自主移动机器人局部优化导航算法研究

自主移动机器人在未知环境下需要依靠自身装配的传感器不间断地获得周围环境信息,辨别出障碍物的位置,进行计算和自主决策.现有导航算法在面临U型等复杂环境时容易在僵死路径上产生反复,导致导航不能继续.文中提出了一种基于模糊逻辑的局部优化导航算法,采用"辨识-记忆"策略来处理传感器信息.在路径规划中保留最近走过路径的位置和角度特征等相关资源,形成"记忆".当前规划路径形成死区并反复运行时,会形成"辨识"并重新规划路径和导航决策以避免障碍物碰撞.在Webots Pro和Matlab下设计仿真实验,结果表明移动机器人在模糊规则指导下能有效避障和避免死区现象,实现较好的自主导航.     

基于Matlab和VC++混合编程的障碍检测系统设计

本文主要研究移动机器人在环境未知情况下的障碍物检测问题,提出了一种图像分割和立体视觉相结合的方法进行检测,减小了检测算法的复杂度,并能快速可靠地检测出机器人行进前方障碍物的位置和距离信息;将VC++的可视化图形界面功能和MATLAB的强大图像处理功能有机的结合起来,采用混合编程开发方法实现障碍物检测系统软件。实验结果表明,该方法在障碍物检测系统的开发过程中大大提高了编程效率,缩短了软件的开发周期。     

动态环境下基于改进蚁群算法的机器人路径规划研究

针对动态复杂条件下的移动机器人路径规划问题,根据全局静态环境先验知识,提出一种改进蚁群算法。在经典蚁群算法的基础上通过调整转移概率,限定信息素强度的上下界,并引入相关策略解决死锁问题,可以避免初期规划的盲目性,增加解的多样性,提高算法的全局搜索能力,进一步减小算法早熟的可能性。在规划过程中,根据动态障碍物运行方向的变化与否,提出了相应的碰撞避免策略,并针对环境突发状况引入Follow_wall行为进行改进。仿真实验证明,该算法优于经典蚁群算法,可有效地指导移动机器人避免环境中的动态障碍物,获取无碰最优或次优路径,并能更好地适应环境的变化。     

移动机器人动态避障算法

把滚动规划和径向基函数神经网络（RBFNN）预测相结合,提出一种动态不确定环境下移动机器人局部路径规划过程中,针对动态障碍物的新的混合避障算法.利用摄像镜头采集动态障碍物的移动轨迹,提取形心序列,利用RBFNN建立预测模型.在移动机器人实时规划时,根据当前位置在超声波传感器的扫描范围内建立滚动窗口.当检测到动态障碍物进入滚动窗口以后,才开始进行预测计算.根据动态障碍物相邻时刻的三个时间序列值,来预测障碍物下一时刻的运动轨迹,从而把动态障碍物的避障问题转化为瞬时静态障碍物的避障问题,实现实时规划.这种算法能够提高动态避障的安全性和规划的实时性.仿真结果证明了算法是可行、高效的.     

移动机器人动态避障算法

把滚动规划和径向基函数神经网络（RBFNN）预测相结合，提出一种动态不确定环境下移动机器人局部路径规划过程中，针对动态障碍物的新的混合避障算法．利用摄像镜头采集动态障碍物的移动轨迹，提取形心序列，利用RBFNN建立预测模型．在移动机器人实时规划时，根据当前位置在超声波传感器的扫描范围内建立滚动窗口．当检测到动态障碍物进入滚动窗口以后，才开始进行预测计算．根据动态障碍物相邻时刻的三个时间序列值，来预测障碍物下一时刻的运动轨迹，从而把动态障碍物的避障问题转化为瞬时静态障碍物的避障问题，实现实时规划．这种算法能够提高动态避障的安全性和规划的实时性．仿真结果证明了算法是可行、高效的．     

基于几何算法的静态环境中移动机器人路径规划的研究

基于Pioneer Ⅱ DXE移动机器人，旨在解决静态环境中移动机器人与障碍物发生碰撞的可能性判断和避开障碍的路径规划。提出了采用几何计算的方法判断机器人和障碍物之间发生碰撞的条件，将基本避开理论和几何算法有机结合起来，获得切线最短路径，提高机器人避开障碍的效率，并通过仿真实验验证该算法的正确性和可行性。     

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.     

