自主水下机器人深海热液羽流追踪仿真环境

提出用自主水下机器人(autonomous underwateer vehicle,AUV)基于仿生行为追踪深海热液羽流,进而快速、精确定位海底热液喷口;并针对AUV追踪深海热液羽流的仿生控制策略研究需要,设计、实现了一个计算机仿真环境.首先介绍了基于AUV的深海热液羽流追踪和该仿真环境的模块化构成,然后给出了仿真环境中的流场和羽流仿真模块所采用的仿真模型及其高效的数值求解算法,和为便于蒙特卡洛仿真而设置的一组随机初始条件和边界条件,以及介绍了控制系统仿真模块采用的一种基于行为的模块化的AUV控制系统体系结构.该仿真环境体现了AUV追踪热液羽流的仿生控制策略研究的问题复杂性因素,包括流场非均匀和非定常,羽流分布不规则、不连续、空间尺度大,羽流轴线弯曲,以及羽流含有浮力上升部分和包含非守恒示踪物质,并且具有较好的可视化效果.同时,该仿真环境具有较高的计算效率,适合于实时仿真和蒙特卡洛仿真研究.分析和演示表明,该仿真环境满足研究需要,为AUV追踪深海热液羽流的仿生控制策略研究提供了有力的支持.     

激光扫描全局定位传感器的研究

1.引言 自主导航定位是自主移动机器人(或自主移动载体)的基本功能之一.这种功能可以使自主移动机器人(Autonomous Mobile Robot)在作业环境中,依据自身的感知系统确定自身的位置,从而根据任务作出正确的行为决策和路径选择.全局定位就是通过采集环境中地理或人工标志的感知信息,在线地计算出载体在环境参考系中的位置,使机器人系统可以实现基于环境信息的自主导航定位.因此研究全局定位传感器实现移动机器人的自主导航定位对机器人学的发展和促进移动机器人的应用都具有十分重要的意义.     

D-S证据理论的多传感信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D—S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

利用10N推力器羽流试验数据建立羽流场数学模型

本文利用德国MBB10N推力器羽流试验数据建立推力器羽流场的数学模型并确定其模型参数，以便利用此数学模型分析此类推力器对卫星的羽流干扰力、干扰力矩以及对太阳翼、敏感器的热效应等羽流污染。本文建立的羽流场数学模型不同于Simons羽流场数学模型及羽流特征线方法，但本质上仍满疋羽流远流场为自由分子流的假设条件；本文建立的羽流场数学模型的非线性表达式更便于利用试验数据实现系统辨识，而且可达到相当满意的辨识准度。     

基于D2S 证据理论的移动机器人 多传感器信息融合方法研究与应用

针对全自主式移动机器人，以首届CCTV全国机器人电视大赛为背景，提出了通过D-S证据理论和模糊集合理论相结合的方法，对多传感器信息进行融合，较好地解决了机器人在复杂环境下运动的多传感器信息融合问题，实现了移动机器人的准确定位。     

自主式追踪机器人终端行为的Petri网建模*

针对含有资源流动和信息交互的终端行为建模问题,提出了一种混合Petri网行为建模方法。首先,引入活性变迁和惰性变迁两种变迁模式,描述终端行为的耦合、制约、异步关系。其次,建立混合Petri网模型,揭示化学羽流追踪终端各行为之间的交互关系,以Robotics模块为验证与分析工具,仿真机器人终端运动过程,同时获得6个关节角度变化的平稳曲线。最后,在六自由度串联机器人平台加以验证。实验结果表明,该混合Petri网模型客观真实地表达对象内部逻辑关系与交互作用机制,对自主式羽流追踪机器人终端行为建模是有效可行的。     

运用异质传感器信息融合的移动机器人自定位

采用单类、单一传感器很难获得移动机器人的准确定位.为此,运用异质传感器信息融合来提高定位精度.首先,建立机器人运动方程和CCD摄像机观测模型.然后,利用扩展卡尔曼滤波器进行状态估计,选择Q,R矩阵抑制系统的模型噪声和量测噪声,并实现移动机器人的自定位.接着,建立超声波传感器的观测模型,获得机器人的自定位信息.最后,运用BP神经网络,将两种自定位信息进行融合,实现两类传感器的优缺点互补.仿真实验表明,运用异质传感器信息融合能明显地提高移动机器人的自定位精度.     

