移动机器人路径规划技术的现状与发展

移动机器人技术是近年来的研究热点，路径规划技术是移动机器人技术研究中的一个重要领域。路径规划分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。该文详细地叙述了移动机器人路径规划技术的分类和发展现状，全局路径规划和局部路径规划中的各种方法，具体地分析了各种方法的算法过程，并指出了各种方法的优缺点，以及各种方法的改进的办法，最后对移动机器人路径规划技术的未来的发展趋势进行了展望。     

基于多传感器信息融合的移动机器人导航综述

综述了自主式移动机器人导航技术,对其中的同步定位与地图创建、路径规划以及多传感器信息融合等技术进行了详细的分析,并从基于地图、基于环境和基于行为3个方面全面地阐述了移动机器人路径规划技术的研究现状.对当前的研究热点SLAM技术、遗传算法和基于行为的规划算法等进行了较为详细的介绍和分析.同时,展望了移动机器人导航技术的发展趋势.     

移动机器人路径规划算法综述

路径规划算法是实现移动机器人自主导航的关键技术。针对移动机器人路径规划技术进行研究,分析各算法的实现机制与原理,并系统性的总结了主流路径规划算法研究现状。根据移动机器人路径规划算法的特点,将路径规划算法分为：传统规划算法、智能规划算法、基于采样的规划算法。基于以上分类,分述近年来的主要研究成果,重点分析各类算法的优缺点。针对移动机器人路径规划算法研究现状,对其未来研究方向进行展望,为移动机器人路径规划大发展提供一定的思路。     

移动机器人可拓控制器的设计

路径规划技术是移动机器人研究领域的关键技术之一,是移动机器人完成任务的安全保障.针对在环境障碍物信息未知的情况下移动机器人的路径规划问题,将可拓学理论与机器人路径规划结合,建立了机器人物元模型,分析了其可拓性在不同的环境下的应用,并结合机器人全局与局部路径规划方法的特点,设计了基于可拓控制的路径规划控制器,仿真结果证明了该方法的可靠性和有效性.     

自主移动机器人局部路径规划综述

自主移动机器人技术是近年来的研究热点,而路径规划技术是自主移动机器人技术研究中的一个重要内容。讨论了自主移动机器人路径规划技术的分类和研究局部路径规划的重要性;分析了局部路径规划技术的发展现状;指出了局部路径规划各种方法的优点与不足;对局部路径规划技术今后的发展方向做出了展望。     

基于遗传算法的多移动机器人协调路径规划

采用链接图法建立了机器人工作空间模型;应用遗传算法规划多移动机器人运动路径; 引入适应值调整矩阵新概念,以达到对多移动机器人运动路径的全局优化;基于面向对象技术,研 制成功多移动机器人路径规划动态仿真系统.大量仿真实验结果表明,所提方法可行.     

智能移动机器人技术现状及展望

智能移动机器人技术涉及到机器人导航与定位,路径规划,运动控制等.本文综述了移动机器人技术的历史,现状以及未来.首先简要回顾了移动机器人的发展历史,介绍了移动机器人主要体系结构.其次详细论述了移动机器人的主要导航技术,路径规划技术以及多传感器信息融合技术,并指出它们优缺点.最后指出基于硬件电路图像处理的视觉导航技术,高智能情感移动机器人等技术是移动机器人发展趋势.     

智能算法在机器人路径规划中的应用研究

移动机器人技术研究中的一个重要领域是路径规划技术。综述了智能算法在移动机器人路径规划技术中的发展现状,指出了各种方法的优点与不足。最后对移动机器人路径规划技术的发展趋势进行了展望。     

移动机器人路径规划算法分析

随着人工智能技术的兴起和发展,移动机器人也被运用到各行各业。路径规划作为机器人技术中的重要组成部分之一,是实现移动机器人自主导航的关键技术,一直备受研究者的密切关注。路径规划的核心问题是路径规划算法,随着移动机器人所处的环境越来越复杂,对路径规划算法也提出了更高要求。针对路径规划算法的实现原理,总结了目前主流路径规划算法的研究现状,并根据各规划算法的特点,将算法分为传统路径规划算法、基于采样路径规划算法、智能仿生算法以及基于强化学习的算法。文章也围绕以上算法进行分析梳理,分析其优缺点以及改进方法,并针对现有路径规划算法的研究现状,对未来路径规划算法的发展进行展望,为路径规划的发展提供了一定的思路。     

