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。     

水面无人艇自适应危险规避决策过程收敛性分析

水面无人艇(unmanned surface vehicle,USV)是一种重要的海洋自主机器人,当前正被广泛研究并逐渐应用于实际.然而USV的安全航行问题仍严重制约其自主性能的提高,尤其是在复杂海况下的危险规避问题亟待解决.以Sarsa在线策略强化学习算法为基础,提出了USV在复杂海况下的自适应危险规避决策模型,并以渐进贪心策略作为行为探索策略,证明了USV自适应危险规避决策过程能够以概率1收敛到最优行为策略.论证结果表明,采用在线策略强化学习算法提升USV在复杂海况下的危险规避性能是可行的.     

基于改进DWA的多无人水面艇分布式避碰算法

针对多艘无人水面艇(USV)相遇自主避碰问题,考虑可能存在异常行驶的USV,基于改进动态窗口法(DWA)提出一种包含碰撞风险检测和行驶职责划分的分布式避碰算法.首先,引入障碍物预测轨迹和权重因子改进传统DWA的距离评价函数,提高USV躲避多个动态障碍物的能力,同时,结合国际海上避碰规则(COLREGS)引入新的规则评价函数约束USV的避让动作;然后,引入期望速度和航向改进现有碰撞风险检测算法,减少因碰撞风险变化导致的轨迹波动;接着,针对COLREGS仅规定两船相遇时的行驶职责划分问题,提出一种考虑异常USV的多USV职责划分方法;最后,基于Matlab实现多USV相遇自主避碰仿真.实验结果表明,即使存在异常USV,分布式避碰算法依旧保证正常USV能够作出符合COLREGS的安全避让动作.     

基于改进ND+算法的机器人避障方法设计

针对室内结构化环境下服务机器人避障过程中传统ND+算法生成的决策速度不平滑问题,提出了一种对ND+算法生成的决策方向进行修正,使得机器人决策速度变得平滑的设计方法,该方法能够使得机器人更快速平稳地避开障碍物到达目标点。首先,根据ND+算法获取机器人的初始决策方向,以此方向把地图划分为两部分,获取左右两侧的近距离的障碍物点集,各个障碍物点共同对机器人作用,修正机器人的决策方向;实验结果表明,相比ND+算法,该方法能够提前规避前进方向潜在障碍物,机器人更加平缓地行走于充斥拥挤障碍物的室内环境中到达指定目标点。     

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。     

水上机器人三维实时避障算法研究

水上机器人(Unmanned Surface Vehicle,USC)用于近海环境实时监测、资源探测、海洋灾害预警和防治等多种用途.USV必须在三维环境中进行避障处理,所以本文在USV上布置两层声纳来获取障碍物的三维信息,并提出一种改进的VFH算法,使其在三维空间内做到实时避障.仿真结果表明,该算法具有良好可行性和有效性.     

融合改进A*与DWA算法的移动机器人路径规划

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求,对传统A*（A-star）算法进行改进,并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比,将障碍物占比引入传统A*算法,优化启发函数h(n),从而改进评价函数f(n),提高其在不同环境下的搜索效率;其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题,优化子节点选择方式,同时删除路径中的冗余节点,提高路径的平滑度;最后融合动态窗口法,实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明,改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化,满足全局最优且能实现动态实时避障,具有更优秀的路径规划效果。     

足球机器人进行障碍物动态意图预测的研究

足球机器人路径规划是在复杂环境下的动态碰撞规避问题. 本文讨论利用换位原理, 根据当前状态, 预测障碍物的动态意图, 将意图信息量进行模糊划分, 通过模糊推理, 从而确定足球机器人的路径取向. 最后给出了基于换位原理和模糊推理的碰撞规避算法和仿真结果.     

