基于改进势场栅格法的清洁机器人路径规划算法研究

针对人工势场法中机器人在障碍物附近震荡而无法到达目标点、存在陷阱区域、临近的障碍物之间不能发现路径等问题,提出了一种改进的势场栅格算法.结合牛耕式全覆盖路径规划算法使机器人在已知环境势场模型中快速静态规划出全局最优清扫路径,通过激光雷达与势场合力运算使其具备无碰撞的避障能力.在实际系统的实验验证结果表明,本算法能够使清洁机器人以更短路径遍历环境及增强避障能力,提高了清洁机器人的安全性与工作效率,具有实际应用价值.     

Path planning and stability control of collision avoidance system based on active front steering

Vehicle collision avoidance system is a kind of auxiliary driving system based on vehicle active safety,which can assist the driver to take the initiative to avoid obstacles under certain conditions,so as to effectively improve the driving safety of vehicle.This paper presents a collision avoidance system for an autonomous vehicle based on an active front steering,which mainly consists of a path planner and a robust tracking controller.A path planner is designed based on polynomial parameterization optimized by simulated annealing algorithm,which plans an evasive trajectory to bypass the obstacle and avoid crashes.The dynamic models of the AFS system,vehicle as well as the driver model are established,and based on these,a robust tracking controller is proposed,which controls the system to resist external disturbances and work in accordance with the planning trajectory.The proposed collision avoidance system is testified through CarSim and Simulink combined simulation platform.The simulation results show that it can effectively track the planning trajectory,and improve the steering stability and anti-interference performance of the vehicle.     

基于修正的最小均方误差分类算法的移动机器人运动规划

研究了不确定性环境下移动机器人躲避运动轨迹未知的移动障碍物的一种新方法．通过实时最小均方误差估计算法预测每个障碍物的位置及运动轨迹，并利用模式识别中最小均方误差分类器的修正模型计算出机器人的局部避障路径，再运用船舶导航中使用的操纵盘技术来确定每个导航周期中移动机器人的速．度仿真结果表明了该方法的可行性     

基于多目标遗传算法的机器人避障研究

提出了在势场法斥力场函数中引入目标点和障碍物的距离、障碍物和机器人的速度矢量及最小安全距离的一种新的动态势场(NDAPF)方法,建立了考虑运动路径长度、移动步数、动态相对距离的避障评价函数,进一步提出了根据遗传算法个体适应度不同情况下变异概率自适应调整的一个改进算法,利用多目标遗传算法(MOGA)对NDAPF。方法进行寻优．在一个移动机器人仿真平台中分别对传统的静态势场(TAPF)方法、无参数优化NDAPF和利用MOGA参数优化的NDAPF方法(MOGANDAPF)进行仿真实验,实验结果证明,MOGANDAPF方法可进一步应用于足球机器人避碰模型研究中．     

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．     

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。     

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。     

Autonomous Tracking Control for Four-Wheel Independent Steering Robot Based on Improved Pure Pursuit

Autonomous tracking control is one of the fundamental challenges in the field of robotic autonomous navigation, especially for future intelligent robots. In this paper, an improved pure pursuit control method is proposed for the path tracking control problem of a four-wheel independent steering robot. Based on the analysis of the four-wheel independent steering model, the kinematic model and the steering geometry model of the robot are established. Then the path tracking control is realized by considering the correlation between the look-ahead distance and the velocity, as well as the lateral error between the robot and the reference path. The experimental results demonstrate that the improved pure pursuit control method has the advantages of small steady-state error, fast response and strong robustness, which can effectively improve the accuracy of path tracking.     

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．     

Collision avoidance planning in multi-robot system based on improved artificial potential field and rules

For real-time and distributed features of multi-robot system,the strategy of combining the improved artificial potential field method and the rules based on priority is proposed to study the collision avoidance planning in multi-robot systems. The improved artificial potential field based on simulated annealing algorithm satisfactorily overcomes the drawbacks of traditional artificial potential field method,so that robots can find a local collision-free path in the complex environment. According to the movement vector trail of robots,collisions between robots can be detected,thereby the collision avoidance rules can be obtained. Coordination between robots by the priority based rules improves the real-time property of multi-robot system. The combination of these two methods can help a robot to find a collision-free path from a starting point to the goal quickly in an environment with many obstacles. The feasibility of the proposed method is validated in the VC-based simulated environment.     

