基于遗传算法的码垛机器人路径规划应用

目的为了改进传统遗传算法在码垛机器人路径规划中可能出现的局部陷阱和过早收敛问题,以及机器人的能耗和路线平滑性问题,提出一种改进的遗传算法机器人路径规划方法。方法针对传统遗传算法存在的问题,分别对种群初始化、适应度函数、选择算子、交叉算子、变异算子的算法和方式进行调整和改进,对优秀算法进行融合。针对基本遗传算法主要着重于路径最短,从而忽视了机器人的能耗及路径平滑性等问题,设计一种综合考虑距离和转弯次数控制的适应度函数,最后将改进的算法应用于码垛机器人的路径规划中。结果仿真结果表明,相较于基本遗传算法,提出的算法搜索到的路径质量更高,不仅距离更短,同时转弯次数远远小于其他算法,路径更为平滑,验证了该算法的有效性。结论基于该算法的码垛机器人路径在兼顾距离最优的同时,路线更加平滑。由于减少了转向次数,机器人的能耗更低,同时仿真结果表明,该算法的实时性也较好。     

基于UKF的室内移动机器人定位技术研究

为提高室内轮式机器人定位精度,采用多传感器信息融合的机器人自主定位方法,根据室内轮式移动机器人的运动模型,建立了定位系统的状态方程;基于传感器的工作原理和数学模型,建立了各自的观测方程。鉴于二者的非线性,利用无味卡尔曼滤波算法对传感器信息进行融合。实验中开发了基于FPGA的主控平台,降低了数据处理系统的冗余度,提高了系统的稳定性。另外,设计了多传感器并行采集与快速处理的算法,提高了传感器信息融合的实时性和有效性。通过进行的机器人行走实验,结果表明该算法明显减小了定位误差,有效地提高了定位精度。     

基于GPS的蛇形机器人导航方法

将GPS技术应用于蛇形机器人自主运动控制。根据蛇形机器人的基本运动方式,针对其现有的前进、后退、近似角度转弯等运动特点,提出了一种适用于该种蛇形机器人的自主移动算法,即用蛇头运动的方向近似看作蛇体运动方向。通过仿真验证了该算法的有效性,能够使蛇形机器人自主地到达目标点。     

清洁机器人全覆盖算法的研究

本文针对自主清洁机器人提出基于网格地图表示方法的内螺旋覆盖算法,完全覆盖所有区域,同时该算法不用进行复杂的数学计算。最后利用Matlab7.1进行了仿真,实现结果表明该算法具有很好的实用性。     

基于遗传算法的家用保安机器人路径规划方法

将领域知识与遗传算法相结合,提出了一种针对家用保安机器人的路径规划方法.该算法采用改进的栅格化方法来描述家庭环境,重新定义了路径适应度函数的评价方法,并设计有效的路径遗传算子.仿真结果表明了该算法的正确性和有效性.利用该算法实现了在实际家庭环境下保安机器人的路径规划与动态避障.     

储罐检测爬壁机器人全遍历路径规划

针对爬壁机器人难以在储罐外壁实现全遍历检测的问题,提出了一种基于滚动窗口的优先级启发式路径规划算法。在滚动的可视窗口内基于栅格地图进行环境建模,利用优先级启发式算法在滚动的规划窗口内实现对遍历路径的搜索;针对环境中存在U型障碍物的情况,进行了U型障碍物识别和U型障碍物区域直接填充;当机器人陷入死区时,采用死区逃离算法使机器人顺利逃离死区。仿真结果表明,该路径规划方法能指导爬壁机器人在未知储罐外壁环境的情况下实现高效全遍历。研究结果对提高爬壁机器人在储罐外壁的遍历效率具有一定的理论和工程意义。     

基于距离加权的室内可见光定位算法

针对室内可见光定位采用的三边定位算法普适性不高、定位区域较小的问题,提出了一种四LED加权定位算法。该算法结合室内照明LED布局实际情况,从可见光传输距离短定位精度高的特点出发,将传输距离信息作为加权因子引入定位算法中,提高了定位精度及扩大了定位区域。仿真实验结果表明：提出的定位算法在5 m×5 m×3 m的空间区域中可以获得约为18 cm的平均定位误差性能,有效地提高了室内定位精度和系统应用的普适性及鲁棒性。     

基于改进NSGA-Ⅱ的仿人机器人上楼梯运动规划方法

针对当前仿人机器人运动优化算法多采用对能耗、稳定性及速度等单目标优化而存在一定的局限性的问题,提出了一种基于多目标优化的仿人机器人上楼梯运动优化方法.针对NSGA-Ⅱ——经典的带精英策略的非支配排序遗传算法(NSGA)的快速非支配排序效率较低的问题,提出了一种基于自调整二叉搜索树的改进NSGA-Ⅱ方法,并采用改进的NSGA-Ⅱ算法实现了仿人机器人上楼梯运动参数优化.通过仿真和实际实验对比了优化前后仿人机器人的能耗和稳定性.实验表明,采用这种方法能克服单目标优化的缺点,在同时满足多个目标需求的同时有效地实现仿人机器人上楼梯.     

微小型移动机器人的路径规划及编队研究

针对微小型移动机器人的路径寻优及编队问题,提出了路径规划与轨迹跟踪相结合的方法来实现多机器人的编队任务。首先提出了基于传统蚁群算法的改进算法,仿真结果证明,改进算法通过改进参数及初始信息素矩阵,使其收敛速度提高了50%,全局寻优能力提高了30%。其次设计了基于李雅普诺夫算法的轨迹跟踪控制器,仿真结果证明,其误差最终趋于0,验证了该控制器的稳定性。最后结合李雅普控制器和路径寻优算法,实现了多机器人在最优路径上的稳定编队。     

基于模型预测控制的NAO机器人长廊地形稳定行走

室内长廊移动导航是移动机器人领域的经典问题,然而由于关节运动偏差和脚底打滑等因素,NAO仿人机器人内置的标准直线行走功能却无法直接实现长廊行走。本文以实现NAO机器人在长廊环境中的稳定前向行走为具体目标,提出了一种包含视觉伺服、运动规划,步态控制的集成式行走导航框架和具体方法。本文首先采用基于图像的视觉伺服控制算法生成期望运动速度,以此确定步行方向和足迹序列跟随输入的运动速度,并利用基于模型控制(MPC)的在线步态生成算法处理双足步行的ZMP约束和稳定性约束,进而生成符合步行运动特征并满足预设约束的质心轨迹。本文通过实验实现了NAO机器人靠近长廊中心地稳定双足行走,既验证了所提方法的有效性,也为足式机器人的高性能室内行走提供了基础方法与参照。