基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

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.     

一种基于仿真比赛平台的足球机器人避障方法

研究了一种基于仿真比赛平台的足球机器人避障方法,机器人通过一段弧线智能地躲开前方的障碍物.通过改变左右轮速实现旋转,机器人在追球的过程中,要预测小球的位置,然后以最快的速度追球;机器人在避障过程中,寻找障碍物附近一点,当机器人到达这一点的过程中,保证无碰撞运动,然后再向目标点运动.整个运动过程中,机器人会走一条最佳弧线,保证运动的时间最短.仿真结果验证了该避障方法的正确性.     

基于改进人工协调场的多机器人运动编队

针对多移动机器人编队形式单一、使用传统人工势场法易陷人局部极小的问题,提出改进人工协调场法。该方法不仅可在不同时间内随机器人数量不同而不断变换队形,达到运动编队的效果,而且适合追踪动态目标点,使机器人的避障能力更加灵活。通过仿真实验验证了上述方法的有效性。     

记忆运动方向的机器人避障算法

在一般的避障环境中,Tangentbug算法表现的非常鲁棒,但当避障环境中有对称障碍物的时候,Tangentbug算法容易产生路径的死循环,从而导致终点不可到达.然而在机器人避障过程中,对称障碍物是非常常见的.针对这个问题,提出了基于记忆机器人运动方向的Tangentbug算法.该算法中,机器人每经过一个位置点,就把当前位置点和选择的运动方向记录下来,为后面的更新运动方向做好准备.首先,机器人扫描到障碍物时计算出机器人与障碍物的相遇方向;其次,根据障碍物的边缘,统计局部地图信息,得到局部切线图,找到离终点和当前点距离和最近的点作为机器人的下一个目标点,得到机器人的运动方向;然后,在机器人绕行障碍物时结合记忆的运动方向和局部切线图产生的最小距离和更新下一步运动方向.在整个避障过程中,不停的更新相遇方向和运动方向,最终实现机器人的直行和绕行,从而到达终点.通过大量实验验证,实验结果表明该算法不仅可以实现机器人在对称障碍物环境中顺利到达终点,也可以在非对称障碍物环境中达到终点,验证了该算法的有效性和鲁棒性.     

机器人足球比赛中位置控制算法的改进

基于FIRA机器人足球比赛11vs11仿真平台,通过建立数学模型分析了Position函数的工作原理,并对此函数进行改进以适应比赛中具体环境．从三个方面进行了改进：实现区域内避障,探测障碍物并根据具体情况避开障碍到达目标点;分析采用不同函数时机器人的运动轨迹,根据具体情况采用相应的轨迹避障或直接到达目标点;按照指定轨迹运动,完成动作规划,实现路径跟踪．仿真平台的实验证明,Position函数三个方面改进都能达到要求,能适应比赛中的设定情况．     

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH＋避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验。结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地。基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上。     

借助外力助推的双足机器人越障及避障方法研究

由于仿人机器人在跨越大尺度障碍时需要重心大幅度地偏移,从而导致机器人容易摔倒或是跨越的距离有限,而通过引入外力的方法能有效地改善机器人的跨越性能.本文主要研究双足机器人在额外外力的辅助下,无碰撞地跨越大尺度障碍物的问题.首先,通过树形数据结构、相对轴矢量和相对位置矢量,建立了双足机器人的仿真模型.然后,通过规划多次曲线跨越轨迹、引入整个跨越过程中的局部避障非线性约束和其他跨越约束的方法,建立起双足机器人越障及避障的多变量非线性优化模型.最终,求解出了平面6自由度的冗余机器人越障及避障的2维步态,通过仿真验证了其能够跨过高度为其腿长43%的障碍物.原理样机跨越15 cm高,为其腿长32%的障碍物,证明了本文所提越障及避障方法的有效性.     

仿生六足机器人传感信息处理及全方向运动控制

针对传统CPG控制方法无法很好地控制机器人足端轨迹的问题,提出基于中枢神经模式发生器(CPG)的控制方法.在CPG控制方法中加入用于足端轨迹控制的轨迹发生器模块,通过调节参数值可以实现机器人的全方向运动控制.为降低传统CPG控制中传感信息反馈以及参数调整的复杂程度,设计2种用于躲避前方和两侧障碍物的传感信号处理的神经网络.该模块实现多传感信号的融合,生成用以控制机器人运动行为的各个参数值,实现机器人的自主避障.设计一个仿生六足机器人样机,将其分别放置在墙角和狭窄空间中进行自主避障行走实验,结果证明了机器人全方向运动控制算法和自主避障算法的可行性.     

