基于模糊控制的电脑鼠行进速度的控制

本文基于电脑鼠机器人行进过程中的速度控制,将一体式红外线发射接收器探测到的电脑鼠与前方障碍物的距离,以及电机的即时速度作为输入,设计一个模糊控制器,根据输入变量的大小来调整模糊控制器的量化因子,从而自动调整模糊控制策略,输出加速度来控制机器人的行进速度。根据实验,使用模糊自适应控制的电脑鼠机器人性能得到了显著的提高,具有较强的鲁棒性。     

基于模糊控制的移动机器人避障研究

针对移动机器人在未知环境中的不确定性,利用Matlab构建了多传感器仿真试验移动平台,在Simulink中搭建移动机器人运动学模型,利用多传感器采集环境中的障碍物信息与目标物的方位角,设计了具有避障功能的模糊控制算法.通过模糊控制器控制移动机器人的左右轮速度实现机器人的转弯以及直走,根据机器人实时的角度反馈信息不断修正机器人的位姿以精确避障.仿真实验验证了该方法的可行性及有效性.     

基于双层模糊逻辑的多机器人路径规划与避碰

针对无通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了基于双层模糊逻辑的多机器人路径规划与动态避碰系统。方向模糊控制器充分考虑了障碍物的距离信息和目标的角度信息,转化为机器人与障碍物的碰撞可能性,从而输出转向角度实现机器人的动态避障;速度模糊控制器将障碍物的距离信息作为输入,将速度因子作为输出,提高了多机器人路径规划与动态避碰系统的效率和鲁棒性。在Pioneer3-DX机器人实体上验证了该系统的可行性。     

基于模糊神经网络的六足机器人自主导航闭环控制系统设计

针对未知环境中六足机器人的自主导航问题,设计了一种基于模糊神经网络的自主导航闭环控制算法,并依据该算法设计了六足机器人的导航控制系统．算法融合了模糊控制的逻辑推理能力与神经网络的学习训练能力,并引入闭环控制方法对算法进行优化．所设计的控制系统由信息输入、模糊神经网络、指令执行以及信息反馈4个模块组成．环境及位置信息的感知由GPS（全球定位系统）传感器、电子罗盘传感器和超声波传感器共同完成．采用C语言重建模糊神经网络控制算法,并应用于该系统．通过仿真实验,从理论上论证了基于模糊神经网络的闭环控制算法性能优于开环控制算法,闭环控制算法能够减小六足机器人在遇到障碍物时所绕行的距离,行进速度提高了6.14%,行进时间缩短了8.74%．在此基础上,开展了实物试验．试验结果表明,该控制系统能够实现六足机器人自主导航避障控制功能,相对于开环控制系统,能有效地缩短行进路径,行进速度提高了5.66%,行进时间缩短了7.25%,验证了闭环控制系统的可行性和实用性．     

基于遗传模糊控制的多机器人避碰规划

设计了一种基于遗传算法优化的模糊逻辑控制的多机器人避碰规划方法,采用简化的三层行为结构:躲避机器人、躲避静态障碍物和趋向目标点,三个行为分别独立推理,将不同传感器信息作为输入,机器人动作作为输出,再通过优先级和加权的方法对三个行为输出进行综合.随后,针对模糊控制中构造全部的模糊规则比较复杂的问题,采用遗传算法对模糊规则的隶属度函数宽度和中心值进行优化,实现模糊控制器的离线自寻优,得到一组最优参数.从最终的仿真效果看,通过遗传算法优化提高了机器人的自导航性能.     

基于ARM的轮式机器人避障系统设计

为了提高轮式机器人在未知环境中的避障性能,采用ARM控制器,结合多传感器融合技术和模糊控制技术,对轮式机器人避障系统进行了研究。利用多路传感器采集未知环境中搜索范围内的障碍物距离信息,根据不同的距离信息来制定具有避障功能的模糊控制算法,进而控制轮式机器人的运动状态。实验中,根据轮式机器人反馈的信息不断调整参数,以达到准确避障。实验结果表明:所提方法能够有效地解决轮式机器人在未知环境中的避障问题,在无人驾驶方面具有广泛的应用前景。     

基于改进模糊算法的移动机器人避障

为了提高移动机器人在连续障碍物环境下的避障性能,提出了一种具有速度反馈的模糊避障算法。移动机器人利用超声传感器感知周围环境,在模糊控制的基础上通过障碍物分布情况调整自身速度,进而引入优雅降级并把改进的模糊避障融入其中,增强了移动机器人的鲁棒性。实验结果表明,该方法能通过与环境交互调整机器人移动速度,控制机器人成功避障并优化避障路径,具有良好的有效性。     

基于STM32单片机的机器人移动障碍物智能躲避系统设计

用于控制机器人在存在移动障碍物的工况中,智能避障安全抵达目的地,设计基于STM32单片机的机器人移动障碍物智能躲避系统。系统信息采集模块通过超声波传感器、加速度传感器,采集机器人与障碍物之间距离及机器人运行速度信息,传输至STM32单片机缓存整理后,通过ZigBee通信网络发送至上位机,上位机结合所采集数据,设计躲避指令传输至STM32单片机,STM32单片机驱动电机驱动模块,使用基于模糊控制的移动障碍物智能躲避模型,根据躲避指令调节机器人运行速度与角度,控制机器人的运行速度与位置,均处于不可能出现碰撞的状态,完成移动障碍物智能躲避。实验结果显示,该系统应用后,机器人对单个移动障碍物、多个移动障碍物的测距结果准确,且机器人具备智能避障性能,可绕开移动障碍物,安全抵达目的地。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

基于AdaBoost算法的智能轮椅避障研究

随着计算机图像处理能力和技术的发展,视觉传感器在移动机器人导航和障碍物识别中的应用越来越受到重视.将AdaBoost算法用于智能轮椅的障碍物识别,在Visual C++6.0平台下,用AdaBoost算法训练得到用于障碍物检测的强分类器,然后利用该分类器进行检测出目标障碍物,并用模糊神经网络的方法对轮椅的声纳信息,视觉...     

