基于模型估计的关节式月球车参数化轨迹规划*

为了在轨迹规划阶段提高月球车在三维地形中的轨迹规划精度,以被动关节式地形自适应月球车为研究对象,融合关节机器人D-H坐标建模方法构建月球车悬架运动学模型,结合数值求解方法,推导了任意崎岖三维地形中月球车姿态估计模型.在模型估计基础上利用参数化控制原理,建立了满足约束条件下被动关节式月球车在任意地形中的基于模型估计的一般性参数化轨迹生成模型.针对轮式月球车的非完整性特点,结合数值求解方法,推导了非线性模型的求解方法.最后利用仿真方法,以八轮摇杆摇臂关节式月球车为例,验证了崎岖地形中基于模型估计的轨迹生成方法的正确性,且可提高关节式月球车在崎岖地形中的规划精度.     

基于障碍物运动预测的移动机器人路径规划

针对移动机器人局部动态避障路径规划问题开展优化研究。基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法。在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性。搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性。     

基于惯性测量单元的轮式机器人轨迹跟踪仿真

针对轮式机器人轨迹跟踪质量下降问题,提出基于惯性测量单元(IMU)的轮式移动机器人轨迹跟踪控制方法.通过两个惯性测量单元(IMU)来建立轮式机器人的速度、角速度计算模型,针对轮式移动机器人执行中的差动命令对轮式机器人实施闭环控制;设计轮式机器人工作轨迹参考量,结合动力学模型提出轮式机器人轨迹跟踪控制器,使轮式机器人可以在指定的轨迹上进行跟踪.实验结果表明,提出的方法能够使轮式移动机器人的轨迹跟踪误差更小,跟踪结果更精准.     

广义Voronoi图求解多机器人运动规划

在拥挤环境中,由于障碍物的边界形状比较复杂,需要使用广义Voronoi图表示空间环境。且在多移动机器人的运动规划过程中,需要协调多个机器人的运动,必须得到Voronoi图通道的宽度。为此提出了一种计算拥挤障碍物环境中生成的广义Voronoi图及其通道宽度的算法。并在生成的Voronoi图上利用A*算法对多个机器人进行路径规划,并利用分布式方法协调多个机器人运动。对协调两个机器人运动的过程进行了仿真,仿真结果表明利用提出的算法生成的具有通道宽度信息的Voronoi图能够满足多移动机器人运动规划的需要。     

人机协作下的机械臂轨迹生成与修正方法

针对日常生活中多障碍物环境下的服务机器人机械臂轨迹规划问题,提出了一种人机协作下的轨迹生成与修正方法.首先,基于动态动作基元(DMP)模型,设计了一个能生成与示教轨迹形状相似的路径的方法.该方法针对多自由度耦合产生的轨迹形状畸变问题,通过将3维目标点投影于示教轨迹平面,再利用罗德里格旋转公式生成3维路径,保证了生成轨迹在各个方向都具有较稳定的形状特征.其次,针对存在多种形状障碍物的复杂操作环境,提出了通过插入交互点对轨迹形状进行修正的方法.并采用双抛物线插值算法使修正后的轨迹平滑.最后,基于人机协作的思想,在ROS(robot operating system)环境下搭建一个交互界面.从而操作者能够直观地辅助机械臂完成无障碍物和有障碍物的情况下的末端轨迹生成和修正.实验结果验证了该方法的直观性和灵活性,该方法适用于具有多种障碍物的复杂日常环境.     

煤矿井下移动机器人运动规划方法研究

针对现有煤矿井下移动机器人运动规划所生成的轨迹存在超调、碰撞、不连续、不光滑等问题,提出了一种由路径规划、轨迹生成、轨迹优化3个部分构成的煤矿井下移动机器人运动规划方法。路径规划采用基于图搜索的A*算法实现,通过开始搜索、路径排序、继续搜索3个步骤循环迭代,快速规划出一条可通行的全局路径作为轨迹生成的初值。轨迹生成通过构建基于Minimum Snap的目标函数,并施加等式约束来实现。轨迹优化则是在轨迹生成的基础上施加不等式约束来实现:通过调整时间分配和构建基于Corridor轨迹规划的不等式约束,解决基于Minimum Snap轨迹生成在求解过程中出现的超调现象,并对整段轨迹本身进行约束,避免发生碰撞;通过引入调和函数Bezier Curve,构建基于Bezier Curve的Minimum Snap的轨迹优化问题,使得轨迹高阶目标函数的求解变得简单高效,最终生成一条适用于煤矿井下移动机器人的能量损失最小、连续、光滑、无碰撞、可执行的运动轨迹。在Matlab仿真环境中设计了随机地图,生成了包含时间分配、位置规划、速度规划、加速度规划的最优轨迹规划结果。实验结果验证了该运动规划方法的正确性和有效性。     

