自治水下机器人避碰算法及其仿真研究

为了提高水下机器人(AUV)在复杂海洋环境下的自适应性,文章对传统的避碰方法进行了改进.对AUV的禁入区和潜在碰撞区进行了安全性分析.建立了前视声纳模型以及三维水下规划空间模型.提出了基于强化学习、BP神经网络及人工势场相结合的避碰算法.在AUV与环境的试错交互中,借助于来自成功和失败经验的奖励和惩罚值,不断改进水下机器人的自治能力.设计了AUV深度行为模糊协调器, 对潜深行为和距底高度行为进行协调融合.开发了AUV运动规划与仿真的半实物软件系统,仿真试验证明了算法的合理性与可行性.研究对于提高AUV的自主性和安全性具有重要的应用价值.     

基于三维速度势场的AUV局部避碰研究

以势场方法的思想为出发点，提出一种基于速度势场的AUV局部避碰仿真方法．根据AUV的特点建立了空间碰撞危险区域和由水平面速度势场和垂直面速度势场组成的三维速度势场．该方法较好地利用了相对速度的信息．仿真实验证明此方法可以使AUV在水下多运动障碍物的环境中得到较好的局部避碰效果，为今后的海试打下了很好的基础．     

基于前视声纳信息的AUV局部路径规划研究

针对水下环境的不确定性,建立了前视声纳的视域模型。主要采用强化学习的方法对自治水下机器人(AUV)进行控制和决策,综合Q学习算法、BP神经网络法、人工势场法对AUV进行局部路径规划。在AUV与环境的试错交互中,借助于来自成功与失败经验的奖励和惩罚值,不断改进水下机器人的自治能力。并设计了AUV局部路径规划器,实现AUV在不确定环境下的避障任务。半实物仿真证明了算法的可行性与可靠性。     

基于前视声纳信息的AUV避碰规划方法

提出了基于实时前视声纳信息实现AUV避碰规划的框架.整个避碰规划系统包括声纳探测目标、目标跟踪、特征信息提取、目标运动估计、避碰算法等部分.在小型局域网仿真系统上仿真表明,该控制方法使得AUV能够较好的实现对静止目标和运动目标的避碰.     

基于人工协调场的多移动机器人实时协调避碰规划

为克服传统人工势场在动态未知环境下机器人避碰规划中存在的缺陷,提出人工协调场法(ACF).将场函数与机器人的风险状态相结合,给出并讨论了人工协调场的基本设计.基于人工协调场,考虑机器人的运动约束,实现了多机器人之间以及机器人与环境间的实时协调避碰,提出了一个多移动机器人无死锁实时避碰规划算法.理论分析和仿真试验证明所提方法的有效性.     

一种改进势场法在多移动机器人避碰规划中的应用

基于人工势场法原理建立了移动机器人避障模型,对人工势场法的“势场陷阱”问题进行了重点分析,对动态停止“势场陷阱”和徘徊抖动“势场陷阱”问题分别采用“随机扰动法”和“动态步长折半法”处理,并把它用到多移动机器人避碰规划中,仿真结果表明改进效果明显。     

传感器网络仿真与监控系统的开发

无线传感器网络越来越受到人们的关注,控制方法也大量涌现,但在性能的评价上,现在仍缺乏简单有效的仿真平台。针对传感器网络中移动节点的避障、自组织等一些问题,开发了传感器网络的仿真与监控系统。将基于行为的避碰规划方法应用于系统当中,并改进了传统的人工势场法用于传感器节点的自组织。运行结果表明：系统能够可视化地显示出不同的参数对于传感器网络的避障与自组织效果的影响;能够实时监测传感器节点的运动情况,获得监测数据;有利于于推动无线传感器网络技术的研究。     

人工势场法在多机器人运动中的研究

多机器人运动主要包括避障避碰、群集运动、队形控制三个模块.人工势场法在这三方面的理论基础已比较成熟,但在具体应用上还有一些值得改进的地方,如局部最小问题的解决、多机器人运动存在的特殊碰撞问题、复杂环境下的运动以及队形控制算法的探讨等.针对这些问题,分析了势场法在多机器人运动规划中的研究方法和现状,并对势场法在该研究领域的前景和研究方向做出了展望.     

基于动态模糊人工势场法的移动机器人路径规划

传统人工势场法在路径规划中存在局部极小值问题,而且不能满足动态环境中移动机器人路径规划对实时性、安全性和可达性的要求.针对传统人工势场法存在的问题,通过引入速度矢量,改势场力函数,并与模糊控制方法相结合,实时调节斥力势场系数,克服人工势场法的缺陷.在MATLAB平台中验证了方法的有效性,实验结果表明,该方法优于人工势场法模型的路径规划.     

基于Processing实现多智能体环形围捕仿真

在以往多智能体编队研究的仿真分析中,相关物理量和运动轨迹常采用静态曲线描述,较少关注系统运动过程的实时动态刻画。针对上述问题,提出了一种基于Processing的动态仿真方法,首先,利用三阶贝塞尔曲线构造了一种新型软体仿生鱼模型。其次,综合虚拟结构法和人工势场法设计了能解决个体避碰问题的多智能体环形围捕控制律。最后,应用仿生鱼模型对多智能体环形围捕控制算法进行动态仿真。仿真结果表明,新型仿真方法直观增强了智能体位姿信息的动态可视化,验证了二阶积分器多智能体系统环形围捕算法的可行性。