基于线性时序逻辑的最优巡回路径规划

基于线性时序逻辑(Linear temporal logic, LTL)的路径规划方法中, 多点巡回路径规划问题尚无有效解决方案. 为了在道路网络中实现最优巡回监测, 提出了基于LTL的最优巡回路径规划方法. 首先, 将环境建模成一个切换系统, 用LTL语言描述包含多个巡回点和障碍物的任务需求; 接着, 利用循环移位法构建能够融合任务需求和环境模型的扩展乘机自动机, 以建立路径信息完整的网络拓扑; 最后, 采用基于迪科斯彻法的最优综合算法搜索扩展乘机自动机网络上的最优路径, 从而获得能够满足复杂任务需求的最优巡回路径. 仿真结果表明, 该方法能够有效实现最优巡回路径规划.     

基于路径参数协同的多移动机器人编队控制

为了使每个机器人沿期望的跟踪路径运动,建立了一种基于路径参数协同的多移动机器人编队控制模型.模型将整个系统的控制分为两部分:-部分用Lyapunov和反演技术设计了路径跟踪控制器,另-部分为路径参数协同控制器,保证每个机器人期望跟踪路径的参数变量能够实现协同,进而达到对编队的控制.采用结构模型完全＞分布,并且适用于机器人不同集群任务需求,可易于仿真实现.使用控制方案仅需要机器人之间交互路径参数信息,通讯需求量小,满足实际工程需求.仿真结果验证了所提算法的有效性.     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于智能路径规划算法的移动机器人系统设计

提出了移动机器人的一种全局路径规划与局部路径规划相结合的新型算法.在以TMS320LS2407A为核心处理器设计的移动机器人平台上,研究移动机器人智能路径规划的算法问题并予以实现.上位机规划机器人的最优路径,并通过与机器人无线通信,发送路径信息,实时接收机器人方位信息.上位机通过操作应用程序对机器人进行监控.机器人能够自主计算轨迹并准确跟踪路径,检测到障碍物后,智能地重新规划路径,避开障碍物到达目的地.实验结果表明:该方法能有效实现机器人的最佳行走路线规划.     

加速度约束条件下的非完整移动机器人运动控制

将移动机器人的运动规划与跟踪控制问题合并在一起,对加速度约束条件下的非完整移动机器人运动控制问题进行研究,提出基于贝塞尔曲线的路径规划方法,以满足机器人的非完整约束．在考虑所受加速度约束的条件下,通过规划机器人状态时问轨线的方法实现了时间最优的轨迹规划．基于控制李亚普诺夫函数推导出了轨迹跟踪的控制律．仿真实验结果表明所提出的算法是有效的．     

基于模糊Elman网络算法的移动机器人路径规划分析

为了调正移动机器人避障线路,建立了基于模糊Elman网络算法的移动机器人路径规划模型,并应用进行Matlab仿真分析。利用现有障碍物的距离信息来实现机器人步长的实施可控制与调节,防止移动机器人在做出准确避障行为之后因为没有设定合适的步长而导致撞上障碍物,以0.5作为机器人的最初运动步长。仿真结果表明,采用模糊Elman网络可以获得比其它两种方法更优的路径规划效果,同时对障碍物进行高效避让,由此实现最优的路径规划。采用模糊Elman网络来构建得到的路径规划算法能够满足规划任务的要求,同时还能够根据机器人处于不同工作空间中的情况进行灵活调整。     

RoboCup中型组足球机器人的改进模糊HSIC运动控制

针对RoboCup中型组三轮全向足球机器人路径规划和轨迹跟踪的特点,结合仿人智能控制(human-simulated intelligent control,HSIC)算法,提出了改进模糊仿人智能运动控制算法,并将其运用于该系统的运动控制.实验研究证明,该算法具有控制精度高、稳定性好、能实时逼近期望路径的特点,完全满足RoboCup足球机器人运动控制的要求.另外,模糊控制的控制规则表可以由改进HSIC的逻辑控制规则所确定,使模糊控制器的设计更易于实现.     

移动机器人路径追踪的模糊控制方法研究

移动机器人的智能控制技术是基于机器视觉的移动机器人自主导航的关键技术之一.本文模仿人工智能驾驶行为,提出了移动机器人运动控制的模糊控制方法,并介绍了该控制器的结构组成和设计过程.提出的模糊控制方法可以保证机器人准确高效的完成路径跟踪任务,并且具有良好的鲁棒性.仿真试验证实了该方法的有效性和可行性.     

