一种自治水下机器人垂直面避碰规划方法

为提高自治水下机器人在垂直面跨越坡型、台阶型障碍的能力,提出了一种基于模糊控制的垂直面避碰规划方法.该方法以避碰声纳的输出作为输入,垂直面的深度调节量作为输出,直接建立了从障碍感知到避碰行为的映射.半物理仿真实验表明,该方法有效提高了某型自治水下机器人垂直面操纵性能,具有反应迅速、稳定性好、便于工程实现的优点.     

基于传感器信息的AUV局部避碰研究

采用势场法对自主水下机器人(AUV)进行局部避碰规划.在建立前视声呐视域模型和人工势场模型的基础上,对AUV进行决策控制,通过梯度逼近法对目标进行搜索,快速规划出一条无碰撞的路径.在障碍物检测上,设计了监测模块,实时检测障碍的类型,指导AUV进行运动轨迹解算.在AUV深度控制上,设计了AUV深度行为模糊协调器,对最小潜深、最小距底高度进行协调,实时解算AUV深度行为.开发了AUV运动规划与仿真的半实物软件系统,仿真实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.     

基于主从结构的多水下机器人协同路径规划

关于多水下机器人协同路径规划问题,是多水下机器人协同控制的重要研究内容之一,是一种典型的含多个约束条件的组合优化问题.针对多机器人协同路径规划因约束条件多导致算法复杂度高、耗时、求解困难等问题,提出了一种主从结构的并行多水下机器人协同路径规划算法.进化过程的每一代,子层结构应用粒子群并行算法,生成各架机器人当前的最优路径,同时,主层结构应用微分进化算法实时给出当前考虑机器人与障碍物、机器人与机器人之间避碰情况下,总系统运行时间最短的路径组合方案.上述结构将多约束分解到不同层面,有效地降低了单层结构因过多的约束条件计算时间过长以及不易实现等困难.仿真结果表明,上述算法不仅能在静态环境下生成可行的、优化的组合路径,而且在当障碍物随时间随机移动的动态环境下,也表现出可行的、良好的效果,为求解多水下机器人协同路径规划问题提供了一个高效的解决方案.     

基于初等运动的多机器人避碰及死锁预防

该文以一实际应用为背景提出了多移动机器人避碰及死锁预防算法,该算法将机器人的运行环境形式化地描述为初等运动集、冲突图、总任务集及机器人作业集,利用集合论、图论的有关方法及技术实现了多机器人间的避碰与死锁预防。当机器人的运行环境改变时,只需要对相应的集合描述文件进行修改,而不用对程序做任何屐改动。算法的另一个特点是利用避碰算法巧妙地完成了死锁预防。仿真和实际运行证明了该算法高效可靠。     

基于蚁群算法的机器人路径规划

针对移动机器人规避障碍和寻找最优路径问题,提出了在复杂环境下移动机器人的一种路径规划方法.采用了栅格法建立了机器人工作平面的坐标系,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利的到达目标点.仿真实验的结果表明了所述方法能在较短时间内找到最佳路径并规避障碍.     

中医按摩机器人双臂推拿过程的避碰控制

讨论了中医按摩机器人的双臂协调运动控制问题.根据机械臂的结构特点,将空间避碰问题转化为平面内的避碰问题,对按摩机器人双臂推拿过程中可能发生的碰撞情况进行了分析.利用平面几何方法,对机器人双臂协调推拿过程进行了避碰规划,设计出一套双臂协调运动控制策略.利用MATLAB对双臂的避碰情况进行了运动学仿真,仿真结果表明本文中设计的方法可以有效的实现双臂在推拿过程中的协调运动.     

基于人工势场与速度合成的AUV路径规划

水下环境与地面环境有着本质区别,海流对自治水下机器人航行的影响远大于地面移动机器人所受风速的影响,因此,AUV(Autonomous Underwater Vehicle)水下作业的过程中,不仅要避开运动过程中所遇到的障碍物,还要考虑受到海流因素的影响.将人工势场路径规划算法直接应用到AUV路径规划中,显然难以达到路径最优效果.为解决AUV在海流环境下的路径规划问题,本文针对机器人水下航行的特点,在传统人工势场方法的基础上,考虑海流作用,将速度合成的算法与人工势场相结合,克服海流对AUV水下航行的影响,提出一种新的AUV水下路径规划算法.仿真试验表明,所提算法达到了良好的效果.     

