论文研究基于MLP和SPSO的机器人行为选择与运动控制方法.pdf

针对传统行为选择机制（ASM）不能很好地作出控制决策的问题，提出一种基于多层感知（MLP）前馈神经网络的ASM，并将其应用到移动机器人目标跟踪中。首先，根据具体应用场景预定义多个机器人行为；然后，根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息，通过MLP神经网络从预定义行为中选择出所需执行的行为；另外，为了构造最优的MLP模型，采用一种简化粒子群算法（SPSO）来优化网络权值参数。机器人目标跟踪仿真的结果表明，提出的ASM能够准确选择出合适的行为，实现了控制机器人跟踪目标移动且能够避开各种障碍物。