基于IPC的智能移动机器人控制系统

为了研究移动机器人智能控制的方法和理论，依据其感知－规划－执行的体系结构，建立了基于工业控制计算机（IPC）和多种传感器信息的智能移动机器人试验平台，主要介绍了由多种传感器组成的环境感知系统及各种传感器的功能，使移动机器人具有自主决策能力的中心控制计算机软硬件系统及其特点以及实现移动机器人准确灵活移动的驱动方法。     

移动机器人导航技术现状与展望

移动机器人导航涉及到路径规划，传感器的选择及传感器信息的融合等技术．本文综述了自主式移动机器人的导航技术，对其中的定位、路径规划及多传感器信息融合等技术进行了较详细的分析．同时对移动机器人导航技术的发展趋势作了进一步的阐述．     

基于多传感器的移动机器人避障①

提出了一种视觉传感器和红外线测距传感器相结合来实现移动机器人在不确定环境中自主避障的方法。首先对视觉传感器采集的图像使用光流法提取障碍物信息,再结合红外线测距传感器反馈的距离信息,然后通过避障策略实现移动机器人的避障。实验结果验证了该避障方法的良好性能。     

时变流场环境中机器人跟踪气味烟羽方法

机器人对气味烟羽的可靠跟踪是实现气味源定位的关键. 本文主要针对实际时变流场环境中的机器人跟踪气味烟羽问题进行研究. 文中在机器人测得气味时估计气味包的最大可能路径, 在此基础上结合流向信息, 规划搜寻路径并使机器人沿此路径运动以跟踪气味烟羽. 考虑到气味浓度场的时变特性以及可能存在的基本浓度, 采用浓度相对变化量表征气味信息. 室内时变流场环境实验表明, 使用本文所提方法的机器人可实时、有效地跟踪烟羽并趋向气味源.     

Effectiveness of Insect-Inspired Chemical Plume-Tracking Algorithms in a Shifting Wind Field

Tracking a plume of chemical back to its source is made difficult due to the complexity of plume structure caused by turbulence and shifts in the prevailing wind direction. Insects overcome this problem using forms of anemotaxis, which involve traveling upwind when an attractive chemical is perceived. In this study, two series of insect-inspired plume-tracking algorithms were implemented on a mobile robot and their performance compared under changing wind conditions in a wind tunnel. The robot was capable of sensing wind velocity and the level of a plume of ions. Ion sensors respond and recover far more rapidly than do conventional chemical sensors, so the substitution of an ion plume for a chemical plume allowed the algorithms to be implemented with rapid responses to changing plume concentration. The addition of a specific behavioral response to a wind shift decreased the time taken for the robot to find the plume source in the event of a wind shift. Increased speed came with only a minor drop in the success rate of the searching. Anemotaxis is an effective approach to chemical plume tracking with robots. The performance of these simple algorithms can be improved by modest increases in the complexity of the algorithms.     

An Autonomous Water Vapor Plume Tracking Robot Using Passive Resistive Polymer Sensors

A simple reactive robot is described which is capable of tracking a water vapor plume to its source. The robot acts completely within the plume and is endowed with no deliberate information about wind direction or speed, yet accurately tracks the plume upstream. The robot's behavior, results from the behavior of simple resistive polymer sensors and their strategic placement on the robot's body.     

基于眼到手视觉伺服的移动机器人模型预测控制

针对具有速度约束的移动机器人视觉轨迹跟踪问题,提出了一种基于LOQO内点法的模型预测控制方法;在眼到手框架下,首先建立了移动机器人误差模型,并对该误差模型进行离散化,给出了移动机器人视觉伺服跟踪的代价函数;同时考虑到实际中移动机器人存在速度约束问题,将代价函数的最小化问题转换为带输入约束的模型预测控制问题;然后采用障碍函数法将移动机器人的速度约束转化为等式约束并采用拉格朗日乘子法引入到代价函数中;进而,利用LOQO内点法求解具有速度约束的最小化问题,得到基于视觉的轨迹跟踪控制器;最后,通过仿真验证了所提算法的有效性和优越性.     