构形可变移动机器人的构形评价、优选及变换规划

为提升移动机器人对环境的适应能力,提出了一种适用于车体构形、轮距和轮向可变的轮式移动机器人的构形评价、优选和变换规划方法。该方法以转弯所需半径、通过宽度和稳定角为指标评价不同构形下机器人的移动性和稳定性,然后构建权系数多目标模型从构形集合中优选与环境特征匹配的构形,再将任意两构形之间的变换规划转化为网络路径搜索问题来求解耗能最少的变换路径。最后,通过实验验证了所提评价指标、构形优选以及变换路径规划方法的合理性和有效性。研究结果可为此类构形可变轮式移动机器人的设计分析和运动规划提供指导或参考。     

自动泊车轨迹生成方法的研究

轮式移动机器人是机器人学的重要分支,广泛地应用于消防,军事等领域.轮式移动机器人属于非完整约束系统,也是典型的强非线性系统,一般的控制理论很难能够适用.根据重复变换法对轮式移动机器人自动泊车轨迹的生成作了尝试,通过移动机器人的两驱动轮的9种可能的微小移动组合,利用顺运动学计算出与其对应机器人的位置和姿态,选取最优解,实现了机器人在障碍及非障碍环境下的自动泊车,对移动机器人优化路径,提高姿态性能,通过仿真证明了算法的可行性,生成的泊车轨迹同人操纵下泊车的轨迹非常相似.     

基于ADAMS的四轮驱动移动机器人越障预测

针对移动机器人越障问题,构建预测模型。对四轮驱动移动机器人在三类不同障碍物条件下的越障情况进行了分析。运用虚拟样机动力学仿真软件ADAMS构建四轮驱动移动机器人参数化模型,并构建矩形障碍、广义障碍和斜坡障碍的参数化模型,从而组成参数化预测平台。通过该平台可以在三维计算机仿真环境下观察并预测移动机器人在矩形障碍、广义障碍和斜坡障碍等不同障碍条件下的越障能力,结合绘制的速度、加速度及驱动转矩等曲线可以分析越障过程中可能出现的问题。     

带拖车轮式移动机器人包络路径的分析与量化

带拖车的轮式移动机器人系统由一节牵引车拖挂若干节拖车构成， 其运动轨 迹具有单车体机器人无法比拟的复杂性．本文针对带拖车的轮式移动机器人运动所生成的包 络路径进行了分析，并结合系统的运动轨迹和障碍物的分布情况提出了计算包络路径宽度的 方法，通过仿真实验验证了量化包络路径宽度的实际意义．     

A Novel Approach for Mobile Robot Navigation with Dynamic Obstacles Avoidance

This paper proposes a new approach for trajectory optimization of a mobile robot in a general dynamic environment. The new method combines the static and dynamic modes of trajectory planning to provide an algorithm that gives fast and optimal solutions for static environments, and generates a new path when an unexpected situation occurs. The particularity of the method is in the representation of the static environment in a judicious way facilitating the path planning and reducing the processing time. Moreover, when an unexpected obstacle blocks the robot trajectory, the method uses the robot sensors to detect the obstacle, finds a best way to circumvent it and then resumes its path toward the desired destination. Experimental results showed the effectiveness of the proposed approach.     

Efficient time-optimal two-corner trajectory planning algorithm for differential-driven wheeled mobile robots with bounded motor control inputs

We propose an efficient time-optimal trajectory planning algorithm for differential-driven wheeled mobile robots with bounded motor control inputs in the environment with cranked road where two corners with arbitrary angles exist. Based on dynamics for differential-driven wheeled mobile robots including actuating motors as well as on the bang–bang principle for time-optimality, we plan the time-optimal free path trajectory which unifies path planning and trajectory generation. Thus it improves total time significantly while handling obstacle avoidance. We divide our trajectory into three sections and then divide each section into an appropriate number of subsections to make five subsections in total. We introduce the concept of transition angle to solve the problem with formulating search loops efficiently. Numerical results are provided to validate the effectiveness of the proposed algorithm.     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。     

A multisine approach for trajectory optimization based on information gain

This paper presents a multisine approach for trajectory optimization based on information gain, with distance and orientation sensing to known beacons. It addresses the problem of active sensing, i.e. the selection of a robot motion or sequence of motions, which make the robot arrive in its desired goal configuration (position and orientation) with maximum accuracy, given the available sensor information. The optimal trajectory is parameterized as a linear combination of sinusoidal functions. An appropriate optimality criterion is selected which takes into account various requirements (such as maximum accuracy and minimum time). Several constraints can be formulated, e.g. with respect to collision avoidance. The optimal trajectory is then determined by numerical optimization techniques. The approach is applicable to both nonholonomic and holonomic robots. Its effectiveness is illustrated here for a nonholonomic wheeled mobile robot (WMR) in an environment with and without obstacles.     

