基于危险场的关节机器人实时避障控制

改进危险场计算公式,求得机器人工作空间动态危险场的积分解析解。计算中考虑机器人与障碍物之间的相对速度,建立障碍物连体坐标系,简化计算过程。针对关节机器人提出一种基于速度控制的避障算法,该方法将危险场得到的期望规避角速度反馈至基于转置雅可比矩阵逆运动学算法,并通过危险场的值对控制策略的标志位进行修改,使得机械臂具有任务终止与恢复能力。最后,通过数值仿真及与经典危险场方法进行对比表明了提出方法的有效性。     

基于单片机的无线遥控智能小车的设计与实现

从控制的角度论述基于单片机的无线遥控智能小车的工作原理。该智能小车采用STC8C52单片机作为核心控制器,通过无线通信模块遥控小车,实现前进、后退、转弯、刹车等基本功能,并利用红外传感器探测障碍物,实现小车的自动避障。整个系统电路结构简单,且可靠性高。     

未知环境下基于约束点的移动机器人路径规划

针对未知环境中障碍物种类多样性和位置不确定性的特点,提出了基于约束点的路径规划方法。首先对机器人在未知环境中检测到的局部障碍物信息进行分类和几何特征属性描述,得其约束点信息,然后引入改进后的A*算法,将其搜索范围局限于约束点上,计算约束点的评价函数值后得到子目标点,机器人到达子目标点后,若陷入死区,则采取回溯路径策略,重新选择子目标点,否则根据该点所属的障碍物种类采取跨越或绕行避障策略,最后移动机器人在未知环境中顺利到达目标点。仿真研究说明本文提出的路径规划方法具有可行性和有效性。     

北京信息科技大学——Sun@Home家庭服务机器人

正Sun@Home是北京信息科技大学的一支家庭服务机器人竞赛队伍。2010年以来,在学校和自动化学院领导的关心和大力支持下,Sun@Home参加国内外机器人竞赛和公益展示十余场,取得了骄人的成绩,获得国内外同行的好评。家庭服务机器人比赛是国际RoboCup组织于2006年增设的正式比赛项目,其宗旨是利用人工智能和机器人技术为人类服务。家庭服务机器人研究主要包括机器人自定位与地图同步创建(SLAM)、自主导航与避障、场景识别与物体识别、人体跟踪与物体操纵等关键技术。这些关     

一种基于遗传算法的空间机械臂避障轨迹规划方法

针对空间机械臂系统的一系列特殊需求,提出了一种空间机械臂轨迹规划方法.假设机械臂在关节空间下存在一条可以用两段高次样条曲线分段描述、满足所有空间机械臂运动特性要求的理想轨迹.这两段样条轨迹之间的连接点参数能够影响两段样条函数在空间中的扭曲形状,从而使机械臂在遵从样条轨迹运动的同时避开所有障碍.首先建立理想轨迹的分段描述方程,将方程中的未知量用与中间点有关的参数进行描述,将不能够确定的中间点相关参数提取出来作为待定参数,从而将空间机械臂轨迹规划问题转变为一个多目标优化求解问题;其次应用遗传算法进行求解,在分析空间机械臂控制需求和障碍的笛卡儿空间描述的基础上,通过加权系数法建立关于笛卡儿空间机械臂末端轨迹长度、关节空间机械臂运动角度、运动过程中关节最大扭矩、机械臂总运动时间和碰撞情况的遗传算法适应度评定函数.最后应用遗传算法在关节空间下规划出一条无碰撞、动力学特性满足裕度要求、轨迹长度和运动时间较短的理想轨迹.另外,上述方法具有拓展性,通过多次分解轨迹求取中间点,能够使机械臂避开非常复杂的障碍.利用该方法在通过C语言建立的空间机械臂仿真平台上进行验证,结果表明该方法稳定、有效,生成的轨迹满足空间机械臂的性能要求.     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

基于跟踪单个移动目标的移动传感器网络蜂拥控制模型

该文提出了一个新的基于跟踪单个移动目标的移动传感器网络蜂拥控制方法。这个方法通过控制网络中所有移动传感器质心的位置和速度(Single-CoM)或者每个传感器和它邻域质心的位置和速度来跟踪并观察一个移动目标(MultiCoM)。此外,在自由空间内,质心的位置和速度按指数规律地向移动目标聚合。基于这种方法,目标节点将一直位于传感器网络的中心,而这对于传感器认识和辨别目标节点无疑是一个很大的优势。并且在整个目标跟踪过程中保证了移动传感器间无冲突和速度匹配,同时我们也研究了算法的稳定性。     

复杂环境中移动机器人的一种避障策略

提出了机器人在复杂环境中寻找到达目标点最优轨迹的一种避障策略.首先,从3个方面考虑,提出了机器人的运动函数.第一,机器人运动必须在指定区域内;第二,机器人能够动态避障并到达目标位置;第三,机器人运动路径保证最短.其次,给出了机器人路径优化设置的条件:个体适配值、路径再优化和运动策略突变.最后,通过仿真实验,证明了所提出的方法是可行的.     

基于强化学习的进化神经网络及其在机器人导航中的应用

神经网络的拓扑结构对网络的有效性起着十分重要的作用,网络建模中的主要困难就是如何有效地控制网络模型的结构进化趋势和复杂度.提出一种基于强化学习的进化神经网络(RL-EANN),采用强化学习方法对网络进化群体与外界环境交互的效果进行评价,使其无需任何先验知识即可进行学习进化,通过强化信号的约束来控制网络群体的拓扑结构进化趋势.并在移动机器人避障导航仿真实验中证明,采用RL-EANN能使仿真机器人在不确定环境中快速有效地学习避障和接近目标,取得较好的导航效果,实践证明该方法的合理性和有效性.     

基于可操作度的虚拟人手部避障运动控制算法

研究复杂作业环境中虚拟人手部避障运动的高精度控制问题,问题的关键是解决虚拟人手的设计.为了灵活操作能在操作的末端临时变换姿态,给控制过程中手臂转动路线,速度,加速度等参数的控制带来较大困难.传统的控制方法通过增加控制自由度来解决这个问题,但是一旦自由度增加,会带来冗余控制影响,弊端较为明显.提出一种采用可操作度矩阵的逆向运动学控制算法,引入可操作度模型进行肢体末端效应器运动路径的生成,与HAL链IK分析求解方法相结合,实现了真实感较强的肢体实时运动控制.通过仿真和动作捕获实验验证了算法的有效性,可应用于人机工程仿真中的避障控制和干涉检查.