折斷一般發(fā)生在第一道環(huán)，其次是第二道環(huán)?；钊h(huán)卡死是由于燃燒時生成的積碳，尤其是竄機油或塵土、磨屑等堵塞在活塞環(huán)與環(huán)槽之間，是活塞環(huán)卡死在環(huán)槽中所致。此外，活塞、活塞環(huán)、缸套的質(zhì)量及材料對拉缸也有一定影響。

三、防止發(fā)動機的拉缸措施（一）操作過程中必須嚴格遵守操作規(guī)程

1．啟動前必須按規(guī)定檢查潤滑油、冷卻水是否符合規(guī)定，不足時需及時補足。保證良好的潤滑及冷卻根據(jù)季節(jié)氣溫的變化,應選擇發(fā)動機說明書要求的具有合適粘度的潤滑油,根據(jù)使用的工作環(huán)境情況,按期更換機油、機油濾清器和空氣濾清器,維護保養(yǎng)時,檢查機油壓力和機油冷卻噴嘴的工作情況,及時更換、調(diào)整。檢查判斷潤滑油是否變質(zhì)，潤滑油變質(zhì)應查明原因，排除故障后更換潤滑油。要嚴格執(zhí)行保養(yǎng)制度，按期進行例保、一級保養(yǎng)和二級保養(yǎng)。2．保證冷卻系工作良好,嚴禁高溫運行不可隨意拆去節(jié)溫器,正確選用防凍液,并定時檢查質(zhì)量和及時補充。3．遵守使用操作規(guī)程發(fā)動機起動后要進行怠速運轉預熱,待水溫上升到50℃左右時再起步運行,嚴禁冷機狀態(tài)下加大油門高速運轉,汽車應合理裝載、行駛中注意水溫和油壓。特別是新機和大修后的發(fā)動機在磨合期內(nèi)要適當減速、減載。通過采取以上措施,會大大地降低發(fā)動機拉缸的頻率,提高發(fā)動機的使用質(zhì)量,讓使用者取得良好的效益。4．遇有異常情況，如機油壓力低，水溫高等，應及時排除不帶病作業(yè)。（二）在修理裝配方面，必須嚴格遵守技術標準和工藝要求

1．對換新用的零件必須逐個進行檢測，把不符合標準的零配件剔除出去。2．安裝缸套時缸套要放平，壓力作用在缸套正中且慢慢加壓，勿用沖擊力。安裝完后檢測缸套與活塞裝配間隙是否符合規(guī)定的標準間隙?；钊h(huán)三隙（端隙、背隙、端隙）的檢查是組裝活塞連桿組的一個重點，端隙大小尤為重要，稍不慎就可能造成拉缸。檢查活塞環(huán)端隙的工藝要求是；將環(huán)放入缸套中，用活塞頂部將活塞環(huán)頂入缸套里，把環(huán)頂?shù)皆诨钊谐虄?nèi)最小直徑處測量。3．檢查活塞、連桿與曲軸安裝位置偏差情況、要求校正符合技術規(guī)范標準。4．市場上的活塞難辨優(yōu)劣，在裝配前最好進行消除應力處理，即將活塞放在60~80度的機油中加溫6小時，以消除應力，使活塞穩(wěn)定后在裝配使用。5．安裝活塞時各道環(huán)必須裝準位置，不能裝錯、裝反、漏裝，注意方向性，扭曲環(huán)內(nèi)圓切口朝上，外圓切口朝下，有標記的一面朝上。同時，再裝入缸套時必須清潔和加一定的潤滑油，各道環(huán)口應按規(guī)定錯開，第一道環(huán)開口與曲軸軸線成45度，余下各道的開口按90度、180度錯開。6．裝配完畢，必須經(jīng)15小時左右的熱磨合，試車磨合時應先低速運轉，然后才中速運轉，應注意響聲、機油壓力、水溫等情況，在確定無異常后再投入生產(chǎn)。四、拉缸在不同情況下應對措施（一）拉缸的應急處理：柴油機在使用過程中對我們來說，可根據(jù)拉缸的種種跡象采取應急措施。一般正確的操作方法是：先減速運行，然后逐漸卸去負荷，再過渡到停車狀態(tài)。停車后還應在未完成冷卻前盤一兩次車，防止汽缸被咬死。具體步驟如下：1．將手柄退回一格或者數(shù)格，從而減少供油，降低主機運轉速度。2．用專用工具把事故發(fā)生的汽缸油泵柱塞抬起，使該缸暫時停止噴油。3．搖動該缸的注油器，加強活塞與汽缸之間的潤滑。4．打開該缸的示功閥，釋壓放出汽缸內(nèi)的氣體及污物。5．加強活塞的冷卻，以便把活塞的熱量部分帶走，防止活塞與缸套咬死。切不可加強缸套的冷卻，否則汽缸冷卻收縮，把活塞咬死，引發(fā)更大事故。（二）應對拉缸的臨時措施及預防對策：拉缸產(chǎn)生的因素是多方面的，而針對某一具體拉缸的情況有各種不同的原因，針對這些原因應采取的對策也各不相同。根據(jù)多年工作中遇到的情況進行分析。1．如有發(fā)現(xiàn)異常磨損、劃痕嚴重，有外界硬微粒成為磨料等狀況，可能的原因是：(1)燃油系統(tǒng)不清潔；(2)汽缸潤滑油系統(tǒng)不清潔；(3)啟動空氣系統(tǒng)不清潔；(4)零件加工階段清潔處理不好。此時建議采取的對策：維護好潤滑系統(tǒng)，防止機械雜質(zhì)和積碳混入機油和燃油內(nèi)，在使用中對三濾(機油濾清器、燃油濾清器和空氣濾清器)要及時而且正確的維護和清洗。加強裝配的清潔度，嚴防灰塵吸入汽缸內(nèi)。2．如有發(fā)現(xiàn)活塞裙部擦傷的狀況，那么可能的原因是：(1)活塞裙部結構設計不合理；(2)活塞材料選擇不當，熱處理方式不當，材料線膨脹系數(shù)大；(3)配缸間隙過小。我們建議采取的對策是：正確履行磨合工藝，其中包括冷磨合、空載熱磨合等等。對活塞的結構進行重新設計或適當切削拉缸的部位；選用合適的活塞材料；選用適當?shù)臒崽幚砉に嚕贿x擇正規(guī)廠家生產(chǎn)的汽缸、活塞組件，并配以適當間隙的活塞環(huán)。3．如發(fā)現(xiàn)活塞環(huán)卡死，膠結等情況發(fā)生，那么可能的原因是：(1)活塞環(huán)間隙過??；(2)活塞環(huán)嚴重積碳(汽缸潤滑油質(zhì)量不好或油量過多)；(3)活塞頭部過熱(活塞冷卻不良)；可以采取的對策是：正確選擇活塞環(huán)的開口間隙和邊間隙，使用合適的潤滑油，定期更換潤滑油并保證一定的液面高度；注意檢查刮油環(huán)的情況，從而保證能在缸壁上形成油膜。改善活塞的冷卻條件，清理冷卻系統(tǒng)中的污垢，保證最好的冷卻效果；合理操作使用發(fā)動機，不超負荷工作。