共查询到19条相似文献,搜索用时 93 毫秒
1.
基于T-S型模糊神经网络的轮式机器人避障方法研究 总被引:1,自引:0,他引:1
针对超声波传感器产生的不确定信息,研究了一种基于Takagi-Sugeno(T-S)模型的模糊神经网络信息融合避障方法;对超声波传感器所获得的数据进行融合,建立控制器输入信号和机器人速度输出之间的模式映射关系;在MATLAB环境下对模糊神经网络避障算法进行了仿真,最后在实际环境中进行避障实验;实验结果表明,该算法具有较好的准确性和鲁棒性,能够适用于移动机器人的导航需要. 相似文献
2.
多传感器信息融合即融合多个传感器提供的冗余、互补或更实时的信息,可以获得系统所需的更准确和更精确的信息。介绍了神经网络融合方法,探讨了信息融合技术在机器人方面的应用。机器人避障实验验证了所提方法的有效性。 相似文献
3.
针对机器人在未知环境中的避障问题,提出了一种多传感器信息融合的避障方法.利用多传感器(声纳、摄像头)来采集外部环境信息,使得智能轮椅在移动过程中可以得到更充分的外部环境信息;使用基于Takagi-Sugeno (T-S)模型的模糊神经网络来对环境信息进行融合;通过融合的结果来控制轮椅的避障行为.通过模拟实验验证和分析,表明了该方法在解决轮椅避障问题方面有很好的效果,同时优化了轮椅避障的路径,提高了智能轮椅使用的安全性和方便性. 相似文献
4.
本文在移动机器人的避障系统中,充分利用数字信号处理器(DSP)超强的运算能力,以及单片机(MCU)善于控制的特点,构造了DSP+MCU的双CPU系统,并且利用粗糙集理论进行多传感器信息融合,实现了移动智能机器人在不确定环境中实时获取外部信息,快速地实现避障. 相似文献
5.
6.
7.
8.
介绍了拟人多信息融合思想,人工神经网络信息融合的原理和过程.结合实际情况,对智能移动机器人多传感器采集的信息进行了融合处理,将拟人多信息融合的方法应用到了智能移动机器人平台避障实验中.与传统逻辑判断避障的方法进行比较,总结了拟人多信息融合方法在移动机器人避障中的优越性. 相似文献
9.
为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。 相似文献
10.
11.
一种基于多组传感器信息移动机器人的避障方法 总被引:5,自引:0,他引:5
提出了一种基于多组传感器信息的移动机器人避障的新方法.该方法把多组传感器信息作为ART-2神经网络的输入,实现移动机器人对当前感知环境的快速识别和分类.在此基础上,设计了用于移动机器人在未知环境下避障的模糊控制器.试验证明了这一方法的有效性和实时性. 相似文献
12.
针对自主跟随机器人在自由空间中对移动目标进行跟随时,由于信号源发射角度小,自主跟随机器人很容易进入信号盲区,并且难以对移动目标进行精确定位、移动姿态确定等问题,提出了一种基于多传感器信息融合的自主跟随定位及避障方法,该方法通过在移动目标上增加多信号源,使自主跟随机器人与移动目标之间建立冗余信道,并通过多传感器信息融合方法,计算出移动目标中心位置及实时移动姿态;设置测距模块,使自主跟随机器人能避开障碍,保持跟随。根据此方法建立了多信号源定位模型和算法,并对该算法进行了实验验证。实验结果表明,该方法能够准确的对移动目标进行定位和移动姿态确定,并且信号盲区小,能有效的避开障碍,保持对移动目标的跟随,具有一定的工程应用价值。 相似文献
13.
14.
15.
针对智能小车在不确定坏境下自主避障的情况,采用超声波传感器和红外传感器相结合来感知外界环境信息。将传感器采集到的各种数据利用T-S模糊神经网络进行融合.通过实验仿真表明:此方法能够使智能小车对障碍物灵活避障. 相似文献
16.
郭华 《自动化与信息工程》2008,29(4)
移动机器人沿墙导航控制包含了追踪和避障两种情况,是移动机器人研究中的常见问题。它是指机器人在一定方向上沿墙运动,或者更一般意义上的沿着物体轮廓运动,并与墙保持一定距离。移动机器人利用声纳采集机器人与墙体的距离和角度信息,通过模糊神经网络将输入数据进行融合,从而判断移动机器人的位姿信息,输出左右轮速度控制其动作。实验证明此方法可以有效地保证移动机器人在安全距离内沿墙体运动。对比采用模糊神经网络前后的实验,采用后的移动机器人沿墙导航控制轨迹优于采用前,均方误差大大减小。 相似文献
17.
18.
19.
针对欠驱动巡检机器人相对于传统机器人控制量少于控制对象的特点,依靠Lagrange定理建立机器人系统动力学模型和电缆弯曲数学模型.根据障碍物外形特点给出障碍物特征量的提取方法;根据障碍物较大,常规的运动控制输出量不宜变化过大的特点,以及机器人越障过程中要保持机体平衡,依据动力学模型提出了基于神经网络补偿的前馈-反馈控制器,以实现对系统姿态控制和越障控制.控制器具有自学习、自动补偿的能力,对非线性对象有较好的控制作用.仿真结果表明,该方法相对于常规PID控制、普通模糊控制具有超前调节、超调量小、抗扰动能力强的特点.通过实验,验证了基于神经网络补偿的前馈-反馈控制器的合理性. 相似文献