智能移动机器人的超声避障研究

智能移动机器人是机器人研究领域的重要方向,是当前机器人领域中最活跃的研究主题之一.在分析了智能移动机器人避障常用传感器的基础上,提出了基于多超声传感器的移动机器人的超声避障系统.介绍了超声避障系统的模糊控制规则和非模糊化,并给出了实验结果.实验结果表明,模糊控制机理和策略易于接受和理解,便于应用开发,模糊避障算法对环境有很大的适应性,机器人在不同的环境条件下实现了避障.     

一种新颖的基于二分法和模糊控制的移动机器人避障系统

针对超声波传感器波束角窄导致移动机器人存在避障盲区的现状,研究了一种新颖的超声波避障系统。该系统采用六个超声波传感器构成特别设计的超声波阵列,实现无盲区检测中大型移动机器人前方及左右两侧障碍物的位置,充分保障运行安全性;同时在避障算法上,采用二分法和模糊控制相结合的控制算法,简化了模糊控制规则使系统具有很好的智能性和实时性,实现了移动机器人选择最佳避障路径并对新增的动态障碍物进行避障。将此避障控制系统应用于移动机器人上,实验结果表明：在未知环境下,实现对移动机器人周边的无盲区检测,并且能够实时根据周围障碍物的动态情况选择最佳避障路径,避免了其它避障控制算法中易出现的误避障和二次避障的情况。     

基于改进模糊算法的水面无人艇自主避障

为了提高水面无人艇（USV）在未知、复杂环境下的连续避障性能,提出一种具有速度反馈的模糊避障算法。USV利用激光扫描雷达与多路超声波传感器感知周围环境,通过对障碍物信息进行分组并设置权值的方式进行多传感器数据融合,并在模糊控制的基础上根据环境情况自动调整航速;进而提出一种考虑障碍物所有分布情况的更全面的模糊控制规则表,增强了USV对复杂环境的适应能力。实验结果表明,所提方法能通过与环境交互调整USV航速使其成功避障并优化避障路径,具有良好的可行性和有效性。     

井下移动机器人智能视觉避障研究

针对现有井下移动机器人避障方法在面对井下复杂障碍物时不能准确检测障碍物位置信息,对井下非线性障碍物不能准确进行避障控制等问题,提出了一种基于模糊控制的井下移动机器人智能视觉避障方法。首先采用双目立体视觉模组作为障碍物检测传感器,感知井下环境信息,实时检测障碍物分布情况,并构建占据栅格地图。然后通过八叉树结构模型构建三维点云,使用树状结构对点云数据进行结构化描述,并将其映射到占据栅格地图中,得到障碍物的区域分布情况。最后采用模糊控制策略对实时检测到的障碍物在占据栅格地图中的分布情况进行处理,将当前时刻障碍物在占据栅格地图中的分布情况和移动机器人运行速度作为模糊控制器的输入变量,通过模糊控制算法计算下一时刻移动机器人的转向角度和加速度,从而实现井下移动机器人的智能避障控制。根据移动机器人实际占据空间,设计外接包围盒进一步稳定控制算法,结合避障策略进行智能避障,避免移动机器人与障碍物发生碰撞。实验结果表明,该方法能够准确对井下障碍物分布情况进行描述,使移动机器人能够根据所设计的模糊控制规则准确自主地进行避障操作,从而实现自适应运动。     

基于模糊避障算法的履带式搬运机器人的设计

以HC-SR04超声波传感器模块获取机器人周围环境信息,以链式叉车作为搬运货物的执行机构,以STM32F103单片机作为机器人控制器,设计了一种自动搬运并且避障的小型履带式搬运机器人。针对局部静态环境下多障碍物对系统避障的复杂性,引入了模糊控制算法,通过对机器人与障碍物之间的距离进行模糊化,建立模糊规则,实现搬运机器人的避障控制。为了提高机器人的稳定性及避障的可靠性,对直流电机建立了数学模型,并利用积分分离PID算法进行仿真,最后实验结果表明该算法提高了直流电机的控制性能。     

无人船安全目标追踪与自动避障算法

设计了无人船安全目标追踪算法和双回路追踪以及自动避障控制策略,内回路是控制无人船安全目标追踪并与目标保持一定安全距离,通过Lyapunov函数证明了该控制算法的渐近稳定性;外回路是无人船在安全距离内发现障碍,将目标点虚拟化,运用模糊控制原理,实现自动避障;优化传统的Dijkstra算法,设计了无人船实时最短路径算法;仿真结果表明,提出的综合算法能够实现无人船以合理速度通过最短距离,顺利避障,兼顾了时间效率。     