另外，注意主機的冷卻適中，保持正常的工作溫度，避免主機長時間超負荷運行。參照柴油機使用說明，定期拆開檢查、清洗、更換易受損部件。以上處理方法，主要圍繞拉缸涉及的成因入手分析，而采取的對策針對原因展開，我們應該從基礎和根本上加強對柴油機嚴謹科學的系統(tǒng)設計，合理細致的維護保養(yǎng)和規(guī)范的管理使用，并進一步提高柴油機燃燒室各零部件的潤滑質(zhì)量，才是防止、避免發(fā)生柴油機拉缸故障的最佳方法。五、結論總之，只要充分認識到造成發(fā)動機拉缸的原因，嚴格遵守操作規(guī)程并有針對性的進行使用與維護，就一定能減少和避免拉缸故障的發(fā)生，提高機械設備的完好率并將低使用成本。參考文獻：[1]張慶榮、李太杰，工程機械修理學[M].北京：人民交通出版社，1986.6.[2]嚴立、余憲海，內(nèi)燃機磨損可靠性技術[M].北京：人民交通出版社，1992.6.學號2021041431密級___________哈爾濱工程大學本科生畢業(yè)論文移動機器人環(huán)境自適應的自主規(guī)劃方法研究院（系）名稱：自動化學院專業(yè)名稱：自動化學生姓名：張瑞豐指導教師：王宏健哈爾濱工程大學2021年6月移動機器人環(huán)境自適應的自主規(guī)劃方法研究移動機器人環(huán)境自適應的自主規(guī)劃方法研究張瑞豐哈爾濱工程大學學號2021041431密級___________移動機器人環(huán)境自適應的自主規(guī)劃方法研究ResearchonEnvironmentalAdaptiveAutonomousPlanningMethodforMobileR學生姓名：張瑞豐所在學院：自動化學院所在專業(yè)：自動化指導教師：王宏健職稱：教授所在單位：哈爾濱工程大學論文提交時間：2021年6月日論文答辯時間：2021年6月日學位授予單位：哈爾濱工程大學摘要作為一項高新科技，如今移動機器人已經(jīng)被應用于各種生產(chǎn)生活當中。在其面對不同的工作環(huán)境時想要完成任務必須擁有適應環(huán)境的自主規(guī)劃方法，因此環(huán)境自適應的自主規(guī)劃方法的研究對于移動機器人實現(xiàn)作業(yè)是極其重要的。本文針對移動機器人的路徑規(guī)劃問題展開研究，面向部分已知的環(huán)境，運用以波函數(shù)表述粒子狀態(tài)的量子行為粒子群優(yōu)化算法完成機器人的路徑規(guī)劃問題求解。首先，基于粒子群優(yōu)化算法和量子粒子群優(yōu)化原理，通過對比粒子群優(yōu)化與量子行為粒子群優(yōu)化的優(yōu)缺點，選用具有量子行為的QPSO算法用于問題求解；其次，運用MATLAB建立了部分已知的環(huán)境模型，根據(jù)路徑安全性需求，提出粒子有效性的檢驗方法，解決了因無效粒子的存在容易導致量子粒子群算法應用于路徑規(guī)劃求解時陷入局部最優(yōu)解甚至規(guī)劃失敗的問題；再次，設計了基于路徑長度為目標優(yōu)化函數(shù)和量子粒子群優(yōu)化路徑算法流程；最后，通過量子粒子群參數(shù)尋優(yōu)實驗，獲得一組優(yōu)化量子粒子群控制參數(shù)，并完成了MATLAB不同仿真環(huán)境條件下移動機器人路徑規(guī)劃的仿真驗證。經(jīng)過仿真實驗證明：本文提出的算法可以使移動機器人在復雜的工作環(huán)境中優(yōu)化出一條安全路徑，說明將量子行為粒子群優(yōu)化算法應用于移動機器人環(huán)境自適應的自主規(guī)劃問題可以取得較好的效果。關鍵詞：移動機器人；路徑規(guī)劃；粒子群優(yōu)化；量子粒子群優(yōu)化ABSTRACTAsahigh-tech,theappliedrangeofmobilerobotexpandedwidelyinrecentyears.Ifrobotswanttocompletethetaskindifferentworkingenvironment,theymusthavethecapacityofautonomousplanningmethodtoadapttheenvironment.Sothecapabilityofautonomousplanningmethodformobilerobotsplaysanimportantandbasicroleinroboticsresearch.Thispaperwasorientedmobilerobotspathplanninganditproposedsolutionstoavoidobstaclesinpartoftheenvironmentthatwasknown.ItusedthealgorithmofQuantumbehaviorparticleswarmoptimizationthatwasbasedonthewavefunctiontodescribethestateoftheparticletodesignautonomousplanningmethod.Firstly,thepaper,basedontheparticleswarmoptimizationandquantumparticleswarmalgorithm,balancetheexcellencesanddisadvantagesbetweenthetwoalgorithms,andthenchooseQPSOtosolvethequestion.Secondly,itestablishedmathematicalmodelingofthetargetenvironmentwithMATLABandanditputforwardsthemethodbyexaminingtheeffectivenessoftheparticlestoimproveinvalidparticlestoavoidfallingintothelocaloptimalintheapplicationsofQPSOpathplanningmethods.AndthenitdesignedtheflowchartofalgorithmbasedonthetargetpathlengthfunctionandQPSO.Finally,thepaperachieveasetofcontrolparametersbasedontheexperienceofthequantumparticleswarmoptimizationanditdevelopedrobotpathplanningsystemwhichwasbasedontheenvironmentofMATLAB.Visualexperimentsshowthattherobotpathplanningmethodwaspresentedinthisthesiswasefficiencyandaccuracy.Andthealgorithmforautonomousmobilerobotindependentprogrammingbasedonquantumparticleswarmoptimizationcanbeachieved.Keywords:mobilerobot;pathplanning;particleswarmoptimization;uantumparticleswarmoptimization

目錄第1章緒論 11.1課題研究的目的和意義 11.2移動機器人路徑規(guī)劃現(xiàn)狀 21.3群體智能的概況 6 7 81.4量子粒子群優(yōu)化算法國內(nèi)外發(fā)展現(xiàn)狀 9 9 111.5本文研究的主要內(nèi)容 161.6論文組織結構 17第2章量子行為粒子群優(yōu)化算法的基本原理 182.1引言 182.2優(yōu)化問題與優(yōu)化方法 182.3群體智能算法 19 20 212.4粒子群優(yōu)化算法與量子行為粒子群優(yōu)化算法的比較 242.5本章小結 26第3章基于量子粒子群算法的移動機器人路徑規(guī)劃算法設計 183.1引言 273.2移動機器人路徑規(guī)劃環(huán)境空間建模 27 27 28 303.3路徑規(guī)劃算法設計 32 32 32 32 33 333.4本章小結 35第4章移動機器人量子粒子群路徑規(guī)劃仿真實驗 184.1引言 364.2算法參數(shù)尋優(yōu) 364.3算法仿真實驗驗證與結果分析 40 40 40 42 424.4本章小結 44結論 45參考文獻 46致謝 49第1章緒論1.1課題研究的目的和意義移動機器人技術涉及許多研究領域，例如：自動控制原理、人工智能化技術、機械工藝及其制造技術、多傳感器數(shù)據(jù)融合技術、機電一體化以及仿生學等。兩院院士宋健曾指出：“機器人學的進步和應用是當代最高意義上的自動化[1]”。移動機器人技術代是代表高新科技前沿的發(fā)展技術，是未來科技的發(fā)展方向。因移動機器人技術的不斷發(fā)展受到人們的關注，對其研究已經(jīng)到達一個新的階段。移動機器人技術是國家工業(yè)化與信息化過程中的重要發(fā)展力，因其應用廣泛不僅在研究生產(chǎn)生活中起到了作用，而且為各種智能行為的產(chǎn)生、人類大腦思維的探索的研究提供了有效的工具和平臺[2]。將移動機器人以控制方式進行分類，大致可以分為三類，分別是全遙控機器人、半遙控機器人和全自主機器人。在三種類型中，全自主式移動機器人因為其對環(huán)境的自我感知能力及自我適應能力使得可以適應更廣泛的領域和更復雜的工作環(huán)境及任務[3,4]。如果移動機器人想要成功完成任務，就需要在各種復雜環(huán)境中找到可以完成任務的路徑，在行進的過程避免不必要的碰撞，進而到達指定目標點。移動機器人在運動過程中可以躲避物體正是其自適應性的體現(xiàn)，也是自主機器人的主要優(yōu)點。這種根據(jù)不同的外界環(huán)境，建立行為模型，實施決策躲避障礙物的行為不僅是移動機器人的基本能力，也可以使其在執(zhí)行任務的過程中避免受到不必要損傷，保證更好完成任務。按照固定的搜索方式以一定的標準找到可以使移動機器人從指定作業(yè)點到達目標點的方法是移動機器人自主規(guī)劃的主要任務。所以說，對移動機器人自主規(guī)劃的方法進行研究，無論在理論上和實踐應用中都有著非常重大的意義。自主規(guī)劃在實際應用中主要體現(xiàn)在路徑規(guī)劃上，從本質(zhì)上來看，路徑規(guī)劃問題是一種優(yōu)化問題，其目的就是想要使機器人能得到工作所需要的環(huán)境條件，研究路徑規(guī)劃方法在提高機器人的作業(yè)能力的同時也從一個方面提升了機器人的智能水平[3]。時至今日，在國內(nèi)外研究者對路徑規(guī)劃方法的探索中已經(jīng)誕生了許多具有代表性的方法，例如人工勢場法、模糊推理法以及遺傳算法等。這些方法無論在理論研究中還是在實際應用中都有著非常好的效果，但在一些方面他們也存在著不可避免的缺點。因此，這些方法都只能針對一些特定要求，在特定的環(huán)境中規(guī)劃出相對比較理想的路徑，而不能很好的滿足自主規(guī)劃的整體要求。因此，提出一個較為理想的方法用于路徑規(guī)劃對于移動機器人技術的發(fā)展有著相當重要的意義。1.2移動機器人路徑規(guī)劃現(xiàn)狀隨著機器人的不斷發(fā)展，它也越來越廣泛的被應用在各個領域之中，與此同時，對于機器人的“智能”的要求也越來越高，除了基本能力外，還需要機器人擁有面對周圍變換環(huán)境時的交互能力[4]。所以當移動機器人處在一個復雜的環(huán)境中時在最短的時間里規(guī)劃出可行的優(yōu)化路徑已經(jīng)是其在完成任務時的基本要求，除此之外，移動機器人在路徑規(guī)劃方面表現(xiàn)出的優(yōu)化能力也是其智能水平的一種體現(xiàn)。