基于多目标蝗虫优化算法的移动机器人路径规划

在静态多障碍物环境下的移动机器人路径规划问题中，粒子群算法存在容易产生早熟收敛和局部寻优能力较差等缺点，导致机器人路径规划精度低。为此，提出一种多目标蝗虫优化算法（MOGOA）来解决这一问题。根据移动机器人路径规划要求将路径长度、平滑度和安全性作为路径优化的目标，建立相应的多目标优化问题的数学模型。在种群的搜索过程中，引入曲线自适应策略以提高算法收敛速度，并使用Pareto最优准则来解决三个目标之间的共存问题。实验结果表明：所提出的算法在解决上述问题中寻找到的路径更短，表现出更好的收敛性。该算法与多目标粒子群（MOPSO）算法相比路径长度减少了约2.01%，搜索到最小路径的迭代次数减少了约19.34%。     

基于速度空间的移动机器人同时避障和轨迹跟踪方法

针对有障碍物环境下非完整轮式 移动机器人的轨迹跟踪问题,提出一种基于速度空间的同时避障和轨迹跟踪方法(VSTTM).首先,根据机器人 的动力学特性构建速度空间,得到由速度元组构成的控制集;然后,构造目标函数并对各控制量进行 评价,其中跟踪误差评价函数评估跟踪效果,碰撞检测函数检测是否发生碰撞,终端状态惩罚项保证 算法的稳定性;最后,通过优化过程找到最优的无碰控制量.仿真结果表明了所提出方法的有效性.     

融合改进A*与DWA算法的移动机器人路径规划

针对移动机器人在复杂环境下实现全局路径最优、未知环境下动态实时避障这一路径规划需求,对传统A*（A-star）算法进行改进,并融合动态窗口法（DWA）实现动态实时避障。首先分析栅格环境下的障碍物占比,将障碍物占比引入传统A*算法,优化启发函数h(n),从而改进评价函数f(n),提高其在不同环境下的搜索效率;其次针对复杂栅格环境下传统A*算法优化后的轨迹与障碍物顶点相交问题,优化子节点选择方式,同时删除路径中的冗余节点,提高路径的平滑度;最后融合动态窗口法,实现复杂环境下移动机器人的动态实时避障。通过MATLAB下的对比仿真实验表明,改进算法在轨迹长度、轨迹平滑度以及历经时间上得到优化,满足全局最优且能实现动态实时避障,具有更优秀的路径规划效果。     

Trajectory time scaling of a mobile robot to avoid dynamic obstacles on the basis of the INLVO

To ensure the collision safety of mobile robots, the velocity of dynamic obstacles should be considered while planning the robot’s trajectory for high-speed navigation tasks. A planning scheme that computes the collision avoidance trajectory by assuming static obstacles may result in obstacle collisions owing to the relative velocities of dynamic obstacles. This article proposes a trajectory time-scaling scheme that considers the velocities of dynamic obstacles. The proposed inverse nonlinear velocity obstacle (INLVO) is used to compute the nonlinear velocity obstacle based on the known trajectory of the mobile robot. The INLVO can be used to obtain the boundary conditions required to avoid a dynamic obstacle. The simulation results showed that the proposed scheme can deal with typical collision states within a short period of time. The proposed scheme is advantageous because it can be applied to conventional trajectory planning schemes without high computational costs. In addition, the proposed scheme for avoiding dynamic obstacles can be used without an accurate prediction of the obstacle trajectories owing to the fast generation of the time-scaling trajectory.     

基于BP神经网络的移动机器人避障设计及仿真

为了解决移动机器人在复杂环境中如何高效精确地躲避障碍物的问题,提出了一种基于BP神经网络的避障方法。建立了机器人的避障运动模型并设计了神经网络避障控制系统;分析了机器人在运动过程中与障碍物的位置关系,使用超声波传感器采集距离信息,进行BP神经网络输入、输出训练并采用Matlab工具进行仿真试验。结果表明,该方法可以高效精确地实现移动机器人的自主避障,运行相对稳定、轨迹连续平滑,达到了较为理想的避障效果。验证了方法的可行性和有效性,为移动机器人自主避障提供了一种新的控制方法。