基于简化三维线性倒立摆模型的模糊控制射门算法

针对双足机器人传统射门算法存在仅适用于固定射门角度和射门姿态的问题,提出了一种基于简化三维线性倒立摆模型的模糊控制射门算法,用于实现多角度、多姿态的射门。首先利用简化三维线性倒立摆模型规划出零力矩点(ZMP)轨迹和质心轨迹;其次在双腿支撑相对双足机器人进行射门角度和姿态的调整,同时利用贝塞尔曲线规划出游动腿的轨迹;最后利用模糊控制算法精确地规划出双足机器人的射门轨迹。实验部分利用NAO机器人仿真平台验证了本文提出射门算法的性能,并与其它射门算法进行了比较。最后将实物NAO机器人用于全过程与多角度的实际射门实验,验证了本文提出射门的算法可行性与准确性。     

未知环境下基于椭圆约束的机器人路径规划

针对未知环境下机器人路径规划问题,提出一种基于椭圆约束的路径规划方法。借助椭圆约束规划路径,将路径规划问题转化为椭圆参数优化问题。通过建立椭圆约束优化模型,引入障碍物和目标位置的约束,考虑机器人运动步长及运动方向的影响,实现复杂未知环境下机器人路径规划。基于不同算法的仿真实验结果表明,该方法有效解决了未知环境下机器人路径规划问题,在大量障碍物存在的未知环境,也能快速有效地进行无碰撞路径规划。     

基于仿人智能控制的足球机器人圆弧射门算法

提出了基于仿人智能控制的足球机器人圆弧射门算法.通过路径规划保证了射门动作的准确性并在小车的运动学方程的基础上用仿人智能控制实现对机器人的运动控制,使机器人在速度较高时也能较好地跟随规划路径,设计了并编程实现了基于本文算法的足球机器人运动控制器,进行了实际系统实验,证明了其有效性.     

足球机器人路径规划仿真研究

研究了足球机器人路径优化选择问题,机器人运动与规划路径有误差,使实时性和准确性受到影响.针对传统的机器人路径规划算法过于复杂,同时没有充分考虑到足球机器人在比赛中实时性和对抗性等问题,导致实时性差以及射门准确率低.提出一种结合路径预测的路径最优算法,充分利用预测结果减少每周期的路径规划时间,并采用动态基准圆预测的射门策略,并对守门策略进行改进.进行仿真的结果表明,所提出算法在足球机器人比赛中具有可行性,射门准确率得到提高,击球时机器人达到较快速度,使得敌方更难防守,守门员在防守时充分地体现了智能性,证明算法优化了机器人路径,提高了实时性和准确性,为设计提供了依据.     

基于最大角的足球机器人贪心射门算法

为了提高足球机器人在比赛中的射门进球次数,在分析了基本射门算法和动态中垂线射门算法存在不足之处的基础上,提出了一种改进的射门算法——最大角贪心射门算法。实验结果表明,该算法可以大大提高机器人在比赛中的射门机会及射门进球次数。     

基于最优搜索的足球机器人射门算法

机器人足球比赛中,小球的运动状态因受到碰撞和摩擦变化剧烈,所以大多数情况下不存在全局意义上的最佳射门路径,或者规划的路径机器人在给定的时间内根本无法完成。基于目标函数的足球机器人射门算法,通过在机器人运动能力范围内的最优搜索,能够找出当前状态下机器人按要求逼近球的最佳路径。该算法能够适应各种速度状态,明显提高机器人射门命中率,并迅速对小球状态突变做出响应。在比赛中,常常需要根据场上态势对机器人进行控制算法切换,但由于不同控制算法速度输出的跳跃性,机器人会出现相对球位置的抖动。针对以距离作为切换条件的情况下,不同控制算法切换时产生的“抖动”现象,分析了现象产生的原因,并通过S-曲线加权算法,有效避免了“抖动”的产生,实现了不同控制算法在切换边界的平滑过渡。     

基于多足球机器人协作的组合射门算法

为了提高机器人足球比赛中足球机器人的射门成功率,在分析了基本射门算法不足的基础上,用“盲区”法求出高效射门区,在求出的两个高效区中综合考虑射门角与射门区关系等因素,引入了最佳射门区的概念,并通过选择最优的机器人射门运动路径,结合大力射门算法和基本射门算法,提出了基于多足球机器人协作的组合射门算法。结果表明,用该算法改进射门策略后,射门成功率明显提高。     

仿人足球机器人射门过程中路径规划算法研究

为了解决仿人足球机器人射门最优路径规划问题,本文提出一种基于模糊算法的移动机器人路径规划策略,使机器人能够高效率踢球射门.利用机器人摄像头感知周围的环境信息,再利用超声波传感器得到与目标物相关的距离信息,运用模糊推理将目标位置信息模糊化,建立模糊规则并求解,最终使机器人可以确定射门的路径,进而采用正向射门或侧向射门动作.     

