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。     

基于模糊模式识别的月球车避障行为研究

由于对月球表面障碍物的分布情况不了解,不能建立全局障碍物环境模型,根据传感器所获得的信息建立月球车的局部环境模型,应用模糊模式识别的方法,对在月球上所可能遇到的障碍物的类型进行分类。对不同的类别采用不同模糊控制器用于月球车的自主避障。模糊控制器的输入是离障碍物的最短距离和目标角度信息与环境类剐,输出是月球车的转角。采用规则库的自动切换,实现月球车避障过程自适应控制。为了验证该算法的可行性,给出月球车在虚拟环境下的仿真结果。     

微小型仿生机器鱼设计与实时路径规划

提出一种结构紧凑, 运动灵活, 装配多传感器, 可自主游动的微小型仿生机器鱼系统设计方案. 在仿鲹科加月牙尾模式鱼类运动研究的基础上, 给出了微小型机器鱼推进、转弯等运动的控制方法. 结合运动控制和传感器信息处理, 给出了基于红外传感器的自主避障算法和基于光敏传感器的主动趋光算法, 进而提出了基于这两种传感器信息感知的动态光源跟踪方法. 通过实验, 给出了机器鱼尾部摆动频率、幅度和运动速度之间的关系, 验证了机器鱼追踪动态光源算法, 表明了本文所提系统设计方案和算法的有效性.     

基于多传感器数据融合的智能小车避障的研究

针对智能小车避障问题,提出了一种将模糊逻辑和神经网络相结合的融合方法—Takagi-Sugeno(T-S)模糊神经网络方法。基于此方法的数据融合算法应用在智能小车避障运动中,采用多只超声波传感器和红外线传感器探测障碍物的距离和方向,采集的各种数据利用T-S模糊神经网络进行融合。通过实验仿真表明:此方法能够使智能小车对障碍物的灵活避障和导航行进。     

移动机器人避障行为酶数值膜控制器

为了兼顾膜控制器控制下的移动机器人行走速度和避障效果,提出了一种基于酶数值膜系统的自适应巡航速度避障控制方法.该方法采用酶数值膜系统结构,利用膜之间的信息交流,实现多个膜融合多个传感器的距离信息,根据融合距离信息自适应调节巡航速度,使移动机器人能够有效的避开障碍物,同时兼顾无障碍物时移动机器人行走速度.基于移动机器人Pioneer3-DX的仿真和实物实验表明：该方法设计的酶数值膜控制器可行且避障控制效果更优.     

基于舵机控制的仿生鱼设计

为实现仿生机器鱼的设计,分析鱼类游动的特点,基于舵机的工作原理,提出了自主避障的仿生鱼设计方案。根据鱼类推进理论,对仿生鱼进行了机械结构设计、软件设计。     

基于动态目标位置的智能车辆动态避障控制研究

为了真实地模拟驾驶员在动态环境中避让动态障碍物的行为方式,提出了动态目标位置概念,并采用三次样条曲线作为动态避障的路径拟合曲线。以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器,并通过计算机仿真实现。结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,较为理想地模拟实际交通环境中车辆动态避障的特性。     

智能轮椅室内避障导航及仿真实现

关于智能轮椅路径识别问题,如何采集外界障碍物信息,以及迅速的做出判断是智能轮椅进行室内避障导航的关键.针对轮椅受路面粗超度,轮胎变形,和结构变彤等的影响,整个系统表现为高度的非线性和不确定性.为解决上述问题,提出在智能轮椅中安装超声、红外传感器,利用模糊逻辑算法处理障碍物信息进行室内避障导航.在 Simulink 中建立轮椅运动学模型和创建模糊控制理论的模糊控制器,进行智能轮椅避障导航仿真.仿真结果表明,智能轮椅能有效完成室内避障,到达目的地,获得良好的避障导航效果.将该方案应用到智能轮椅上,将提高轮椅的智能水平,扩大其应用空间.     

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.     

Evolution of a Negative-Rule Fuzzy Obstacle Avoidance Controller for an Autonomous Vehicle

A fuzzy obstacle avoidance controller is designed for an autonomous vehicle. The controller is given the capability for obstacle avoidance by using negative fuzzy rules in conjunction with traditional positive ones. Negative fuzzy rules prescribe actions to be avoided rather than performed. A rule base of positive rules is specified by an expert for directing the vehicle to the target in the absence of obstacles, while a rule base of negative rules is experimentally determined from expert operation of the vehicle in the presence of obstacles. The consequents of the negative-rule system are codified into a chromosome, and this chromosome is evolved using an evolutionary algorithm. The resulting fuzzy system has far fewer rules than would be necessary for an obstacle avoidance controller using purely positive rules, while in addition retaining greater interpretability.     