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。     

面向配电系统的带电抢修作业机器人

面向电力行业应急救援和安全抢修作业装备发展的需求,设计了一种配电系统带电抢修作业机器人,并对其机械结构与控制系统进行了介绍。提出一种基于液压伺服驱动的6自由度机械臂的系统解决方案,通过运动学、动力学和有限元分析优化了部件结构和动力学性能,使其有效负载能力达到最大。针对作业过程中机器人本体与导线发生碰撞等引起的震荡问题,使用非对称控制方法,建立了机械臂的柔顺控制模型,降低了震荡的影响。将整体单目视觉的静态测量与双目手眼视觉系统的动态测量相结合,设计了复杂环境下目标点的高精度动态定位系统,实现了机械臂的局部自主路径规划与运动控制。通过实验验证了所开发的带电抢修作业机器人在10 kV以下配电线路应用的有效性和可行性。     

基于双目视觉的机器人局部路径规划

目的提出移动机器人利用双目视觉在不确定的环境中实现自主避障和导航的一种新方法．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．结果映射点偏离屏幕中心误差越大，障碍物距离机器人越远，确定避碰策略越困难；而当障碍物距离机器人较近时确定避碰策略较容易．该方法计算量少，运算时间短，提高了机器人的实时性．结论仿真试验表明此种方法能有效避开障碍物顺利到达目标点，并减少了计算规模，提高了实时性．     

汽车高速紧急避障路径跟踪与主动防侧翻控制

为提高匹配机械弹性车轮汽车在高速紧急避障时的效率与安全性,在Simulink中建立了整车非线性八自由度模型,并基于车轮样机台架试验数据,利用Matlab遗传算法工具箱对机械弹性车轮模型参数进行分级辨识.综合考虑行驶车速、轨迹跟踪误差、方向盘转角以及侧翻评价指标,建立了八自由度驾驶员—汽车预瞄跟随闭环系统模型.分析了汽车在不同行驶车速时所需的方向盘角输入信息与侧翻状态响应,总结出汽车高速转向时的侧翻动态特性.为高速安全通过规划的避障路径,在转向控制驾驶员模型基础上建立了速度控制驾驶员模型,当侧翻评价指标超过安全阈值时利用制动踏板降低车速,当纵向车速小于期望安全车速时利用加速踏板提高车速.仿真分析表明建立的高速避障路径跟踪与控制策略能高效完成避障路径跟踪,同时能有效降低紧急避障时的侧翻风险.     

基于深度强化学习的移动机器人轨迹跟踪和动态避障

针对移动机器人在局部可观测的非线性动态环境下,实现轨迹跟踪和动态避障时容易出错和不稳定的问题,提出了基于深度强化学习的视觉感知与决策方法.该方法以一种通用的形式将卷积神经网络的感知能力与强化学习的决策能力结合在一起,通过端对端的学习方式实现从环境的视觉感知输入到动作的直接输出控制,将系统环境感知与决策控制直接形成闭环,其中最优决策策略是通过最大化机器人与动力学环境交互的累计奖回报中学习获得.仿真实验结果证明,该方法可以满足多任务智能感知与决策要求,较好地解决了传统算法存在的容易陷入局部最优、在相近的障碍物群中震荡且不能识别路径、在狭窄通道中摆动以及障碍物附近目标不可达等问题,并且大大提高了机器人轨迹跟踪和动态避障的实时性和适应性.     

基于障碍物影响系数的机器人路径规划方法

针对机器人在未知环境中需要进行路径规划,提出了障碍物影响系数的概念,设计了一个结合全局环境信息和机器人局部探测信息的综合评价函数来确定机器人的下一步运动位置,从而使机器人可以无碰撞和较快地到达目标点.障碍物影响系数的添加改善并拓展了全局规划的适用性,使机器人可以在未知环境中进行路径规划,并通过几个仿真实验验证了该规划方法的可行性.     

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.     

基于融合和人工势场的自主移动机器人路径规划研究

研究了动态不确定环境下自主移动机器人路径规划和运动控制问题.在时域上,建立了超声传感器数据预测模型,利用递推最小二乘法在线更新预测模型参数,通过将该预测模型的预测值与当前传感器实测值融合,提高了了超声数据的可靠性;考虑到空间分布的连续性,将相邻近的超声传感器信息融合进来,进一步提高了数据的实用性.由于人工势场法简单易实现的特点,被广泛应用在机器人自主避障中.借鉴预测控制原理,使用上述融合处理的超声数据,在每个滚动周期内运用改进的人工势场法解决了机器人避障问题.最后,在中国科学院自动化研究所自主开发的移动机器人CASIA1上对算法进行了实验,实验结果验证了算法的可靠性.     

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DGSOM_A*的移动机器人地图创建和路径规划

针对移动机器人未知环境路径规划问题,基于动态自组织特征映射网络提出了一种自组织网络动态生成A*的算法(dynamic growing self-organizing map with A*,DGSOM_A*),并将其应用于移动机器人地图创建和路径规划.该方法利用Mobotsim二维仿真软件构造了环境模型,机器人通过无碰自由巡航获取环境信息,然后把上一步得到的环境信息作为DGSOM_A*算法样本通过SOM神经元自主生长进行地图创建,生成以少数SOM图神经元分布描述环境特征信息的拓扑地图,最后完成起始点到目标点的导航任务.实验结果表明,相比传统的SOM算法,基于DGSOM_A*算法机器人能有效地通过对环境地图的绘制熟悉复杂环境并能实现最优路径选取.