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.     

自主水下航行器避障的视景仿真实现

为了在虚拟环境下模拟自主水下航行器的避障过程,基于软件平台MuhiGen Creator和Vega,在HP图形工作站上开发了自主水下航行器避障视景仿真平台.提出了一种避碰声纳的仿真方法,利用Vega提供的碰撞矢量函数和自定义的Vol-ume碰撞方式,模拟前视卢纳的功能,并利用Vega的Isectors来仿真避碰声纳发现障碍物的过程.在AUV避障的视景仿真中运用,实现了虚拟环境下自主水下航行器避障.仿真结果表明,视景仿真能够使仿真系统更加逼真和接近于实际情况,并且满足系统仿真的实时性要求.     

未知环境下多AUV协同避障方法研究

针对多AUV（autonomous underwater vehicle）系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。     

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。     

自治式水下机器人避障行为机制研究

针对未知环境下自治式水下机器人(AUV)的运动规划问题,提出了一种基于行为的避障和趋向目标方法。根据行为动力学原理,设计了水平方面的趋向目标行为模块和避障行为模块,利用水平面的宏行为实现了水平面行为模块的融合。垂直面的行为设计根据模糊理论建立了输入"深度"和"高度"的模糊隶属度,制定了航行深度和距底高度与参考深度之间的推理规则,再通过解模糊化得到实际的参考深度的精确量。仿真结果表明:所设计的行为模型对外界环境有较好的反应性,响应正确有效,有助于提高AUV对环境的适应性。     

基于DBN的特种车辆前向防撞推理模型

针对特种车辆在动态环境中的前向碰撞风险评估问题,对特种车辆前向碰撞风险的自然因素、驾驶员行为特征等进行研究,并对固定的车辆安全防撞距离阈值进行改进,提出了一种基于动态贝叶斯网络的前向防撞推理模型。该模型将自车与周围环境的位置关系、环境关系、驾驶员行为等因素进行融合,一旦周围环境发生变化,该模型可以及时评估前向风险,并与静态贝叶斯网络的前向推理模型进行对比分析。仿真实验验证了该前向防撞推理模型的可行性和有效性。     

基于修正导航向量场的AUV自主避障方法

针对复杂海洋环境下的自治水下机器人(Autonomous underwater vehicle, AUV)三维避障问题, 本文提出了一种高效的修正导航向量场方法.构建自由空间下的初始导航向量场, 引导AUV以最短路径向目标点航行.定义修正矩阵来量化描述障碍物对初始导航向量场的影响, 得到障碍空间下的修正导航向量场, 使得AUV向目标点航行的同时躲避静态障碍.通过结合障碍物运动速度, 分别构建相对初始导航向量场与相对修正导航向量场, 并采取有限时域推演与调整策略, 最终引导AUV安全躲避动态障碍.仿真结果表明, 本方法能较好地应用于复杂海洋环境下的AUV避障任务.     

一种用于群体模拟的分层次避障法

个体避障是实现基于主体的(agent-based)群体模拟中一个很重要的问题,为了实现个体间以及个体和环境间的碰撞避免并杜绝穿透,人们提出了大量避障方法.但是,这些方法面临的挑战在于:如何杜绝穿透现象并最大程度地减少由于避障需求而带来的个体行为模拟上的空间限制和失真.针对这一问题,提出了一种分层次避障方法,从静态避障、动态避障、穿透矫正3个不同的层次对避障进行处理.静态避障层和动态避障层通过对物体的划分和分别避障,极大地减少了各层次避障时需要考虑的各种复杂情形;而基于可变包围盒和原位置的穿透矫正层则有效地杜绝了模拟中出现的穿透现象,也消除了现有模拟中由于避免穿透而引入的空间限制和失真.     

基于生物启发模型的AUV三维自主路径规划与安全避障算法

针对自治水下机器人(AUV)的路径规划问题,在三维栅格地图的基础上,给出一种基于生物启发模型的三维路径规划和安全避障算法. 首先建立三维生物启发神经网络模型,利用此模型表示AUV的三维工作环境,神经网络中的每一个神经元与栅格地图中的位置单元一一对应;然后,根据神经网络中神经元的活性输出值分布情况自主规划AUV的运动路径.静态环境与动态环境下仿真实验结果表明了生物启发模型在AUV三维水下环境中路径规划和安全避障上的有效性.