融合动态障碍物运动信息的路径规划算法

传统的路径规划算法只能在障碍物不发生位置变化的环境中计算最优路径。但是随着机器人在商场、医院、银行等动态环境下的普及,传统的路径规划算法容易与动态障碍物发生碰撞等危险。因此,关于随机动态障碍物条件下的机器人路径规划算法需要得到进一步改善。为了解决在动态环境下的机器人路径规划问题,提出了一种融合机器人与障碍物运动信息的改进动态窗口法来解决机器人在动态环境下的局部路径规划问题,并且与优化A*算法相结合来实现全局最优路径规划。主要内容体现为：在全局路径规划上,采用优化A*算法求解最优路径。在局部路径规划上,以动态障碍物的速度作为先验信息,通过对传统动态窗口法的评价函数进行扩展,实现机器人在动态环境下的自主智能避障。实验证明,该算法可以实现基于全局最优路径的实时动态避障,具体表现为可以在不干涉动态障碍物的条件下减少碰撞风险、做出智能避障且路径更加平滑、长度更短、行驶速度更快。     

基于三维环境模型的启发式路径规划算法

针对多自由度机器人手臂在未知环境中实时避障的问题,提出了一种基于环境信息的连杆机器人实时路径规划方法。采用笛卡尔空间内的障碍物检测信息建立了障碍物的空间模型,并依据该模型设计一种基于启发式规则的机器人路径规划算法。该算法不断猜测和修正路径,通过模糊推理得到下一位姿点,通过曲线拟合得到到达该位姿点的路径。在Matlab下利用机器人工具箱建立了PUMA560型机器人的运动学模型,并在运动空间设置障碍物,对该算法进行仿真分析,分析结果说明所提出的路径规划算法可以在较短时间内完成避障运动,具有较好的实时性,同时运动关节的角度变化曲线比较平滑,运动中冲击力较小,这些特点使其便于在实际工程中使用。     

基于Hermite曲线的机器人足球射门算法

机器人足球比赛是关于人工智能的新兴研究领域,它集数学算法、多智能体、机械设计、控制理论等多个学科于一体,是先进科学技术的发展代表。在机器人足球比赛中,射门和传球是两个最基本的动作。提高动作的速度以及准确性、连贯性是提高动作效率的关键。本文提出一种基于Hermite插值曲线的机器人足球射门算法。利用Hermite插值曲线的数学特性,可以使机器人在满足一定速度的基础上,连续、准确地完成射门或传球动作,并且能大幅度地提高射门或传球的效率。本文以FIRA5：5仿真平台为背景,结合试验证明,利用此方法可以较好地提高射门的成功率。     

机器人足球余弦射门算法

为提高足球机器人在比赛中的射门次数,以及射门效率,在分析了人类足球中盘带过人等技术的基础上,引入余弦曲线作为机器人射门路线。仿真结果表明,该算法在球静态和动态两种情况下均能提高机器人在足球比赛中的射门次数,增大了进球的次数。     

基于三质心模型的类人机器人射门算法

为了实现快速稳定的射门动作,提出了一种基于三质心模型的类人机器人射门轨迹规划方法。首先,根据三质心模型,得到包含游动腿轨迹和躯干轨迹的零力矩点(ZMP)方程, 采用三次贝塞尔曲线规划游动腿轨迹和ZMP轨迹,根据ZMP方程求解出类人机器人的躯干轨迹;其次,在双腿支撑相根据线性摆模型计算类人机器人的质心轨迹,实现射门姿态的快速调整;最后,在RoboCup 3D仿真平台中应用此算法实现了类人机器人的快速射门动作,并与其他球队的射门动作进行了对比。实验结果表明：应用该算法仅需手工调试即可快速实现稳定的射门动作,射门动作时间有很大减少,可增强机器人足球队的竞争力。     

基于FLCN方法的足球机器人动作控制

考虑到足球机器人比赛中射门动作的重要性，为了使足球机器人的动作具有准确性，提出了一种基于FLCN（Fuzzy Limit-Cycle Navigation，即模糊极限环导航）方法的动作控制。通过对极限环形状的改进，使其具有椭圆特性；并针对该情况设计了相应的模糊规则，应用模糊算法确定椭圆中心点的位置来导航机器人，完成截球和射门的动作。在仿真试验与集控式足球机器人实战中进行了验证，结果证明了该方法的有效性。     

足球机器人路径规划算法的研究及其仿真

研究足球机器人路径规划优化问题,足球机器人由于赛场情况千变万化,系统本身存在非线性,环境也具有时变性特点,要求机器人相互协作实时性要求高。结合足球机器人系统特点,提出一种蚁群算法的足球机器人路径规划算法。把每一只蚂蚁看作是一个机器人,蚂蚁根据信息素调整自己的前进方向,通过蚂蚁间的信息交流和相互协作快速找到一条最短的机器人运行无碰撞的路径。采用算法进行测试,结果表明,用蚁群算法较好地克服了局部最优的缺陷,获得最优路径,且无碰撞现象,符合足球机器人路径规划的实时性要求。     

基于扩散方程的改进型路径搜索算法在机器人足球中的应用

通过对扩散方程基本理论的研究,提出一种基于扩散方程的路径搜索法。在深入研究传统扩散方程路径搜索方法优缺点的基础上,进一步提出基于扩散方程的改进型路径搜索算法,并将其用于机器人足球的运动路径规划。通过仿真机器人足球实验表明该算法可行且有效。     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。