正因為路徑規(guī)劃問題的這種實用價值，導致國內(nèi)外的許多研究者對它都很感興趣。(1)布魯克林理工學院的F.Khorrami針對無人水下航行器的路徑規(guī)劃問題采用全局與局部分別分級規(guī)劃的路徑規(guī)劃方法取得了非常好的效果[5]。在全局規(guī)劃范圍通過高級規(guī)劃進行路徑規(guī)劃，通過傳感器獲得的數(shù)據(jù)進行局部的路徑規(guī)劃(圖1.1a為規(guī)劃結構圖)。通過手中已經(jīng)獲得的各種環(huán)境條件運用A*算法在柵格地圖中以距離和平滑度為依據(jù)進行全局路徑的路徑規(guī)劃，；局部運動規(guī)劃利用傳感器采集現(xiàn)在時刻環(huán)境，根據(jù)后的的信息通過算法規(guī)劃運動方向進行局部避碰，圖1.1b、1.1c為仿真結果。圖1.1a規(guī)劃結構圖圖1.1b圖1.1c(2)哈爾濱工程大學的潘洪悅針對無人水下航行器在水下進行路徑規(guī)劃問題提出一種基于粒子群優(yōu)化算法的改進辦法，算法中將海底的三維工作環(huán)境按照固定的距離進行分割，在改變PSO優(yōu)化算法的慣性權重的改變方式的基礎上對PSO優(yōu)化算法中粒子的迭代進化公式進行了新的定義，并且基于遺傳算法將其思想中的種群共享機制引入粒子群優(yōu)化算法中，對其進行了改進[6]。在文中將路徑規(guī)劃問題抽象成數(shù)學幾何問題，通過對路徑有效性的判斷進行最終路徑的篩選。在工作空間中將障礙物所在空間進行分割，選擇規(guī)劃路徑中的點，使點不在障礙物中或相鄰兩點連線不穿過障礙物，最后將選擇的路徑中的的各點依次連接便可以獲得最終路徑，如圖1.2a、1.2b。圖1.2c是實驗的仿真結果，實驗結果說明文中提出的建模方法以及所改進的算法可以為無人水下航行器在其工作的環(huán)境中設計一條無障礙的路徑。圖1.2a圖1.2b圖1.2c三維仿真實驗圖(3)上海交通大學張彪運用三維柵格地圖的方法解決了移動機器人在路徑規(guī)劃的過程中使用三維地圖所遇到的問題[7]。在算法中將算法進行拓展，并用拓展后的算法將激光掃描儀在三維空間內(nèi)掃描所得到的三維點云轉化成八叉樹結構的三維柵格地圖，并且在不忽略機器人尺寸的基礎上，直接在柵格中生成多條可以保證機器人安全的在工作環(huán)境中運動的路徑。在進行實物驗證的過程中，在工作環(huán)境內(nèi)設置若干障礙物，運用上述算法生成實驗中場景的三維柵格地圖（如圖1.3a、1.3b），對算法進行了驗證并生成了兩條路徑（如圖1.3c）。圖1.3a實驗中實際場景圖1.3b圖1.3c(4)重慶郵電大學的蒲興城將細菌覓食過程中的趨化行為應用到移動機器人的路徑。規(guī)劃過程中，提出了一種移動機器人路徑規(guī)劃的方法[8]。文中的算法仿照細菌的覓食過程及細菌的環(huán)境為移動機器人提供建模方法，結合智能機器人的自身傳感技術設計有效的趨向以及避障的系數(shù)，為機器人在簡單甚至復雜的環(huán)境下提供相應的運動路徑策略，實現(xiàn)實時導航任務的目的。研究者以高斯勢場作為移動機器人的工作環(huán)境，并在證明此法的有效性和可行性的基礎上進行了稀疏與稠密障礙物比對證明了這種算法具有很好的安全性、實時性和平滑性(如圖1.4)，說明這種方法不僅能實現(xiàn)機器人的路徑規(guī)劃任務，而且優(yōu)化出的路徑能使移動機器人在障礙物密集的區(qū)域內(nèi)領過調(diào)整位姿。圖1.4a圖1.4b1.3群體智能的概況在路徑規(guī)劃的過程中，所求得的最優(yōu)路徑往往受到多方面因素的影響，而且通常情況下各個因素間會存在沖突，在提升單方面因素帶來的效果時會降低其他一個甚至多個因素帶來的影響，進而導致無法保證所有因素都處于最佳狀態(tài)，為了使整體能夠“最優(yōu)”，就要盡力調(diào)節(jié)各方面的的因素之間的沖突，在保證大環(huán)境最優(yōu)的情況下，采取折衷的方式進行規(guī)劃，而群體智能算法的核心思想為解路徑規(guī)劃過程中多因素影響的問題提供了解決辦法[5]。所謂的群體智能，從生物社會學角度來看，就是各種群居動物在集體生活中產(chǎn)生的以群體為單位表現(xiàn)出的“智能”。從計算科學的角度上看，群體智能是許多沒有智能的個體以群體的形式在他們組成的系統(tǒng)中表現(xiàn)出智能特性。群體中的每個個體在沒有集中控制的情況下通過互相協(xié)作來解決問題，這恰好能夠解決路徑規(guī)劃問題中子目標間沖突的問題，因此群體智能優(yōu)化算法更加適合用來解決移動機器人的自主路徑規(guī)劃問題[6]。將群體智能中的生物群體所變現(xiàn)出的智能行為作為研究的基礎，進而對這些群體生物表現(xiàn)行為的原理本質(zhì)進行分析，并運用分析出的原理為基礎對實踐應用進行指導，便可以開發(fā)出針對實際問題求解的新方法，為求解復雜的實際工程提供了更好的條件。群體智能優(yōu)化算法的搜索方式使以概率密度為依據(jù)進行的，這種算法有以下幾個優(yōu)點：（1）為了保證整個系統(tǒng)具有非常好的魯棒性，不讓某個單獨的因素影響到整個系統(tǒng)的控制結果，整個系統(tǒng)的控制方式采用分布式控制，而不是集中地約束和控制；（2）由于整個系統(tǒng)中的每個獨立的個體都可以通過直接或間接的方式進行信息交流，這使得系統(tǒng)具有非常好的擴展性；（3）在整個系統(tǒng)中，每個個體的屬性相對單一并且每個個體的獨立行為發(fā)生的時間相對較短，使得算法在實現(xiàn)方面比較容易；（4）整個群體所表現(xiàn)出來的復雜的行為動作都是通過每個相對簡單的獨立個體相互配合協(xié)作合作所表現(xiàn)出來的，這表現(xiàn)出自了系統(tǒng)的組織性。