面向抓取任务的移动机器人停靠位置优化方法研究

为了解决移动机器人在复杂环境中物体抓取规划成功率低以及规划时间长等问题, 本文提出了一种基于环境信息的预处理生成移动机器人停靠位置优化算法。首先对机械臂的工作空间进行分析, 得到抓取难易评价标准, 将环境中目标物、障碍物以及移动底盘位置简化为点, 投影到xy平面上, 根据抓取难易评价标准求出移动机器人优化后的底盘停靠位置; 然后针对机械臂避障问题, 采用快速扩展随机树(Rapidly-exploring Random Trees, RRT)算法实现了机械臂末端及连杆与障碍物的避障; 最后通过仿真和动作捕捉系统下的实验发现, 采用移动机器人停靠位置优化算法可显著提高抓取规划成功率和规划速度。     

基于逆投影差分的移动机器人障碍物快速检测

移动机器人的障碍物快速检测是其导航、避障、轨迹跟踪的关键技术。目前多数传感器存在距离盲区以及异常尺度等问题,且现有算法大多计算复杂,难以满足实时性需求。为了改善这些问题,本文提出了一种基于环视逆投影差分的移动机器人障碍物快速检测与定位新方法。该方法以水平地面为参考平面,对移动机器人上环视系统中相邻视角相机拍摄的图像进行逆投影变换,再经图像差分得到逆投影差分图,图中像素值为零的点位于参考平面,反之则位于参考平面之外,经过阈值化、滤波后即可用来区分参考平面与非参考平面目标,实现其视场公共区域内障碍物的快速检测;同时以逆投影差分图为基础,通过像素坐标系到机器人自身坐标系的转换可获得目标相对于移动机器人精准的位置信息。在实际场景中对5 m范围内不同类型、大小、距离的障碍物进行测试,平均检测精度为97.3%,平均检测耗时为46 ms/帧,平均定位误差为1.1%。实验结果表明,本文方法能快速有效地检测和定位移动机器人附近的动、静态障碍物。     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.     

Dynamic Control for Robot Manipulator Based on the Neural Network

ＤｙｎａｍｉｃＣｏｎｔｒｏｌｆｏｒＲｏｂｏｔＭａｎｉｐｕｌａｔｏｒＢａｓｅｄｏｎｔｈｅＮｅｕｒａｌＮｅｔｗｏｒｋＳＵＮＤｉｓｈｅｎｇ；ＳＯＮＧＳｈｉｎｍｉｎ（孙迪生）（宋新民）（ＲｏｂｏｔＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＨＩＴ，Ｈａｒｂｉｎ，１...     

面向任务的机器人灵巧手控制系统及多指空间协调阻抗控制

为提高多指灵巧手的控制和操作性能,提出了基于集中控制-分层处理的DLR/HIT Ⅱ机器人灵巧手实时控制系统结构,并建立了基于Simulink/QNX的实时控制平台和嵌入式驱动控制层,极大地简化了高集成度机电一体化灵巧手的控制器设计过程,并实现灵巧手在多自由度仿机器人上的无缝连接,进行了多指灵巧手空间协调阻抗控制的研究,基于手指指尖位置建立了适用于任意手指数目n的机器人灵巧手物体空间坐标系,并基于六维空间虚拟弹簧的阻抗思想和关节力矩反馈实现了以被抓取物体位置和姿态为控制目标的多指灵巧手空间协调阻抗控制.在基于Simulink/QNX的实时控制平台上对DLR/HIT Ⅱ灵巧手进行了空间协调阻抗控制实验,实验结果表明了灵巧手控制软硬件系统和控制策略的有效性和稳定性.在未降低灵巧手自由度的前提下,将DLR/HIT Ⅱ多指灵巧手协调抓取操作的控制输入量由30个减为6个,为提高抓取规划算法效率提供了稳定高效的新型控制策略.     

基于启发式学习算法的空间柔性机械臂神经网络控制

针对非线性强耦合的空间漂浮基柔性机器人,提出了一种启发式学习算法的神经网络的前馈控制策略。首先通过拉格朗日法和假设模态方法建立了漂浮基柔性空间机器人的动力学模型,然后采用两个神经网络及一个PID控制器来构建前馈在线学习控制系统,其中一个神经网络充当前馈控制器,另一个神经网络通过学习逆动态模型来为前馈控制器提供在线学习参数,而PID控制器主要作为辅助补偿控制器。该控制策略不是在PID控制器的指导下进行学习,且无需预先的离线学习,因而学习精度更高,且减少了对学习样本选择不当的影响,采用固定中心参数,而扩展宽度采用启发式关系确定,网络权值采用改进的最优准则算法进行调整的算法来实现快速学习能力,具有较好的实时性。仿真结果证明了所提方案的有效性。     