移动机器人自主返航控制系统设计与实验

针对遥控移动机器人在通信信号中断后,无法对其进行控制的问题,设计了移动机器人自主返航控制系统,实现信号中断后移动机器人按原路径自主返航直至恢复控制信号或返回初始位置;提出了基于控制意图融合里程计和光纤陀螺仪的定位算法,对移动机器人运动学模型的结构参数进行了校正,大幅度提高了移动机器人定位精度;基于嵌入式Linux平台设计了返航控制软件系统,在信号正常的情况下,启动遥控模式,遥控机器人移动并记录路径坐标点,信号中断则开启返航模式,采用线性控制率和PID控制率实现对移动机器人路径跟踪控制;基于实际应用环境开展自主返航实验验证,实验结果表明该控制系统能够在通信信号中断后以较高的精度控制移动机器人实现自主返航;该系统能够解决移动机器人在应用中的实际问题,且代码可移植性高、通用性强。     

基于大数据聚类的移动机器人运动跟踪控制系统设计

目前研究的移动机器人运动跟踪控制系统控制过程易受到外界扰动影响,导致控制稳定性较差,运动跟踪准确性较差,为此,基于大数据聚类算法设计了一种新的移动机器人运动跟踪控制系统。硬件部分主控制器负责远程无线通讯,图像采集的数据传输和舵机驱动连接,驱动控制器为机器人行走提供动能保证;远程控制模块负责数据,图像和指令的传输;舵机控制模块机器人的行走、转向;软件部分首先通过大数据聚类的方法分析机器人移动步态,根据运动超声波传感器原理判定障碍物位置,考虑移动机器人运行状态与足端轨迹,构建机器人行走控制模型。通过髋关节调节机器人姿态,消除外部扰动对机器人姿态和运动速度的影响,得到抗扰动控制模型。实验结果表明,所设计系统在对机器人运动控制的稳定性及对抗外界扰动方法具有较好的性能,能够实现对移动机器人运动的准确跟踪。     

A 3-level autonomous mobile robot navigation system designed by using reasoning/search approaches

This paper describes how soft computing methodologies such as fuzzy logic, genetic algorithms and the Dempster–Shafer theory of evidence can be applied in a mobile robot navigation system. The navigation system that is considered has three navigation subsystems. The lower-level subsystem deals with the control of linear and angular volocities using a multivariable PI controller described with a full matrix. The position control of the mobile robot is at a medium level and is nonlinear. The nonlinear control design is implemented by a backstepping algorithm whose parameters are adjusted by a genetic algorithm. We propose a new extension of the controller mentioned, in order to rapidly decrease the control torques needed to achieve the desired position and orientation of the mobile robot. The high-level subsystem uses fuzzy logic and the Dempster–Shafer evidence theory to design a fusion of sensor data, map building, and path planning tasks. The fuzzy/evidence navigation based on the building of a local map, represented as an occupancy grid, with the time update is proven to be suitable for real-time applications. The path planning algorithm is based on a modified potential field method. In this algorithm, the fuzzy rules for selecting the relevant obstacles for robot motion are introduced. Also, suitable steps are taken to pull the robot out of the local minima. Particular attention is paid to detection of the robot’s trapped state and its avoidance. One of the main issues in this paper is to reduce the complexity of planning algorithms and minimize the cost of the search. The performance of the proposed system is investigated using a dynamic model of a mobile robot. Simulation results show a good quality of position tracking capabilities and obstacle avoidance behavior of the mobile robot.     

线性时序逻辑约束下的滚动时域控制路径规划

针对有限确定性系统中的路径规划问题,本文提出了一种线性时序逻辑约束下的在线实时求解滚动时域控制的新方法。该方法将滚动时域控制方法和满足线性时序逻辑公式的策略相结合,控制目标是在满足高级别任务规范的同时,使收集的累积回报值最大化。其中,在有限时域内的每个时间步长上局部优化回报值,并应用当前时刻计算获得的最优控制序列。通过执行适当的约束,保证控制器产生的无限轨迹满足期望的时序逻辑公式。而且,由于地势影响因子的引入,所建议的方案更接近于真实情况。仿真实验结果验证了文中提出方法的可行性和有效性。     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.     