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。     

基于多超声波信息融合的小车避障算法实现

智能小车根据不同传感器的传感信号,按照一定的规则来调整小车的方位角和速度,实现自主导航。成功避障是提高非结构化环境中智能小车自主能力的关键问题之一,本文提出了一种基于模糊控制的多超声波测距传感器信息融合智能小车避障算法,该算法不仅融合了多个超声波测距传感器的测量数据,对障碍物的距离和空间方位提供准确、可靠的信息,很好的实现避障行为决策,而且不依赖于对象的数学模型,具有较好的鲁棒性。     

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。     

室内机器人及其路径跟踪网络设计

近年来,室内移动机器人的研究和设计成为关注的焦点。我们采用单片机作为机器人的核心控制器,利用超声波传感器、碰撞传感器、步进电机及其控制芯片Ta8435联合制作开发了机器人实验平台。最后介绍了模糊控制、模糊神经网络,并利用模糊控制和模糊神经网络技术对室内机器人导航中的模糊控制避障和模糊神经网络路径跟踪作了MATLAB仿真研究,达到了预期的目的。     

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

移动机器人全覆盖信度函数路径规划算法

针对移动机器人全覆盖路径规划问题,给出一种基于栅格信度函数的全覆盖路径规划算法。目的是为了控制移动机器人能够遍历工作区域中所有的可到达点,同时保证能够自动避开障碍物。首先,根据环境的信息对栅格地图进行赋值,使用不同的函数值表示障碍物、已覆盖栅格和未覆盖栅格;其次,判断机器人是否陷入死区引入不同方向信度函数,对栅格函数值进行调整;最后,机器人根据栅格信度函数值规划覆盖路径。本文所提及的算法不仅能够引导移动机器人实现工作区域的全覆盖而且能够快速逃离死区,实现覆盖路径的低重复率。仿真实验中,通过与生物启发神经网络算法的比较,证明本文提及算法有更高的覆盖效率。     

移动机器人路径规划算法的研究综述

路径规划是移动机器人的热门研究之一,是实现机器人自主导航的关键技术。针对移动机器人路径规划的算法进行研究,以了解不同条件下路径规划算法的发展与应用,系统性地总结了路径规划的研究现状和发展。针对移动机器人路径规划的特点,将其划分为智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法。基于上述分类,介绍了近年来具有代表性的研究成果,重点分析各类规划算法的优缺点,对移动机器人路径规划的未来发展趋势进行展望,为移动机器人路径规划研究提供一定的思路。     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索，提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模，将滚动窗口的概念引入到局部路径规划，由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．     

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。     

基于障碍物运动预测的移动机器人路径规划

针对移动机器人局部动态避障路径规划问题开展优化研究。基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法。在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性。搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性。     

On the Complete Coverage Path Planning for Mobile Robots

This paper presents a generalized complete coverage path planning (CCPP) algorithm and its implementation for a mobile robot. The proposed planner contains two concerns: 1) low working time or low energy consumption, and 2) high human safety. For the first concern, we design the optimal path by incorporating two factors: time and energy costs. Describing the working time and energy in terms of a turning parameter simplifies the optimal path design either for minimizing the time or energy cost. For obstacle avoidance in the CCPP, fixed or moving objects are avoided by proposing a field method describing the effects of factors such as working dangerousness and difficulty on the current robot navigation. The human safety is simultaneously guaranteed by this method. Furthermore, a backstepping controller considering constraints imposed on the control input is established to track the optimal route. An implementation of the proposed CCPP for the experimentally mobile robot equipped with this controller is presented; the verification results demonstrate significant performance and practicality of the proposed strategy.     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

移动机器人全局覆盖路径规划算法研究进展与展望

首先通过势场栅格法、单元分解法、全局与局部转换法等三大方法介绍了单移动机器人各种不同的全覆盖算法,分析了各种不同算法的性能,指出了它们的优缺点,并对每种方法的改进方法进行了探讨分析;另外,针对多机器人协作全覆盖路径规划的研究,探讨了基于单机器人全覆盖路径规划算法和任务分配算法等结合得到的多机器人协作路径规划算法;最后探讨移动机器人全覆盖路径规划算法的研究方向。分析结果表明,对于移动机器人全覆盖算法的研究,可充分利用现有算法的优势互补,或借助多学科交叉的优势,寻找更有效的算法。     

A neural network approach to complete coverage path planning.

Complete coverage path planning requires the robot path to cover every part of the workspace, which is an essential issue in cleaning robots and many other robotic applications such as vacuum robots, painter robots, land mine detectors, lawn mowers, automated harvesters, and window cleaners. In this paper, a novel neural network approach is proposed for complete coverage path planning with obstacle avoidance of cleaning robots in nonstationary environments. The dynamics of each neuron in the topologically organized neural network is characterized by a shunting equation derived from Hodgkin and Huxley's (1952) membrane equation. There are only local lateral connections among neurons. The robot path is autonomously generated from the dynamic activity landscape of the neural network and the previous robot location. The proposed model algorithm is computationally simple. Simulation results show that the proposed model is capable of planning collision-free complete coverage robot paths.