基于模糊神经网络算法的机器人路径规划研究

路径规划是移动机器人研究的关键技术之一.在研究模糊理论和神经网络的基础上,提出了一种新的算法,即模糊神经网络.模糊神经网络既可以像神经网络那样并行处理、自行学习,又可以像模糊理论处理模糊信息、完成模糊推理功能.采用模糊神经网络来对移动机器人的路径进行规划,充分发挥模糊理论和神经网络的各自优势,从而获得从起始点到目标点的最优路径.在环境信息完全未知且静态的情况下进行了仿真实验,结果表明：该算法效率高、收敛速度快,有效提高了移动机器人的智能化水平.     

基于DRNN网络的轮式机器人鲁棒H_∞控制

针对非完整约束的两轮移动机器人系统中存在建模误差及外扰的情形,提出了一种结合对角递归神经网络和非线性H_∞方法的控制策略.利用对角递归神经网络逼近建模不确定的非线性项,H_∞控制则用来实现期望的鲁棒跟踪性能.基于Lyapunov稳定性理论,整个系统跟踪误差闭环有界.此外,在外界干扰仅仅积分有界的情形下,系统仍能满足具体的鲁棒跟踪性能.最后,对于相同外扰及不确定性下的移动机器人,将其与控制力矩法进行对比,仿真结果表明,所提方法是有效的.     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。     

基于模糊控制的移动机器人路径跟踪

建立了履带式移动机器人的数学模型.模仿人工驾驶过程中的预瞄行为,提出了一种移动机器人路径跟踪的模糊控制方法.用距离误差和预瞄角度误差作为控制量建立角速度控制器,实现对匀速行驶移动机器人的路径跟踪控制.LabVIEW仿真结果表明,提出的模糊控制方法能够保证移动机器人快速、准确的沿规划路径行驶,具有良好的鲁棒性.     

基于路径识别和跟踪的视觉导航

路径识别和路径跟踪是轮式移动机器人视觉导航的两个关键问题,本文利用带状路径标示线的直线信息对路径进行识别,采用模糊控制器实现对路径的跟踪控制。通过仿真实验表明,该方法具有很高的实时性和很好的控制精度,能够满足轮式移动机器人视觉导航的需要。     

非结构环境下基于机器视觉的机器人路径跟踪方法

针对温室环境下机器人自主导航问题,提出了基于模糊预测控制的实时路径规划和跟踪方法.通过训练神经网络对图像进行分割,获取导航预瞄点,得到机器人运动的角度偏差和横向偏差.当角度偏差小于25°时,采用预测控制的方法,用拟合圆弧曲线作为机器人跟踪的规划路径,当角度偏差大于25°时,采用模糊控制器对2驱动轮的轮速进行控制.实验表明,该方法能对曲线路径进行平滑的跟踪,以0.3 m/s的速度运动时最大跟踪误差小于5cm.     

模糊逻辑推理的神经网络方法及其应用

应用可能性度量理论提供了一种模糊逻辑推理的神经网络实现方法,在该方法中,模糊规则羊件（ａｎｔｅｃｅｎｄｅｎｔ）和后件（ｃｏｎｓｅｑｕｅｎｔ）的语言变量被表示为神经网络的中权重,采用Ｂａｃｋ－Ｐｒｏｐａｇａｔｉｏｎ学习算法来学习相关语言变量的隶属度水平,介绍了控制器的构造和推理方法以及在移动机器人路径跟踪中的应用。     

具有死区输入的不确定混沌系统控制

死区输入存在于大部分工业控制系统中,对控制系统的性能有较大的影响。针对具有死区、非线性控制输入的不确定混沌系统,利用模糊神经网络的逼近能力,在对不确定混沌系统进行辨识的同时,自适应地补偿其非光滑、非线性的特性。为了提高模糊神经网络的性能,使辨识误差最小,利用粒子群优化算法对模糊神经网络的参数进行优化,从而使逼近误差达到最小。在系统的控制部分,采用滑模控制对输入的信号进行跟踪控制。最后对Duffing系统进行仿真,并与传统控制方法做比较,证明了该方法的有效性和优越性。     

考虑万向轮扭转角扰动轮式移动机器人轨迹跟踪

为了研究轮式移动机器人运动过程中万向轮扭转的扰动对其轨迹跟踪的影响,提出了一种考虑前端万向轮摩擦扰动及其质心与几何中心不重合的轨迹跟踪控制方法。首先,建立了考虑万向轮扭转角扰动的轮式移动机器人动力学模型;其次,根据位姿误差模型,采用反步法设计虚拟速度控制器收敛系统位姿误差;然后,结合扰动观测器对机器人行进过程中万向轮扭转所带来的摩擦扰动进行估计,构造出一种基于积分滑模思想的力矩控制器以保证速度追踪;最后,利用Lyapunov稳定性理论对系统的稳定性和渐近收敛进行证明。仿真及实验结果表明,将万向轮摩擦所带来的扰动反馈给动力学控制器,可以减轻控制器的负载。与忽略万向轮扰动的控制方法相比,轮式移动机器人的位置误差最大值的均方根值降低了37.37%,提高了运动系统的稳定性。     