1.3.1粒子群優(yōu)化算法粒子群優(yōu)化算法)是在1995年由美國社會心理學家和電氣工程師共同提出的，其基本思想是受他們早期對鳥類群體行為研究結果的啟發(fā)，并利用了生物學家的生物群體模型[7]。最早出現(xiàn)的模擬鳥群行為的模型是1986年由提出的（）模型[9]。這個模型受到鳥群飛行的啟發(fā)，很多集體行為都很復雜，很難解釋，比如說鴿子可以在集體飛行時集體同時轉向、蝙蝠集體在洞穴中快速飛行時彼此之間不會發(fā)生碰撞等。假如說在群體中存在一些確定的行為準則，而且每一個個體對這個準則都能嚴格遵守，那么當這些各自以群體的形式行動時，他們的行為就能表現(xiàn)出之前所說到的“智能”[8]。在這個模型中，每一只BOID都是一只人工定義的鳥，他們每個個體都能夠從附近范圍內(nèi)的環(huán)境中后的其他個體的行為信息，以這些信息作為輸入結合自己當前的行為信息，群體系統(tǒng)就可以做出一個時刻的飛行策略。群體中每個個體遵循以下三條運動行為準則：（1）避免碰撞：群體中每個個體在飛行的過程中盡量遠離與自己距離較近的個體，不能與其他個體產(chǎn)生碰撞；（2）速度保持一致：群體中每個個體在飛行過程中要注意自身速度，不可以與種群的平局速度相差太大；（3）中心集群：群體中每個個體在飛行過程中向其他個體的平均位置移動，即向群體的中心飛行。整個系統(tǒng)在運行的過程中不需要依賴其他任何指令，完全是時系統(tǒng)本身自上而下的力量。雖然每個個體都只是按照自己的運動規(guī)律，但是模型中的群體卻呈現(xiàn)出了驚人的整體秩序。在以上模型的基礎上，Heppner和Grenande又進一步提出鳥群和棲息地之間的吸引關系[10]。起初在鳥群的飛行過程中，他們的飛行方向時不確定的，這種情況會持續(xù)到一只鳥找到了棲息地，隨后所有的鳥都會向棲息地靠近，最終落到棲息地。在此基礎上Kennedy和Eberhart又提出了自己的模型，他們將模型設定為尋找位置方向食物的鳥群。在整個食物的尋找過程中，鳥群中每個個體之間會傳遞信息，它們會考慮當前時刻鳥群的最好位置和自身在飛行過程中的最好位置，憑借這兩個因素綜合考慮決定下一步自己的飛行位置，使得自己向最有利于自己的方向飛行，進而找到食物。其中提到影響每個個體下一步動態(tài)的因素就是信息傳遞和個體學習的概念來源，即在個體決策的的過程中會受到自身經(jīng)驗和其他個體經(jīng)驗的影響[9]。粒子群算法就是基于此思想形成的，算法中每個人工鳥稱為一個粒子。每個粒子對于整個優(yōu)化問題都有自己對應的適應度，自身的運動狀態(tài)由每一時刻的速度和對應時刻的位置來描述。粒子群算法是一種優(yōu)化搜索技術，在整個解空間內(nèi)尋找當前已知的最好粒子的位置，搜索過程通過迭代更新進行，即先經(jīng)過隨機初始化，通過更新方程搜索全局產(chǎn)生最優(yōu)解。1.3.2量子行為粒子群優(yōu)化算法PSO算法中粒子每一時刻的運動狀態(tài)都是由上一時刻的速度和對應的位置決定的，而且速度時限定在一定范圍內(nèi)的不是無窮大，所以粒子的位置一直都到限制，不會有大幅度的變化，這就使得粒子不能夠不能出現(xiàn)在解空間的每一個位置，進而導致PSO算法不能完全收斂到最優(yōu)解[10]。針對粒子群算法的缺點以及量子空間的特性，2004年江南大學的孫俊等將粒子群算法與量子行為結合，基于量子勢阱建立了新的粒子群模型，并在此基礎上改進了粒子群優(yōu)化算法，提出了具有量子行為的粒子群優(yōu)化算法（Quantum-behaved）[11]。該算法結合了粒子群算法和量子力學的思想，用波函數(shù)代替速度和位置特征來表述粒子的運動狀態(tài)，這使得粒子在進化和移動時不被軌跡所束縛，而是受到勢場吸引而運動，可以出現(xiàn)在空間上的任意一點[11]。由于是受到勢場的吸引力又不能跳出解空間，也就可以使粒子在整個解空間中進行搜索，這就大大加大了粒子的搜索范圍和不確定性，增加了粒子離開局部最值解的概率，從而解決了粒子群算法不完全收斂的缺點，所以量子粒子群優(yōu)化算法在搜索能力方面是粒子群算法所不能比擬的。不僅如此，單純使用波函數(shù)來描述粒子狀態(tài)也讓量子粒子群算法的控制參數(shù)更少，在調(diào)理清晰的同時使得其更易實現(xiàn)，而且運算速度也大大提高。1.4量子粒子群優(yōu)化算法國內(nèi)外發(fā)展現(xiàn)狀1.4.1國外研究現(xiàn)狀(1)伯明翰大學的結合歐幾里的距離對量子粒子群優(yōu)化算法算法提出了改進，并將改進后的算法應用于多目標優(yōu)化問題[12]。在算法中以值代表算法里的粒子，在解空間中值代表的物理意義是解空間中的向量，并且向量與目標空間維數(shù)保持一致，向量之間的夾角大小與向量對應的值的歐氏距離成正比，如圖1.5表示的是在二維目標空間里對應的值。所以將粒子現(xiàn)在時刻的值與之前所有時刻全局中的值來比較，選出距離最小的值對應的粒子則該粒子即為局部最優(yōu)，用這種方法可以加快粒子的尋優(yōu)速度。最后對該算法進行了房展實驗，對比結果說明此算法的優(yōu)越性。表1.1圖1.5二維目標空間值(2)印度工業(yè)學院的針對量子粒子群優(yōu)化算法在粒子進化過程中會產(chǎn)生相對不好的粒子的問題，對量子粒子群優(yōu)化算法進行了改進。在每一次粒子進行進化更新之后，在所有粒子中隨機選取三個粒子，計算其平均值用計算結果代替三個粒子中不好的那個粒子[13]。文中運用函數(shù)對改進的的算法進行了仿真實驗，與另外幾種算法)進行對比，實驗結果顯示了此算法的優(yōu)越性。表1.2為仿真結果。表1.2不同算法的結果比較1.4.2國內(nèi)研究現(xiàn)狀(1)浙江工業(yè)大學的黃澤霞針對量子粒子群的慣性權值線性遞減不能適應復雜的非線性優(yōu)化搜索過程的問題改進了量子粒子群優(yōu)化算法，提出了一種慣性權自適應調(diào)整的量子粒子群優(yōu)化(DCWQPSO)算法。