模糊神经网络在移动机器人信息融合中的应用

针对移动机器人所用的传感器,提出了一种用于多传感器信息融合的方法,将模糊逻辑和神经网络结合起来,构建了模糊神经网络,并建立了网络的计算模型.通过建立的模糊神经网络对移动机器人的多传感器信息进行融合,实现了移动机器人对动态环境中障碍和环境类型的实时识别以及无冲突运动.网络的训练和试验表明该方法在移动机器人躲避运动物体中是可行的.     

基于行为模糊控制的移动机器人路径规划

针对未知环境下移动机器人路径规划和提高自主导航安全性问题,基于行为的控制结构思想,在此基础上提出了一种基于模糊控制的移动机器人路径规划算法;根据传感器接收的障碍物和目标距离方位信息,将路径规划分成避障行为、趋向目标行为;结合模糊逻辑理论和人类驾驶经验,制定模糊规则,输出转角和速度;仿真结果表明,移动机器人能够克服环境中的不确定性,有效地实现良好的路径规划,验证了模糊控制算法的可行性,体现了该路径规划策略的有效性和正确性。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

未知环境下的移动机器人仿真平台设计

从理论上分析了机器人控制系统和检测外部环境的传感器,并在该基础上阐述了航姿推算定位算法.利用Matlab GUI设计了移动机器人的控制仿真平台,并通过算法对超声波测距进行了模拟.最后,设计模糊控制器应用于该仿真平台对移动机器人进行实时控制.仿真结果表明,在非结构化的未知环境中,系统响应速度快,实现了机器人从起点到静态目标点的安全行驶.     

移动机器人目标捕捉运动规划研究

提出一种应用于移动机器人在动态环境下捕捉目标的运动规划方法.该方法基于模糊控制理论.利用所要捕捉目标的位置与速度信息,依据人类的驾驶经验制定模糊规则.通过移动机器人转向角与速度的控制.实现了对动态运动目标的捕捉.仿真实验验证了该算法的有效性.     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

基于模糊人工势场法的智能全向车路径规划

针对于移动机器人在传统人工势场法路径规划中易于陷入局部最小点而无法抵达目标点的问题,同时考虑到实际环境中人工势场法相关参数的不确定性,提出了一种基于模糊人工势场法的动态路径规划方法。借助于专家经验进行模糊决策,调整移动机器人在各个时刻的合力大小和方向,进而解决斥力常数、引力方向偏角以及机器人行驶速度的不确定性问题。为了验证该方法的有效性,在智能全向车平台进行了应用,结果表明,智能全向车运动轨迹平滑,避免了实际应用中的震荡问题。     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。     

Hermite三次样条插值的车型机器人路径规划研究

针对车型机器人在移动过程中的路障规避和寻找最优路径的问题,提出了一种基于Hermite三次样条的基线平滑路径,作为移动机器人穿越复杂环境的可行路径,并给出了相应的迭代优化算法。该算法在ODE仿真环境下进行了测试,其效果令人满意。     

基于模糊逻辑的多移动机器人自适应协作围捕

提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案,为成功实现围捕,设计了基于模糊逻辑的钳型夹击策略,模糊规则通过遗传算法学习获得.同时为躲避围捕过程中遇到的动态随机障碍,提出了基于碰撞风险的随机避障策略.围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得在MRS仿真环境下进行了模拟实验...     

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。     

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.     

一种基于多组传感器信息移动机器人的避障方法

提出了一种基于多组传感器信息的移动机器人避障的新方法.该方法把多组传感 器信息作为ART-2神经网络的输入,实现移动机器人对当前感知环境的快速识别和分类.在 此基础上,设计了用于移动机器人在未知环境下避障的模糊控制器.试验证明了这一方法的 有效性和实时性.     

移动机器人未知环境避障研究

针对移动机器人的避障问题,以AS-R移动机器人为实验平台,提出了一种改进人工势场和模糊逻辑相结合的路径规划方法.对于未知障碍物环境采用人工势场法进行实时路径规划,对于动态近距离动态障碍物采用模糊逻辑方法引导机器人做出避障行为.为了有效将2种方法结合,根据传感器信息对于人工势场方法引入转角的信任度,机器人运行方向由上述2...     

基于模糊控制的移动机器人避障研究

针对移动机器人在未知环境中的不确定性,利用Matlab构建了多传感器仿真试验移动平台,在Simulink中搭建移动机器人运动学模型,利用多传感器采集环境中的障碍物信息与目标物的方位角,设计了具有避障功能的模糊控制算法.通过模糊控制器控制移动机器人的左右轮速度实现机器人的转弯以及直走,根据机器人实时的角度反馈信息不断修正机器人的位姿以精确避障.仿真实验验证了该方法的可行性及有效性.     

Self-localization and obstacle avoidance for a mobile robot

This article presents a fast self-localization method based on ZigBee wireless sensor network and laser sensor, an obstacle avoidance algorithm based on ultrasonic sensors for a mobile robot. The positioning system and positioning theory of ZigBee which can obtain a rough global localization of the mobile robot are introduced. To realize accurate local positioning, a laser sensor is used to extract the features from environment, then the environmental features and global reference map can be matched. From the matched environmental features, the position and orientation of the mobile robot can be obtained. To enable the mobile robot to avoid obstacle in real-time, a heuristic fuzzy neural network is developed by using heuristic fuzzy rules and the Kohonen clustering network. The experiment results show the effectiveness of the proposed method.     

基于深度强化学习的移动机器人动态路径规划算法

为了在复杂舞台环境下使用移动机器人实现物品搬运或者载人演出,提出了一种基于深度强化学习的动态路径规划算法。首先通过构建全局地图获取移动机器人周围的障碍物信息,将演员和舞台道具分别分类成动态障碍物和静态障碍物。然后建立局部地图,通过LSTM网络编码动态障碍物信息,使用社会注意力机制计算每个动态障碍物的重要性来实现更好的避障效果。通过构建新的奖励函数来实现对动静态障碍物的不同躲避情况。最后通过模仿学习和优先级经验回放技术来提高网络的收敛速度,从而实现在舞台复杂环境下的移动机器人的动态路径规划。实验结果表明,该网络的收敛速度明显提高,在不同障碍物环境下都能够表现出好的动态避障效果。     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于双层模糊逻辑的多机器人路径规划与避碰

针对无通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了基于双层模糊逻辑的多机器人路径规划与动态避碰系统。方向模糊控制器充分考虑了障碍物的距离信息和目标的角度信息,转化为机器人与障碍物的碰撞可能性,从而输出转向角度实现机器人的动态避障;速度模糊控制器将障碍物的距离信息作为输入,将速度因子作为输出,提高了多机器人路径规划与动态避碰系统的效率和鲁棒性。在Pioneer3-DX机器人实体上验证了该系统的可行性。