基于改进人工势场法的足球机器人避碰控制

本文在分析足球机器人避碰的特点及传统人工势场法不足的基础上，提出了引入 障碍物的速度和加速度矢量的改进人工势场法，用于足球机器人的避碰控制．仿真实验表明 ，这种方法是可行的，并弥补了传统人工势场法的不足．     

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.     

基于速度矢量合成的AUV在线路径规划研究

采用速度合成算法实现AUV对于运动目标的主动避碰,根据前视声纳信息探测到的障碍物距离信息、AUV的运动信息以及航迹规划信息,采用卡尔曼滤波算法预测动态障碍物运动轨迹和碰撞风险,以最小艏向变化为原则通过调整AUV的航向改变AUV前进路径实现避碰.仿真表明,AUV避碰效果理想,实时性好.     

传统人工势场的改进

文中在分析足球机器人避碰的特点及传统人丁势场法的不足的基础上，提出了引入障碍物和机器人自身的速度和加速度来改进人工势场法，并提前对舰避动作做出预判来实现优化人工势场的方法。仿真试验表明，这种方法是可行的，可以有效地弥补传统人工势场的缺陷。     

自治水下机器人避碰算法及其仿真研究

为了提高水下机器人(AUV)在复杂海洋环境下的自适应性,文章对传统的避碰方法进行了改进.对AUV的禁入区和潜在碰撞区进行了安全性分析.建立了前视声纳模型以及三维水下规划空间模型.提出了基于强化学习、BP神经网络及人工势场相结合的避碰算法.在AUV与环境的试错交互中,借助于来自成功和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.设计了AUV深度行为模糊协调器, 对潜深行为和距底高度行为进行协调融合.开发了AUV运动规划与仿真的半实物软件系统,仿真试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.     

一种新基于混沌优化算法的机器人路径规划方法

提出了一种基于混沌优化算法的机器人路径规划方法,即混沌人工势场法，该方法能够在动态环境下实时、有效地产生避碰局部最优路径,避免了传统人工势场法容易陷入局部最优和在比较靠近的两个障碍物之间找不到通道的缺陷.仿真试验表明:提出的方法具有较强的路径规划能力，克服了传统人工势场法的缺点,具有较强的实用性.     

传统人工势场的改进

文中在分析足球机器人避碰的特点及传统人工势场法的不足的基础上,提出了引入障碍物和机器人自身的速度和加速度来改进人工势场法,并提前对规避动作做出预判来实现优化人工势场的方法。仿真试验表明,这种方法是可行的,可以有效地弥补传统人工势场的缺陷。     

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.     

基于速度变化空间的移动机器人动态避碰规划

研究了移动机器人对运动障碍物的动态避碰．针对以往速度障碍法在动态避碰应用中存在的问题,制 订了相应的改进方法．综合考虑障碍物速度的动态变化和碰撞时间、碰撞距离,在速度变化空间中,基于避碰行为 动力学原理,设计了新的优化评价函数,采用双障碍物检测窗口进行动态避碰规划．仿真实验表明,该方法有效地 克服了避碰规划的保守性,提高了机器人运动的安全性,并能实现对运动目标的及时追踪．     

基于传感器信息的水下机器人动态避障研究

提出一种新的基于传感器信息的自治式水下机器人(AUV)动态避障方法。介绍了传感器的工作原理。通过栅格法把传感器采集的AUV运行环境障碍信息进行合理描述,并预测动态障碍物的速度,保证AUV能够根据传感器信息躲避障碍物,达到航行要求。最后,通过仿真实验对机器人自主避障能力进行了验证。     

Multipoint potential field method for path planning of autonomous underwater vehicles in 3D space

A multipoint potential field method (MPPF) for path planning of autonomous underwater vehicles (AUV) in 3D space is presented in this paper. The algorithm is developed based on potential field method by incorporating a directed search method for sampling the potential field. In this approach, the analytical gradient of the total potential function is not computed, as it is not essentially required for moving the vehicle to the next position. Rather, a hemispherical region in the direction of motion around the AUV’s bow is discretized into equiangular points with center as the current position. By determining the point at which the minimum potential exists, the vehicle can be moved towards that point in 3D space. This method is very simple and applicable for real-time implementation. The problem of local minima is also analyzed and found that the local minima in 2D space can be easily overcome with the MPPF. A simple strategy to avoid the local minima in 3D space is also proposed. The proposed method reduces the burden of fine-tuning the positive scaling factors of potential functions to avoid local minimum. The algorithm development and the simulation results are presented.     

自治水下机器人的局部规划方法

针对自治水下机器人(AUV)所处的真实海洋环境,通过分析长距离航行时AUV局部规划必须考虑的各种因素和可能产生的影响,设计一种局部规划器的结构,提出基于模糊逻辑的解决方案。该方法能实时综合考虑机器人的各种状态、其所处的海洋环境及任务目标情况,并根据三者间的关系得出速度折扣因子。实验表明,该方法能有效处理海洋环境下AUV大范围长距离航行的局部规划问题。     

Cooperative bathymetry-based localization using low-cost autonomous underwater vehicles

We present a cooperative bathymetry-based localization approach for a team of low-cost autonomous underwater vehicles (AUVs), each equipped only with a single-beam altimeter, a depth sensor and an acoustic modem. The localization of the individual AUV is achieved via fully decentralized particle filtering, with the local filter’s measurement model driven by the AUV’s altimeter measurements and ranging information obtained through inter-vehicle communication. We perform empirical analysis on the factors that affect the filter performance. Simulation studies using randomly generated trajectories as well as trajectories executed by the AUVs during field experiments successfully demonstrate the feasibility of the technique. The proposed cooperative localization technique has the potential to prolong AUV mission time, and thus open the door for long-term autonomy underwater.     

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.     

一种基于势能函数的多智能体编队控制新方法

提出一种针对移动障碍物的编队控制方法．在二次积分模型的基础上,采用了采用了势能函数 进行控制设计,该势能函数是基于电势场的概念提出的．在智能体和障碍物之间采用基于位置并加以速度修 正的势能函数,在智能体之间采用基于位置信息的势能函数．状态反馈的策略则用于控制智能体向目标移动． 此方法减小了整个势能场的复杂度,降低了局部极小值产生的可能．文章证明了这种控制方法的稳定性,并 用仿真说明了此种策略的控制效果．     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

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。     

海流环境下多AUV多目标生物启发任务分配与路径规划算法

针对多障碍物海流环境下多自治水下机器人(AUV)目标任务分配与路径规划问题, 本文在栅格地图构建的 基础上给出了一种基于生物启发神经网络(BINN)模型的新型自主任务分配与路径规划算法, 并考虑海流对路径规 划的影响. 首先建立BINN模型, 利用此模型表示AUV的工作环境, 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; 接着, 比较每个目标物在BINN地图中所有AUV的活性值, 并选取活性值最大的AUV作为它的获 胜AUV, 实现多AUV任务分配; 最后, 考虑常值海流影响, 根据矢量合成算法确定AUV实际的航行方向, 实现AUV路 径规划与安全避障. 海流环境下仿真实验结果表明了生物启发模型在多AUV水下任务分配与路径规划中的有效性.