基于视觉信息的移动机器人动态避障方法

为了提高自主移动机器人的动态避障能力,提出了一种基于视觉信息的拟人动态避障方法,以视觉信息为决策依据,利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射,在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式,无需考虑机器人和障碍物的运动速度和运动方向,仿真试验证明这种方法是可行而有效的．     

基于避障切换控制的移动机器人路径规划

移动机器人能够感知周围的环境,并能够实时的规划路径到达目标点,其中避碍问题是研究的热点。设计了一种在没有详细的环境信息的情况下,移动机器人避障过程中路径规划转换的控制方案,该方案机器人可以根据运动跟踪模式、避障模式及机器人状态选择逐渐逼近目标点,在尽可能出现的任何形状障碍物情况下用Matlab软件仿真实验。 实验结果表明,提出的自适应路径规划控制方案的有效性。     

基于遗传算法的水下智能机器人避碰行为学习

智能机器人行为学习可以看成是从感知空间到动作空间中寻找一种映射文中采用遗传算法来实现寻找一种最佳映射,使机器人具有较好的避磁能力,把机器人旋转角和平移距离分别划分成７个等级和４个等级,每一个等级看成机器人的一种行为,把机器人发生碰撞之前所走的路径长度作适度函数,通过遗传算法中的选择,交叉和变异等操作机器人学会避碰行为,在文中的最后给出了仿真的实验结果。     

一种改进dueling网络的机器人避障方法

针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。     

基于构型选优决策的冗余度机器人避障研究

为了使冗余度机器人在障碍物环境下更好地完成末端操作任务,首先提出了一种新的基于构型选优决策的避障策略,它在保证避障和完成末端任务的同时使机器人的综合性能指标更优,然后利用3R-2P机器人的仿真及实验研究证明了所提方法的可行性.     

模型预测控制下多移动机器人的跟踪与避障

提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议。首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流。在编队控制层面上,设计具有避碰的编队控制律。然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题。为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入。最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性。     

基于分层强化学习的多移动机器人避障算法

介绍了一种基于分层思想的强化学习方法,即将机器人的复杂行为分解为一系列简单的行为进行离线独立学习,并分别设计了每个层次的结构、参数及函数。这种学习方法能够减小状态空间并简化强化函数的设计,从而提高了学习的速率以及学习结果的准确性,并使学习过程实现了决策的逐步求精。最后以多机器人避障为任务模型,将避障问题分解为躲避静态和动态障碍物以及向目标点靠近3个子行为分别进行学习,实现了机器人的自适应行为融合,并利用仿真实验对其有效性进行了验证。     

移动机器人在未知环境中避障的控制策略

针对非完全约束移动机器人在未知环境下向目标点移动过程中的避障问题,提出了一种对突然出现的障碍物通过其轮廓进行避障的策略。该策略避免机器人反向运动,使其总是朝目标点进行避障运动;在稳定合理的条件下分析了避障的稳定性。实验结果显示,该策略是可行的,并具有良好的性能。     

回避障碍和关节极限二元准则的冗余度机器人运动学逆解研究

为解决梯度投影法求解回避障碍和关节极限下运动学逆解过于严格优化反而限制运动灵活性的问题，首先通过障碍边界约束化建立了通用多边窗口障碍回避作业准则。并根据作业函数对关节角导数的正负变号情况分别定义加权系数，进而引入较为合理的加权系数矩阵，得到了回避障碍和关节极限二元准则下冗余度机器人运动学的加权最小二乘逆解方法。     

未知环境下机器人避障及动态目标追踪

针对传统人工势场法在避障及其动态目标追踪过程中产生的机器人陷入局部极小值点、无法到达目标、避障追踪路径产生震荡等问题,对传统人工势场法的引力公式和斥力分力方向进行了重新定义.在引力公式中加入速度差与加速度差因子,将斥力分力方向重新定义为与引力方向夹角不大于90°的方向,并且将该优化思想与现有的改进人工势场法进行了对比分析.结果表明,该算法可行且提高了机器人避障和动态目标追踪的灵活性以及对恶劣环境的适应能力.