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。     

基于激光雷达的多旋翼飞行器实时避障系统

针对多旋翼飞行器的障碍物规避问题,提出一种基于激光雷达的自主飞行多旋翼飞行器避障系统,实现多旋翼飞行器自主飞行的实时避障;该避障系统针对静态、低速运动障碍物,综合飞行器本体姿态、速度、加速度等状态信息,建立基于改进势场法的避障模型和算法;在机器人操作系统(ROS,Robot Operating System)平台进行该避障系统的软件实现,其通过串口与飞控进行通信,完成多旋翼飞行器的自主避障飞行;同时,为了使该系统能在强光环境正常工作,在不影响系统实时性的前提下,对激光雷达的干扰问题进行优化设计;大量实验表明:该避障算法计算量小,能够保证避障系统的实时性,在机体慢速以及低速运动(机体与障碍物之间的相对运动速度小于等于3 m/s)的场景中能够正确检测范围6 m内,并迅速规避障碍物。     

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。     

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。     

基于模糊势场法的移动机器人局部路径规划

针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。     

基于T-S模糊神经网络的智能轮椅避障控制策略

针对传统智能轮椅避障策略的路径规划效率差、功耗高等缺点,提出一种基于模糊神经网络的环境深度分区控制策略;利用红外、超声波和激光传感器的测量信息将待识别环境分为3个不同的深度区间,同时,利用T-S模糊神经网路算法融合异质传感器的测量信息,然后设计模糊控制规则,实现智能轮椅避障动作;最后建立智能轮椅的运动学模型和测量模型,并进行Simulink仿真测试;经仿真可知,该方法控制可靠,可快速无碰撞地通过障碍区,并能减少功耗,提高续航能力。     

未知环境下基于改进DWA的多机器人编队控制

针对多机器人系统在未知环境下难以有效避障和保持队形的问题,在改进动态窗口法(DWA)的基础上,提出一种领航-跟随法与行为法相结合的多机器人编队控制算法.首先,通过修正速度窗口和3个现有评价函数,并添加两个新的评价函数改进DWA算法,增加速度的采样范围,提高优秀轨迹的评分,并增强机器人朝目标导航和未知环境下的全局搜索能力;然后,对周围环境和编队状态实时检测,为各机器人设计不同的行为(包括导航,避障,跟踪和等待)及其选择方式,兼顾编队避障及队形保持;接着,基于改进DWA和社会力模型(SFM)设计行为控制策略,在未知环境下使领航者能够规划适合整体编队运行的路径,跟随者能够根据编队的不同状态自适应地切换跟随方式;最后,基于Matlab和V-REP进行一系列仿真,结果表明在未知环境下,所提出的改进DWA能够显著提高机器人的通行效率和全局搜索能力,编队控制算法能够实现队形稳定保持、灵活避障与变换.     

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.     

基于APF的AGV局部路径规划改进算法研究

针对原有人工势场法（artificial potential field,APF）在局部路径规划时的避障效果不良问题,提出一种APF-PSO的改进算法改善原算法优化路径规划的效果。将速度势场引入位置势场中使AGV（automated guided vehicle）动态避开不同速度的移动障碍物;当算法陷入局部最小值时,采取PSO（particle swarm optimization）算法,并对其惯性权重因子和学习因子做出调整,通过三次样条曲线插值来平滑路径,使得AGV找到最短路径。结果表明APF-PSO改进算法可根据障碍物速度不同动态避障,解决了APF算法运算中避障效果不良问题。     

基于LGMD的无人机避障方法研究

为提高无人机避障的灵活性和可靠性，提出了一种基于LGMD（Lobula Giant Movement Detector）的无人机避障方法，通过将视场分割为上、下、左、右4个方位，形成4个方位竞争的LGMD（C-LGMD），并利用Matlab软件进行算法实现和视频仿真分析，最后将算法移植到无人机硬件系统，开展悬停测试和实时飞行实验研究。由视频仿真分析和悬停测试结果表明，该算法能有效分辨来自不同方位的障碍物，具有较好的避障性能和鲁棒性；在实时飞行测试中，无人机在室内环境中可实现三维空间有效避障，验证了该算法的可靠性。研究结果为进一步探索无人机高效、可靠避障提供参考依据。