移动机器人的研究现状与趋势

对智能移动机器人的计算机控制系统、多传感器信息融合、环境识别、机器人视觉、路径跟踪以及智能控制等的研究现状进行了较为详细地分析和综述．最后,对智能移动机器人的多机器人协作和移动机械手之研究趋势进行了分析．     

基于神经网络的移动机器人路径规划

针对移动机器人在部分环境信息已知情况下的路径规划问题,运用神经网络动态路径最优算法,研究了基于传感器信息的在线路径规划方法.基于扩展卡尔曼滤波的定位方法融合了多个与机器人状态及环境相关的信息,提高了定位精度.首先建立动态的工作空间信息,基于神经网络的路径规划算法完成机器人的路径规划,根据路径点集运动趋向来调节小车移动,完成了导航的任务.对算法的性能和效率进行了分析,实验表明该方法在障碍物的信息未知的情况下,执行速度快.     

基于神经网络的四足机器人 SLIP 模型运动控制

根据四足哺乳动物形态设计的四足机器人,能够适应错综复杂的地形,且具有较强的运动属性。 而对于四足机器人而言,运动的控制十分重要,所以对四足机器人运动过程中的跳跃控制问题进行了研究。 首先,采用弹簧负载倒立摆模型（SLIP）对四足机器人结构进行简化处理,建立了简化模型的动力学方程, 并分析了模型的运动过程以及着陆相与腾空相的转换条件。其次,在仿真平台中建立了 SLIP 动力学模型, 通过动力学仿真得到了一份仿真样本数据,并利用这份样本数据训练了一个神经网络,其中样本考虑了四足 机器人在与地面接触过程中由于碰撞和阻尼所消耗的能量。最后,在仿真平台中进行验证,给定模型的初始 高度和水平速度,通过神经网络计算出合适的着陆角,得到期望的水平末速度和弹跳高度。实验结果表明, 基于神经网络的方法可以较精确地实现对 SLIP 模型运动的控制。     

Seam tracking control for mobile welding robot based on vision sensor

To solve the seam tracking problem of mobile welding robot, a new controller based on the dynamics of mobile welding robot was designed using the method of backstepping kinematics into dynamics. A self-turning fuzzy controller and a fuzzy-Gaussian neural network (FGNN) controller were designed to complete coordinately controlling of cross-slider and wheels. The fuzzy-neural control algorithm was described by applying the Gaussian function and back propagation (BP) learning rule was used to tune the membership function in real time by applying the FGNN controller. To make the tracking more quickly and smoothly, the neural network controller based on dynamic model was designed, which utilized self-learning and self-adaptive ability of the neural network to deal with the partial uncertainty and the disturbances of the parameters of the robot dynamic model and real-time compensate the dynamics coupling. The results show that the selected control input torques make the system globally and asymptotically stable based on the Lyapunov function selected out; the accuracy of the proposed controller tracing is within ±0.4 mm and can satisfy the requirements of practical welding project.     

基于车载激光点云的道路交叉口检测与识别

道路交叉口是道路交通网的重要组成部分, 其位置和类型是高精地图、自动驾驶等应用服务的基础数据.目前研究多关注车载激光点云的道路边界提取, 较少关注道路交叉口类型识别.为此, 本文提出一种基于动态图神经网络的道路交叉口分类方法.首先分析地面超体素的几何和空间分布差异进行提取道路边界点; 然后计算道路边界点曲率, 利用滑动窗口中曲率差异检测道路交叉口; 最后构建动态图神经网络识别出"T"型和"十"型道路交叉口.实验采用两份不同车载激光点云数据验证本文方法的有效性, 实验结果表明, 该方法能准确检测绝大多数道路交叉口位置及类型.     

可变形履带机器人跨越台阶的动力学分析

针对各种灾难过后复杂的地理环境,设计了一种具有平行四边形结构的可变形履带机器人.为了计算机器人在运动过程中的电机驱动力和地面支持力,对机器人上台阶过程进行了运动分析,利用牛顿欧拉方法建立了其跨越台阶的动力学模型,并对其运动稳定性进行了实验.实验结果表明,机器人能够根据运行环境采取不同的运动方式,具有很强的越障能力,适用于崎岖山路、瓦砾及楼梯等复杂环境.此研究可为机器人的运动控制提供借鉴.     

基于神经网络的视觉机器人模糊控制

设计人工神经网络(ANN)替代机器人的图像雅克比矩阵,基于ANN和视觉机器人构成的增广被控对象设计了模糊控制器,组成了基于神经网络和模糊逻辑的机器人视觉伺服控制系统,给出了实验结果.实验表明,该方法简捷、易行、有效.     

基于切换增益调节的神经滑模控制的机器人位置跟踪

针对机器人的位置轨迹跟踪问题,提出一种基于切换增益调节的神经网络滑模控制方法。首先设计基于机器人位置的滑模控制器模块,然后通过神经网络来调节滑模控制器中的切换增益,使得切换增益能随着外界干扰作用等不确定项的改变而改变,从而能实时地估计切换增益,解决传统滑模控制中的抖振问题,最后,以双臂机器人为对象,采用MATLAB仿真软件对该控制算法进行了验证。结果表明,与传统的滑模控制相比较,该方法能使机器人更好地跟踪期望的位置轨迹,并有效地减轻了抖振。