固定翼无人机在线航迹规划方法

在不确定环境下,针对固定翼无人机（UAV）航迹规划问题,提出了一种基于滚动时域控制的模糊粒子群优化算法与改进人工势场法相结合的在线航迹规划方法。首先,对凸多边形障碍物进行最小外接圆拟合;然后,根据静态威胁,将规划问题转化为一系列时域窗口内的在线子问题,利用模糊粒子群算法实时优化求解以实现静态避障;当环境中存在动态威胁时,使用改进人工势场法对航迹进行调整完成动态避障。为了满足固定翼无人机的动态约束,同时提出固定翼UAV的碰撞检测法,可提前判断障碍物是否为真正威胁源,以此减少转弯频率和幅度,降低飞行代价。仿真实验结果表明,所提方法在固定翼UAV航迹规划中能有效提升规划速度、稳定性与实时避障能力,且克服了传统人工势场容易陷入局部最优的缺点。     

Reactive navigation in dynamic environment using a multisensorpredictor

A reactive navigation system for an autonomous mobile robot in unstructured dynamic environments is presented. The motion of moving obstacles is estimated for robot motion planning and obstacle avoidance. A multisensor-based obstacle predictor is utilized to obtain obstacle-motion information. Sensory data from a CCD camera and multiple ultrasonic range finders are combined to predict obstacle positions at the next sampling instant. A neural network, which is trained off-line, provides the desired prediction on-line in real time. The predicted obstacle configuration is employed by the proposed virtual force based navigation method to prevent collision with moving obstacles. Simulation results are presented to verify the effectiveness of the proposed navigation system in an environment with multiple mobile robots or moving objects. This system was implemented and tested on an experimental mobile robot at our laboratory. Navigation results in real environment are presented and analyzed.     

具有个性化的虚拟自主汽车视觉行为模型研究

构造了一个虚拟自主汽车(VirtualAutonomousVehicle,VAV)视觉行为模型:信息获取、障碍物避免、目的地追踪和行为融合四部分组成。采用模糊神经网络控制器来模拟该模型中的障碍物避免行为,此控制器共分为五层,可以避免传统的势场法产生局部最小问题,或用模糊控制器造成的主观性强的问题,使VAV轨迹更加平滑。通过神经网络学习,修正模糊隶属函数参数值,可模拟不同类型的驾驶员。     

Industrial Robot Navigation and Obstacle Avoidance Employing Fuzzy Logic

This paper proposes a novel conceptual approach based on fuzzy logic to solve the local navigation and obstacle avoidance problem for industrial 3-dof robotic manipulators. The proposed system is divided into separate fuzzy units, which control individually each manipulator link. The fuzzy rule-base of each unit combines a repelling influence, which is related to the distance between the manipulator and the nearby obstacles, with the attracting influence produced by the angular difference, between the actual and the final manipulator configuration, to generate a new actuating command for each link. It can be considered as an on-line local navigation method for the generation of instantaneous collision-free trajectories. The strategy has been successfully applied to manipulators in different simulated workspace environments providing collision-free paths. Some of the simulation results obtained are included.     

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。     

基于模糊人工势场法的多智能体编队控制及避障方法

针对动态环境中多智能体编队控制及避障问题,提出了一种基于模糊人工势场法的编队方法。首先,在领航跟随法的框架下控制编队队形,在动态队形变换策略的异构模式下,使用人工势场法为多智能体编队中每个智能体规划避障路径;其次,利用模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,及时保持多智能体编队之间的队形并避免碰撞障碍物。针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用模糊控制器选择出适应环境的增量系数。Matlab仿真实验结果表明,该方法能够有效地解决复杂环境下多智能体编队控制及避障问题,使用效率函数对实验数据进行分析,验证了所优化方法的合理性和有效性。     

三维动态环境下多无人机编队分布式保持控制

针对无人机编队沿参考轨迹飞行时遭遇突发障碍物而发生碰撞的问题, 提出一种可实时避障及机间避碰的分布式编队保持算法. 基于虚拟结构编队策略, 采用非线性模型预测控制(NMPC) 方法设计分布式编队控制器. 为了实现通讯延迟下的机间避碰, 采用基于不同优先级的改进避碰惩罚策略. 仿真结果表明, 所设计的分布式编队控制器能保证编队及时避开环境中的突发障碍物, 且无人机间不发生互碰, 避障后的各编队继续以原队形沿参考轨迹飞行.

     

Fuzzy truck control scheme for obstacle avoidance

The fuzzy system can be a good solution when a mathematical model of the system is either unavailable or too complex. Truck backer-upper control problem is one example of a standard highly nonlinear control problem. Bearing this in mind the control scheme that considers obstacles near the truck is much more complex than other conventional approaches. In this paper a fuzzy truck control system for obstacle avoidance, using newly designed 33 fuzzy inference rules for steering control and 13 rules for speed control, is proposed. Through simulations of various real world situations, we observed that the proposed fuzzy controller could drive the truck to the goal smoothly while avoiding the obstacles, and showed a reasonably good trajectory. This flexible and applicable fuzzy control logic can be adapted to provide easy interaction with the driver for state-of-the-art intelligent cruise control systems.