在該算法中，引入了量子粒子群進化速度因子和聚集度因子，并將慣性因子表示為,2個參數(shù)的函數(shù)。圖1.6表示的是改進算法對優(yōu)化函數(shù)的尋優(yōu)結果，在每次迭代時，算法中的慣性權值可以根據(jù)當前時刻量子粒子群的更新速度和聚集度動態(tài)的進行變化，這種改進可以使算法對工作環(huán)境擁有更好的適應度。對典型的標準函數(shù)的測試結果表明，與量子粒子群算法相比DCWQPSO算法平均迭代次數(shù)明顯降低,收斂速度明顯提高，這在算法早期運行時效果尤其明顯，而且具有更好的全局收斂性能，表現(xiàn)了良好的效果[14]。圖1.6a標準函數(shù)下的最優(yōu)適應度進化曲線圖1.6b標準函數(shù)下的最優(yōu)適應度進化曲線圖1.6c標準函數(shù)下的最優(yōu)適應度進化曲線(2)西南交通大學的鄭凱等人在針對QPSO算法在粒子更新迭代搜索最優(yōu)解的過程中，因粒子趨向同一化，導致后期收斂速度較慢，易早熟而陷入局部最優(yōu)解的問題，提出一種兩群量子粒子群算法（TwoSwarm-substitutingQPSO，TSQPSO），即將算法中的粒子群分為兩群，分別采取不同的搜索方式在解空間內(nèi)進行搜索，其中一群為主搜索群，采用全局搜索算法進行搜索，而另一群為輔助搜索群采用局部搜索算法進行搜索，為了保證搜索群中粒子的多樣性，人為規(guī)定在特定的條件下將兩個搜索群中的部分粒子相互調(diào)換，這個方法有效的避免了算法因為同一化而陷入早熟，保證了主搜索群科以搜索到全局最優(yōu)解，鄭凱等人將TSQPSO算法應用于電力系統(tǒng)無功優(yōu)化中，并與用帶慣性權重的粒子群算法()和量子粒子群算法()對比進行仿真實驗，取得了非常好的效果表1.3三種算法的優(yōu)化結果比較圖1.7a系統(tǒng)節(jié)點電壓幅值分布圖圖1.7b、和的收斂曲線(3)江南大學的奚茂龍在分析量子粒子群算法的基礎上，針對離散搜索空間的問題，提出了二進制編碼的量子粒子群算法。在算法中，重新定義了粒子的位置距離矢量，調(diào)整了搜索空間的迭代方程（如表1.4），并引入了多點交叉和精英保留的策略，保證全局收斂的同時加快粒子的收斂速度。并使用DeJong’s測試函數(shù)對所提出算法和二進制粒子群算法進行了比較，在函數(shù)測試中得到了較好的測試性能，最后使用二進制編碼量子粒子群算法對機器人路徑規(guī)劃在的運動空間里進行了仿真實驗（如圖1.8），在路徑最短的優(yōu)化規(guī)則下，能夠快速的搜索到最佳路徑，為移動機器人路徑規(guī)劃提供了一個有效的方法。表1.4QPSO算法和BQPSO算法進化方程的表達式比較算法算法圖1.8a起點為（1，1）終點為（16，16）圖1.8b起點為（4，12）終點為（16，16）（4）華中科技大學的付陽光將進化算法（EvolutionaryComputation）領域中種群的繁殖極值（BreedingStrategy）引入QPSO算法，對QPSO算法做了進一步改進，提出一種帶繁殖機制的量子粒子群優(yōu)化算法（HybridQuantum-behavedParitcleSwarmOptimizationwithBreedingStrategy），簡稱HQPSO。將繁殖策略與QPSO算法結合一方面可以使優(yōu)秀的基因得以保留，另一方面還可以增加種群的多樣性，可以有效的改善QPSO算法中存在的早熟問題。最后將HQPSO算法應用于無人飛行器的三維航跡規(guī)劃，通過仿真實驗比較了HQPSO算法與QPSO算法及PSO算法的性能（如圖1.9），結果表明HQPSO算法比其他兩種算法具有更強的全局搜索能力和更快的收斂速度。圖1.9aPSO算法、QPSO算法和HQPSO算法平均最優(yōu)適應度的收斂曲線圖1.9bPSO算法生成的最優(yōu)航跡的三維顯示及剖面顯示圖1.9cQPSO算法生成的最優(yōu)航跡的三維顯示及剖面顯示圖1.9dHQPSO算法生成的最優(yōu)航跡的三維顯示及剖面顯示1.5本文研究的主要內(nèi)容移動機器人在作業(yè)運動時必須實現(xiàn)自主的避障與避碰，因此路徑規(guī)劃問題做為一項基本問題已經(jīng)被廣泛的關注和研究。而群體智能算法對于解決路徑規(guī)劃問題有著它獨特的優(yōu)越性，因其模擬群體生物的集體行為，以及其行為為基礎表現(xiàn)出智能的特點，可以綜合路徑規(guī)劃問題中各個子目標，應用于實際問題中便可使系統(tǒng)達到“最優(yōu)”所以在路徑規(guī)劃領域有著非常遠大的發(fā)展前景，其中粒子群算法和兩字粒子群算法的產(chǎn)生發(fā)展為優(yōu)化問題提供了便利。研究智能算法在解決實際問題的同時也可以學習了解到最新的科學理論知識。本課題目的是以量子粒子群算法為基礎，研究移動機器人環(huán)境自適應的自主規(guī)劃方法，根據(jù)已知的環(huán)境目標信息，設計適合的量子粒子群算法，實現(xiàn)其全局路徑規(guī)劃。主要研究內(nèi)容與方法如下：1、QPSO算法的研究與改進在量子粒子群算法中無效粒子對于算法的有很大的影響，會使粒子陷入局部極值而無法到達全局最優(yōu)，針對這個問題，本文對算法中離子的進化行為進行了深入研究，根據(jù)粒子的的有效性與否，將無效的粒子重新初始化使其有效，這樣就可以避免算法出現(xiàn)局部最優(yōu)解的情況。2、對已知的環(huán)境目標信息進行全局靜態(tài)路徑規(guī)劃通過已經(jīng)掌握的環(huán)境目標信息，以運動路徑的長度作為優(yōu)化目標，運用量子粒子群算法在MATLAB工作環(huán)境下編寫路徑規(guī)劃程序，為移動機器人尋找一條從已知起始點到目標點的優(yōu)化路徑。