模糊控制在移动机器人路径规划中的应用

针对移动机器人最优路径规划问题,设计了一种模糊智能控制方法。利用超声波传感器对机器人周围环境进行探测,得到关于障碍物和目标的信息。通过设计模糊控制器,把得到的障碍与目标位置信息模糊化,建立模糊规则并解模糊最终使机器人可以很好地避障,并且解决了模糊算法存在的死锁问题,从而实现了移动机器人的路径规划。仿真实验结果表明了模糊算法优于人工势场法,具有有效性和可行性。     

基于模糊神经网络的移动机器人沿墙导航控制

移动机器人沿墙导航控制包含了追踪和避障两种情况,是移动机器人研究中的常见问题。它是指机器人在一定方向上沿墙运动,或者更一般意义上的沿着物体轮廓运动,并与墙保持一定距离。移动机器人利用声纳采集机器人与墙体的距离和角度信息,通过模糊神经网络将输入数据进行融合,从而判断移动机器人的位姿信息,输出左右轮速度控制其动作。实验证明此方法可以有效地保证移动机器人在安全距离内沿墙体运动。对比采用模糊神经网络前后的实验,采用后的移动机器人沿墙导航控制轨迹优于采用前,均方误差大大减小。     

Fuzzy logic techniques for navigation of several mobile robots

In this paper, navigation techniques for several mobile robots as many as one thousand robots using fuzzy logic are investigated in a totally unknown environment. Fuzzy logic controllers (FLC) using different membership functions are developed and used to navigate mobile robots. First a fuzzy controller has been used with four types of input members, two types of output members and three parameters each. Next two types of fuzzy controllers have been developed having same input members and output members with five parameters each. Each robot has an array of ultrasonic sensors for measuring the distances of obstacles around it and an infrared sensor for detecting the bearing of the target. These techniques have been demonstrated in various exercises, which depicts that the robots are able to avoid obstacles as well as negotiate the dead ends and reach the targets efficiently. Amongst the techniques developed, FLC having Gaussian membership function is found to be most efficient for mobile robots navigation.     

一种未知环境下的快速路径规划方法*

为提高机器人在未知环境中的快速路径规划能力,引入自由路径表征可以通过的自由空间,引入风险函数评价机器人切入自由路径过程中发生碰撞的风险。通过搜索最优自由路径、评价碰撞风险压缩表示环境信息,使得未知环境中利用模糊控制器进行局部路径规划的实时性大为提高。与虚拟势场法等传统方法相比,其无局部最小,且极大缓解了狭窄环境中的振荡现象。实验及仿真均表明该方法实时性好、规划所得路径优于已有方法。     

一种基于多组传感器信息移动机器人的避障方法

提出了一种基于多组传感器信息的移动机器人避障的新方法.该方法把多组传感 器信息作为ART-2神经网络的输入,实现移动机器人对当前感知环境的快速识别和分类.在 此基础上,设计了用于移动机器人在未知环境下避障的模糊控制器.试验证明了这一方法的 有效性和实时性.     

Autonomous smart robot for path predicting and finding in maze based on fuzzy and neuro‐Fuzzy approaches

The navigation of autonomous mobile robots has in recent times gained interest from many researchers in different areas such as the industrial, agricultural, and military sectors. This paper aims at carefully investigating two advanced types of approaches for guiding a non‐holonomic mobile robot to navigate in an environment area cluttered with static obstacles. Firstly, a Fuzzy logic controller (FLC) was designed, using trapezoidal shape Membership functions (MF's). Secondly, an Adaptive neuro fuzzy inference system (ANFIS) controller was used to optimize the results obtained from trapezoidal fuzzy controller. To validate the feasibility and effectiveness of the proposed models, V‐REP and MATLAB software are used. A comparative evaluation is, then, done on the basis of speed. The simulations results showed that the mobile robot could navigate successfully into maze environment with both proposed approaches but ANFIS controller provided better results in comparison to fuzzy controller.     

Mobile robot map making using sonar

This article describes a method of producing high-resolution maps of an indoor environment with an autonomous mobile robot equipped with sonar range-finding sensors. This method is based on investigating obstacles in the near vicinity of a mobile robot. The mobile robot examines the straight line segments extracted from the sonar range data describing obstacles near the robot. The mobile robot then moves parallel to the straight line sonar segments, in close proximity to the obstacles, continually applying sonar barrier test. The sonar barrier test exploits the physical constraints of sonar data, and eliminates noisy data. This test determines whether or not a sonar line segment is a true obstacle edge or a false reflection. Low resolution sonar sensors can be used with the method described. The performance of the algorithm is demonstrated using a Denning Corp. Mobile Robot, equipped with a ring of Polaroid Corp. Ultrasonic Rangefinders.