A Smooth Path Tracking Algorithm for Wheeled Mobile Robots with Dynamic Constraints

In order to avoid wheel slippage or mechanical damage during the mobile robot navigation, it is necessary tosmoothly change driving velocity or direction of the mobile robot. This means that dynamic constraints of the mobile robotshould be considered in the design of path tracking algorithm. In the study, a path tracking problem is formulated asfollowing a virtual target vehicle which is assumed to move exactly along the path with specified velocity. The drivingvelocity control law is designed basing on bang-bang control considering the acceleration bounds of driving wheels. Thesteering control law is designed by combining the bang-bang control with an intermediate path called the landing curve whichguides the robot to smoothly land on the virtual target's tangential line. The curvature and convergence analyses providesufficient stability conditions for the proposed path tracking controller. A series of path tracking simulations and experimentsconducted for a two-wheel driven mobile robot show the validity of the proposed algorithm.     

基于路标点追踪的差速驱动机器人运动规划

首先,针对三角网格路径规划方法采用D-P算法提取路标点时,其最大阈值不易确定等问题,提出基于碰撞检测的抽取路标点方法.同时采用Pure Pursuit算法跟踪路标点,对差速驱动机器人进行运动规划;然后,通过实验对比分析表明,在提取路标点时,与D-P算法相比,碰撞检测方法更加优越;最后,通过差速驱动机器人的运动规划实验表明:Pure Pursuit算法追踪路标点方法规划的运动轨迹为一条光滑曲线,能够有效地避开地图上的障碍物;机器人角速度和线速度均为光滑函数,变化平缓,在路标点附近出现较小波动,波动范围均在允许值内;运动规划时间为0.049s,完全能够满足实际需求.研究结果表明,基于路标点追踪的移动机器人运动规划是一种简单有效的运动规划方法.     

融合深度信息的移动机器人跟踪方法研究

在复杂场景及目标外观剧烈变化条件下，核相关滤波器方法跟踪模型易受干扰，造成跟踪窗不能自适应及目标丢失问题，提出一种融合深度信息的移动机器人跟踪系统。通过边缘交叉搜索法进行目标尺度框估计，通过轴向相对动能波动法进行跟踪失败检查，利用尺度池和搜索策略实现目标丢失找回。实验结果表明，结合核相关滤波器和场景深度信息的方法可以有效实现目标跟踪窗口自适应、目标丢失后找回，在移动机器人上具有较稳定的应用效果。     

非完整移动机器人的有限时间跟踪控制算法研究

对非完整移动机器人的有限时间轨迹跟踪控制问题进行讨论．与基于非连续状态反馈的传统有限时间控制算法相比，基于连续状态反馈的有限时间控制算法更适合于控制工程应用．利用该连续系统有限时间控制技术，设计一种连续的状态反馈跟踪控制算法．使得对角速度为非零常数的期望轨迹，非完整移动机器人能够实现全局跟踪，并能在有限时间内完全跟踪上期望轨迹．仿真结果表明了该方法的有效性．     

Stair Climber Smart Mobile Robot (MSRox)

Most current mobile robots are designed to determine their actions according to their positions. Before making a decision, they need to localize themselves. Thus, their observation strategies are mainly for self-localization. However, observation strategies should not only be for self-localization but also for decision making. We propose an observation strategy that enables a mobile robot to make a decision. It enables a robot equipped with a limited viewing angle camera to make decisions without self-localization. A robot can make a decision based on a decision tree and on prediction trees of observations constructed from its experiences. The trees are constructed based on an information criterion for the action decision, not for self-localization or state estimation. The experimental results with a four legged robot are shown and discussed.     

轮式移动焊接机器人弯曲焊缝跟踪控制

分析了轮式移动焊接机器人弯曲焊缝轨迹跟踪问题，建立了机器人的数学模型，采用基于积分backstepping时变状态反馈方法设计了控制器，利用Laypunov方法证明系统是镇定的。针对旋转电弧传感器仅能检测单方向偏差的情况，根据焊枪前端上一时刻和当前时刻的位置对跟踪轨迹的方位角进行估计。控制器在对机器人速度和角速度控制的同时，还对十字滑块进行了控制，使跟踪更加快速、平滑。最后通过数值仿真和机器人实际运动仿真证明了该方法的有效性。