3、仿真實驗驗證運行編寫的程序，對獲取路徑的可行性進行驗證。1.6論文組織結構第一章為緒論部分，主要介紹移動機器人的路徑規(guī)劃問題及其發(fā)展現(xiàn)狀并引出群體優(yōu)化算法的發(fā)展過程和理論。引出主要的研究內(nèi)容：基于量子力群算法的路徑規(guī)劃問題。并闡述了研究的目的和意義。第二章介紹粒子群優(yōu)化算法和量子粒子群優(yōu)化算法的詳細思想和算法流程，并對二者進行比較。第三章主要介紹移動機器人路徑規(guī)劃問題中使用量子粒子群算法的求解過程。第四章通過仿真結果得出規(guī)劃路徑，并分析結果。第五章總結課題的研究結果和成果，并提出思考和展望。第2章量子行為粒子群優(yōu)化算法的基本原理2.1引言群體智能是基于環(huán)境生物的群體性行為原理，進行設計解決實際問題中最優(yōu)解問題的，群體智能無疑已成為當今處理最優(yōu)解問題的主要方法，如今，在世界范圍內(nèi)受到足夠的重視。粒子群的優(yōu)化算法是群體智能的典型代表，利用計算機的迭代計算快速、準確、效率高等特點發(fā)展演變而成的[15]。它的應用背景，不僅存在于理論問題的研究中，還在實際工程問題下，有著廣泛的應用。從2005年至今一直被“國際演化計算會議（ConferenceofEvolutionaryComputation,CEC）”列為討論專題之一。隨著對群體智能研究的不斷深入，人們越來越為它的光明前景投入了大量的精力。在被證明不能保證一定會搜索到全局最優(yōu)解后，經(jīng)典粒子群算法便不可以作為儀征全局收斂算法使用，正是由于它存在的這些不足，孫俊教授結合了動力學的知識建立了數(shù)學模型，創(chuàng)造了一種量子粒子群優(yōu)化算法（Quantum-behavedParticleSwarmOptimization,QPSO）算法[16]。這種算法主要思想使在更新粒子時結合了量子物理思想，不依靠速度，根據(jù)向量建立方程組，分別利用全局最優(yōu)化與局部最優(yōu)化的思想將所建立程求進行求解，這種方法出解決了困擾粒子群優(yōu)化算法長久以來的因為粒子數(shù)量過多導致算法不準確問題。本章最先概述了優(yōu)化問題并分析解決其必要性和解決方法。通過對基本理論的學習和研究，具體分析適用于本課題的應用方法，并給予原理進行程序編寫以及為仿真工作打下良好的基礎。2.2優(yōu)化問題與優(yōu)化方法優(yōu)化問題是根據(jù)實際問題對工程進行分析應用找出結果最優(yōu)的情況。在所有的達到目標的問題中找出最好的結果方案作為全局的最優(yōu)解方案，我們從數(shù)學的角度出發(fā)進行分析可知，在數(shù)學的解方程的問題上，我們通過設定已知條件的列方程對約束條件進行描述進而求出函數(shù)最優(yōu)問題，即函數(shù)的極值問題[17]?；趦?yōu)化方案選擇來解決實際問題中的最優(yōu)解問題可分為以下步驟：（1）信息的采集處理，制定約束條件。（2）對所要解決的實際問題進行信息分類處理工作，方便對約束條件進行設定，建立合適的數(shù)學模型，根據(jù)以上信息選定合適的變量。（3）對照建立的數(shù)學模型選擇適當?shù)淖兞考凹s束條件進行數(shù)學模型的求解操作，為最優(yōu)解的求解提供良好的基礎。（4）根據(jù)上一步選定的實際問題解決方法，并依據(jù)基本原理進行程序編寫工作，通過具有高效率優(yōu)點的計算機進行方程解的計算。（5）對計算機求得的解進行有效的檢驗，經(jīng)過驗證符合條件后問題得以解決。通常情況下，優(yōu)化問題如下式方程所示：或者，其中代表實際問題目標表達式函數(shù)，而S代表可行域，則代表存在集合石作為歐幾里得范數(shù)其中稱為最小值，在條件下有，而在都符合要求是就作為其中的最小解加以處理。的全局最小解記做為，或者記為；的全局最大解記作為,或者記為[18]。在計算機技術高速發(fā)展的今天，計算機的能力越來越強，以往很多很難甚至不能解決的復雜的優(yōu)化問題都可以用計算機求解出[20]。運用計算機進行處理優(yōu)化問題就是在解空間中進行搜索，根據(jù)搜索的方法可進行分類，可將這種方法分為以下類別：（1）枚舉法：枚舉法的思想和策略最簡單。就是將空間中的多有解向量優(yōu)缺點對比，并依據(jù)結果來找根據(jù)所有可行的結果找出最優(yōu)解的方法，一次來作為主要解決方法，然而枚舉法的計算量要求很大，但其仍然在路徑規(guī)劃中具有很好的效果。（2）直接法：在空間中通過若迭代直接搜索并到最優(yōu)的解。（3）隨機法：通過求解對目標搜索，在過程中實時加以改變，值得注意的是在這一過程中，這個算法的結果是隨機的，這樣在整個過程中算法進行搜尋的過程是進行局部最優(yōu)點的選取工作。在本課題中根據(jù)分析實際情況采取枚舉法，由于解析法用來解決非線性部分，但這種方法的缺點在于這種方法的目標函數(shù)是以導數(shù)的形式表現(xiàn)出來的，因此具有一階或二階的性質(zhì)，同時在高階情況下也具有特點，通過數(shù)學的基本思想我們可以找到局部的最優(yōu)解來進行局部最優(yōu)化問題，要求是將導數(shù)設為零時的目標函數(shù)的值，這不僅僅有一種極點的形式存在，因此很難用于全局的最優(yōu)解搜尋解決方法工作。2.3群體智能算法在所有的算法中，群體智能算法出現(xiàn)以來就得到長足的發(fā)展，發(fā)展至今群體智能算法已經(jīng)在人工智能、生物、經(jīng)濟等很多領域表現(xiàn)出它強大的實用性，使得成為眾多研究。群體是指一組相互之間可以通過直接通信或間接通信從而能夠達成合作一堆分布式問題進行求解得主體。為此在不存在集中控制和不提供全局模型的前提下，群體智能能為尋找復雜的分布式問題求解方案提供研究基礎和技術支持。