遗传算法和模糊控制的融合研究与设计

将遗传算法与模糊控制相结合，能达到取长补短的作用，一方面，模糊控制能够表达非线性和模糊性的系统知识；另一方面，通过遗传算法所拥有的高度并行，随机、全局搜索能力，使控制系统具有了学习能力，提出了先使用模糊逻辑的思想进行交叉概率和变异概率的整定，再利用模糊遗传算法对模糊子集进行了划分，可获得一个基于一定性能指标的次优或最优模糊控制器，又以二阶系统为例进行了计算机仿真，研究结果表明这种方法是有效的。     

线性时序逻辑引导的安全强化学习

针对动态不确定环境下机器人执行复杂任务的需求,提出一种线性时序逻辑(linear temporal logic, LTL)引导的无模型安全强化学习算法,能在最大化任务完成概率的同时保证学习过程的安全性.首先,综合考虑环境中的不确定因素,构建马尔可夫决策过程(Markov decision process, MDP),再用LTL刻画智能体的复杂任务,将其转化为有多接受集的基于转移的有限确定性广义布奇自动机(transition-based limit deterministic generalized Büchi automaton, t LDGBA),并通过接受边界函数构建可记录当前待访问接受集的约束型tLDGBA (constrained tLDGBA,ctLDGBA);其次,构建乘积MDP用于强化学习搜索最优策略;最后,基于LTL对安全性的描述和MDP的观测函数构建安全博弈,并根据安全博弈设计安全盾机制保证系统在学习过程中的安全性.严格的分析证明了所提出的算法能获得最大化LTL任务完成概率的最优策略.仿真结果验证了LTL引导的安全强化学习算法的有效性.     

Optimal two-degree-of-freedom fuzzy control for locomotion control of a hydraulically actuated hexapod robot

Locomotion control of legged robots is a very challenging task because very accurate foot trajectory tracking control is necessary for stable walking. An electro-hydraulically actuated walking robot has sufficient power to walk on rough terrain and carry a heavier payload. However, electro-hydraulic servo systems suffer from various shortcomings such as a high degree of nonlinearity, uncertainty due to changing hydraulic properties, delay due to oil flow and dead-zone of the proportional electromagnetic control valves. These shortcomings lead to inaccurate analytical system model, therefore, application of classical control techniques result into large tracking error. Fuzzy logic is capable of modeling mathematically complex or ill-defined systems. Therefore, fuzzy logic is becoming popular for synthesis of control systems for complex and nonlinear plants. In this investigation, a two-degree-of-freedom fuzzy controller, consisting of a one-step-ahead fuzzy prefilter in the feed-forward loop and a PI-like fuzzy controller in the feedback loop, has been proposed for foot trajectory tracking control of a hydraulically actuated hexapod robot. The fuzzy prefilter has been designed by a genetic algorithm (GA) based optimization. The prefilter overcomes the flattery delay caused by the hydraulic dead-zone of the electromagnetic proportional control valve and thus helps to achieve better tracking. The feedback fuzzy controller ensures the stability of the overall system in the face of model uncertainty associated with hydraulically actuated robotic mechanisms. Experimental results exhibit that the proposed controller manifests better foot trajectory tracking performance compared to single-degree-of-freedom (SDF) fuzzy controller or optimal classical controller like state feedback LQR controller.     

Mobile robot path planning and tracking using simulated annealing and fuzzy logic control

This article describes the development and implementation of an automatic controller for path planning and navigation of an autonomous mobile robot using simulated annealing and fuzzy logic. The simulated annealing algorithm was used to obtain a collision-free optimal trajectory among fixed polygonal obstacles. C-space was used to represent the working space and B-spline curves were used to represent the trajectories. The trajectory tracking was performed with a fuzzy logic algorithm. A detailed explanation of the algorithm is given. The objectives of the control algorithm were to track the planned trajectory and to avoid collision with moving obstacles. Simulation and implementation results are shown. A Nomadic 200 mobile robot was used to perform the experiments.     

基于红外传感皮肤的多关节机器人自主运动方法研究

本文研究了障碍环境下多关节机器人自主实时避碰运动理论、技术与方法. 研制的新型红外传感皮肤, 可以为多关节机器人提供所需要的周围环境信息. 针对非结构化环境下的多关节机器人实时避障问题, 提出了一种未知环境下的机器人模糊路径实时规划新方法. 实验结果表明: 基于研制的红外传感皮肤和模糊运动规划算法, 多关节机器人可以在未知或时变环境下自主工作.     

Multi-agent system motion planning under temporal logic specifications and control barrier function

In this paper, we provide a novel scheme to solve the motion planning problem of multi-agent systems under high-level task specifications. First, linear temporal logic is applied to express the global task specification. Then an efficient and decentralized algorithm is proposed to decompose it into local tasks. Moreover, we use control barrier function to synthesize the local controller for each agent under the linear temporal logic motion plan with safety constraint. Finally, simulation results show the effectiveness and efficiency of our proposed scheme.