一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

基于遗传模糊算法的足球机器人射门动作控制

为了提高足球机器人的射门成功率，给出了一种基于遗传模糊算法的足球机器人射门实现方法。通过建立一个多输入多输出模糊控制器，用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作，并采用遗传算法优化模糊规则和隶属度函数，增强了模糊控制系统适应动态变化环境的能力。考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则内输出。在仿真和全局视觉足球机器人平台上对该算法进行了验证，实验结果证明了方法的正确性。     

复杂环境下移动机器人路径规划与跟随

提出了一种基于改进A^*算法和PID控制算法的新型移动机器人路径规划与路径跟随控制方法,该方法适用于复杂的迷宫环境．在所提出的方法中,解决了A^*算法转折点过多的问题,并且通过拓展障碍物和四阶三次均匀B样条优化的方法使生成的预期路径安全且平滑;之后基于前视点的两轮差速机器人运动学模型设计了PID控制器．在专门设计的框架中测试了所提出方法的性能．作为验证,分别从路径规划与路径跟随两个方面做了详尽的实验,结果表明,规划路径转折点少且平滑,设计的PID控制器能够控制移动机器人实现较好的路径跟随效果．最后,在复杂的迷宫环境中验证了提出的方法,结果表明,所提出的方法能够使机器人无碰撞穿越迷宫．     

移动机器人非线性前置追踪算法

针对移动机器人跟踪移动目标过程中速度过大问题而提出的前置追踪方法,将机器人导引到目标运动的前方,并沿着与目标相同的方向运动,从而在目标运动轨迹的前方捕获目标,但要求移动机器人的速度低于目标的速度。在建立了移动机器人和目标的前置追踪运动学模型的基础上,根据滑模变结构控制对系统干扰具有鲁棒性的特点,在目标机动加速度未知的情况下,以移动机器人的两后轮线速度为控制变量,提出了一种全局渐进稳定的非线性自适应变结构前置追踪算法。通过移动机器人对机动目标的追踪仿真验证了跟踪算法的有效性。     

Improved single-neuron PID controller for DC motor applied in robot system

An improved single-neuron proportional integral derivative (PID) controller and a new method to build the DC motor system were presented in the article. In the simulation, the robot arm is considered as an external load to DC motor. Both the motor module and the load module are created in Simulink to achieve simulation results closer to real robot system. In this way, it can well verify the performance of the improved single-neuron PID controller, which is a combined controller of normal PID controller and single-neuron PID controller. Besides, an intelligent switcher can help to realize the function of choosing a better control algorithm according to motor’s velocity output. Simulated results confirm the rapid and stable response of the improved PID controller. Moreover, the improved single-neuron PID controller has an excellent ability to overcome the load impact and supress the jamming signals. At last, a GUI interface platform is built to make the controller easier to be applied in other robot systems.     

空间机器人的可变增益滑模控制方法

针对空间机器人抓捕目标的轨迹跟踪过程,提出了一种基于可变增益的滑模控制算法,并利用MATLAB/Simscape对空间机器人的理论动力学模型和控制算法进行了仿真校验。首先,基于拉格朗日法构建了空间机器人的动力学模型,并给出了系统参数不确定时的动力学方程。设计了一种滑模控制器,在控制器中引入了可变增益,该增益可根据系统的不确定性和系统的运动状态进行调整,从而使控制器具有很强的鲁棒性。基于Simscape Multibody软件模块,对空间机器人的理论动力学模型进行了验证。在此基础上,针对多关节运动和系统模型不确定两种情形,利用可变增益滑模控制算法进行了空间机器人的轨迹跟踪仿真实验。实验结果表明,与传统的计算力矩法相比,本文提出的控制算法呈现出更高的运动控制精度和误差收敛速度。     

履带轮椅机器人爬楼姿态控制的研究

提出一种采用履带结构的轮椅机器人方案,并对其爬楼姿态的控制方法进行研究. 利用6轴运动传感器获取机体爬楼时的姿态数据,超声波传感器采集机体两侧的距离数据,根据轮椅机器人自身特点与实际经验,使用模糊PID（Proportion Integration Differentiation）算法设计出模糊自整定PID控制器. 通过在MATLAB/SIMULINK下仿真,该控制器能将方向角稳定在预定角度,建立稳态时间为0.17 s,最大超调量不超过7.2%. 实际试验中,方向角稳定在预设值±0.2°内,具有很好的控制效果,实现了爬楼过程中的自动控制.