群體智能算法分為很多種類，其中最具有代表性得包括粒子群優(yōu)化算法和量子粒子群算法。粒子群優(yōu)化算法粒子群算法(ParticleSwarmOptimization,PSO)模擬鳥群的覓食行為[21]。N維搜索空間，粒子群數(shù)M,第t次：第i個粒子的當前位置表示為,第i個粒子的當前速度表示為,第i個粒子的最優(yōu)位置（pbest）, (2-1)全局最優(yōu)位置,或者(),其中粒子狀態(tài)的更新公式： (2-2) (2-3),,第次迭代，學習因子影響個體每一次移動到個體最優(yōu)位置的距離影響粒子移動到全局最優(yōu)位置的距離，（）區(qū)間內(nèi)彼此獨立的分布均勻的隨機數(shù)序列[23]把粒子更新速度限制在某個區(qū)域里以便確定解空間的可能性，即。確認粒子位置。算法的初始化：a給出群體的規(guī)模。b對于每一個,在中由均勻分布生成。c對于每一個,在中由均勻分布生成。d對于每一個,令。量子行為粒子群優(yōu)化算法通過確定粒子位置速度特征確定粒子運動狀態(tài)，即粒子位置不會產(chǎn)生大幅改變。由于粒子速度有限，粒子位置移動就有限，所以粒子無法達到解空間所有的地方。所以理論上無法做到全局收斂。為此，開發(fā)的量子行為粒子群優(yōu)化算法可以完美的解決這種無法收斂的問題。.1量子力學背景根據(jù)經(jīng)典力學，粒子的運動狀態(tài)可以依據(jù)在某時刻的坐標動量給出準確的定位。而粒子運動狀態(tài)可以根據(jù)牛頓方程進行確定。所以根據(jù)粒子的坐標動量可以確定任何時刻的運動狀態(tài)。微觀粒子運動具有波動－粒子二象性（wave-particleduality）。波動性，即波的“相干疊加性”，是波動現(xiàn)象最本質(zhì)的要素；粒子性，是指微觀粒子的“顆粒性”或“原子性”。M.Born，提出的“概率波”（probabilitywave）的概念，是把粒子的“原子性”和波動的“相干疊加性”統(tǒng)一起來的唯一的方法。概率波即波函數(shù)的統(tǒng)計詮釋，通過計算得到的概率分布，只是對粒子運行結果的一種預期，并非粒子已經(jīng)具有那樣的分布[27]。.2QPSO算法的量子行為通過研究發(fā)現(xiàn)，粒子行為具有一定智能，和人類的智能行為有類似性。量子系統(tǒng)也存在不確定性，也和思維的不確定性有相似。所以根據(jù)這種相似性，可以建立有效的模型表述這種智能。粒子狀態(tài)包括位置和速度，但粒子的速度位置卻無法被一起確定。為此應用波函數(shù)定義粒子運動狀態(tài)。具體方程如下： （2-4)式（2.4）歸一化條件 （2-5)量子束縛態(tài)描述： （2-6)概率密度函數(shù)為： （2-7)勢的特征長度粒子質(zhì)量普朗克常數(shù)。依據(jù)蒙特卡洛隨機模擬法，確定粒子位置。在區(qū)間上去隨機數(shù)，也就是： （2-8)式（2-8）區(qū)間（0,1）均勻分布的隨機數(shù)，代替式（2-7)中的。從而得到： （2-9) （2-10)用逆變換求出 （2-11)因為，所以可以測量到粒子的精確位置： （2-12)勢阱的特征長度如何確定是解決問題的難點。.3QPSO算法的運算過程基本運算流程如下，N維搜索空間，在第時刻時，第個粒子的位置為：個體的最優(yōu)位置表示為群體的全局最優(yōu)位置標示為:,且，其中為處于全局最優(yōu)位置的粒子的下標，。此算法，粒子沒有速度向量。在最小化應用中，目標函數(shù)的值越小，越理想，具體確定公式如下： （2-13)最優(yōu)解由式（2-14）和式（2-15）確定： （2-14) （2-15)根據(jù)每次的迭代更新，新的最優(yōu)位置被計算出來，只要根據(jù)最優(yōu)解的適應度和當前位置的適應度進行對比，如果前者好，那么G(t)更新[31]。根據(jù)算法定義了平均最優(yōu)位置（），記為（）。也就是個體最優(yōu)位置的平均，即： （2-16)粒子i的收斂過程是以為吸引子，其坐標為： （2-17)或者表示為： （2-18)其中 （2-19)如果c1=c2，本（0,1）區(qū)間上均勻分布的隨機數(shù)。粒子的進化方程為： （2-20)其中 （2-21)通過以下公式來評價 （2-22)收縮-擴張系數(shù)算是僅有的控制參數(shù)。具體步驟步驟：運算初始化，確定粒子位置，將最優(yōu)位置確定。步驟：計算粒子最優(yōu)位置。步驟：將粒子群中所有粒子（）,按照算法中步驟47進行運算。步驟：按照算法計算當前粒子的適應度，并將的到得到適應度與上一代的個體最優(yōu)位置的適應度進行比較得出當前位置的個體最優(yōu)位置適應度即通過式（2-13）對當前位置的個體最優(yōu)位置適應度進行更新。步驟：將種群中所有粒子的個體最優(yōu)位置的適應度與上一時刻的全局最優(yōu)位置的適應度逐個進行對比，當某一個粒子的個體最優(yōu)位置的適應度小于上一時刻的全局最優(yōu)位置的適應度時將全局最有位置更新為該值，如果沒有則全局最優(yōu)位置不變。步驟：通過公式（2-18）進行計算的到一個隨機點。步驟：通過公式（2-20）得出粒子的新的位置。步驟：當滿足算法終止條件時結束算法，如果不滿足則返回步驟2。2.4粒子群優(yōu)化算法與量子行為粒子群優(yōu)化算法的比較量子粒子群優(yōu)化算法相比較傳統(tǒng)粒子群優(yōu)化算法的優(yōu)點如下[33]：（1）QPSO算法中只需要一個參數(shù)，具有參數(shù)數(shù)量少的特點而且PSO算法根據(jù)實際問題進行調(diào)參、、起始慣性權重和最大速度，故利用QPSO算法減少在實際問題中參數(shù)調(diào)節(jié)這一環(huán)節(jié)中的操作，此算法易于程序的編寫與實現(xiàn)。（2）