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。     

一种基于混合学习策略的移动机器人路径规划方法

针对未知环境下移动机器人路径规划问题,以操作条件反射学习机制为基础,根据模糊推理系统和学习自动机的原理,提出一种应用于移动机器人导航的混合学习策略.运用仿生的自组织学习方法,通过不断与外界未知环境交互从而使机器人具有自学习和自适应的功能.仿真结果表明,该方法能使机器人学会避障和目标导航任务,与传统的人工势场法相比,能有效地克服局部极小和振荡情况.     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

非完整移动机器人群体的优化蜂拥控制

考虑到非完整移动机器人群体蜂拥运动过程中保持位置拓扑全局连通的性能,提出一类基于局部信息交互的优化蜂拥控制算法.利用趋向局部最小外接圆圆心位置的控制方式维持群体位置拓扑在运动过程中的全局连通性,保证群体位置的聚合;结合角度控制和贝塞尔曲线规划个体的运动路径,在路径长度阈值的限定下,通过粒子群算法求取个体的优化目标方向角,保障群体运动方向的匹配;最后给出了可行的避碰方案.     

未知环境下基于有先验知识的滚动Q学习机器人路径规划

提出一种未知环境下基于有先验知识的滚动Q学习机器人路径规划算法.该算法在对Q值初始化时加入对环境的先验知识作为搜索启发信息,以避免学习初期的盲目性,可以提高收敛速度.同时,以滚动学习的方法解决大规模环境下机器人视野域范围有限以及因Q学习的状态空间增大而产生的维数灾难等问题.仿真实验结果表明,应用该算法,机器人可在复杂的未知环境中快速地规划出一条从起点到终点的优化避障路径,效果令人满意.     

基于细胞自动机的移动机器人路径规划算法

针对移动机器人全局最优路径规划问题,提出一种基于细胞自动机的路径规划算法.该算法首先将移动机器人的起点、目标点和空间障碍物定义为一组离散的细胞状态,建立环境的细胞自动机模型;然后由机器人移动的曼哈顿距离设计演化规则;最后根据演化后的细胞状态搜索最优路径.对简单和复杂环境下的机器人路径规划问题进行了仿真实验,实验结果验证了该算法的有效性.     

基于概率路标的机器人狭窄通道路径规划

针对机器人工作空间中存在狭窄通道时,基于概率路标图的路径规划法不能有效提高狭窄通道中路标分布的合理性,研究一种基于狭窄通道辨识的混合路标规划法的混合路标采集策略,利用星形试验法辨识出狭窄通道形状,增加狭窄通道中的路标密度,使全局路标分布合理化,提高了路径规划的效率.二维和三维配置空间中的仿真实验验证了该算法的有效性.     

基于“非伪”理论的非完整移动机器人轨迹跟踪控制

"非伪"控制是一种基于数据驱动的无模型控制方法,它根据输入-输出数据进行在线学习,计算与当前系统状态相匹配的控制量并作用于系统,以获得系统所要求的动静态品质,并以此检验系统是否满足该性能指标.基于"非伪"控制理论,研究了移动机器人的轨迹跟踪控制问题.根据非完整移动机器人的动态方程,采用"非伪"控制,直接作用于移动机器人的控制输入,使移动机器人能快速、准确地跟踪期望轨迹.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

一种人工免疫算法优化的高有效性模糊聚类图像分割

针对传统模糊聚类初值敏感、易陷入局部最优的缺陷,将具有良好勘探和开采能力的人工免疫算法用于模糊聚类的优化并提出了相应的图像分割算法.利用改进的Hausdorff距离提出一种新的抗体浓度评价算子并定义了相应的免疫算子,简化了免疫操作,增强了算法自适应寻优能力.采用最近提出的一种有效性函数作为聚类适应度函数,以人工免疫算法寻优,从而自适应地确定聚类数日与中心,实现自动图像分割.仿真实验表明,该算法可以实现图像的自动高有效性分割.     

自行车机器人系统的稳定滑模控制

基于拉格朗日方法建立自行车机器人动力学模型,针对自行车机器人这一非线性欠驱动系统,利用稳定滑模控制算法实现系统的稳定.该方法首先从各个子系统中取出一个变量组合成一个中间变量;然后从该中间变量出发构造滑模函数,从滑模控制器设计的角度求取控制量,保证中间变量在有限时间内收敛到平衡点,从而保证系统状态收敛到收敛域内.该方法能够保证自行车机器人系统的稳定性,并在仿真实验中得到了验证.