基于模糊PID的轮式移动机器人轨迹控制

本文针对实际的轮式自主移动机器人轨迹控制和定位问题提出了一种解决方法。利用模糊PID复合控制器实现移动机器人的轨迹控制，利用陀螺、磁盘罗、里程计进行多传感器融合定位。在计算机仿真和实际的轮式移动机器人的轨迹控制、定位实验中，与使用PID控制器的方法进行了比较，结果表明了多传感器融合、 模糊PID在解决轨迹控制和定位问题上的优越性。     

基于变增益模糊PID控制的移动机器人轨迹跟踪

该文对轮式移动机器人提出了一种基于变增益的模糊PID轨迹跟踪控制方法。首先将常规PID分为PI和PD的组合,再把PID的输出转化为误差和误差变化率之和,然后设计增益随误差变化的自适应调节律,使得移动机器人跟踪期望的运动轨迹。最后通过实验验证了所提方法的有效性。     

基于神经网络移动机器人PID控制

针对移动机器人电机模型实质的非线性，为满足其精确的运动要求和技术性能，采用动态反传算法训练BP网络以辨识直流电动机的逆模型。将这一训练后的网络输出作为神经PID控制器输入不断调整其P，I，D参数，进而调整控制器输出电压以控制系统跟踪位置或速度指令。该算法简单、计算量小、适于实时控制。实验结果表明了该方法的有效性。     

基于模糊自适应卡尔曼滤波的移动机器人定位方法*

针对移动机器人定位过程中噪声统计特性不确定的问题,提出一种模糊自适应扩展卡尔曼滤波定位方法。利用模糊理论和协方差匹配技术对扩展卡尔曼滤波算法中的观测噪声协方差R进行自适应调整,实现定位算法性能的在线改进;同时采用传感器故障诊断与修复算法来监测传感器的工作状态,提高定位算法的鲁棒性。将该方法用于观测噪声统计特性未知情况下的移动机器人定位。实验结果表明,该方法可以有效地降低观测噪声先验信息不确定的影响,提高机器人定位的精度。     

移动机器人的在线实时定位研究

对推算定位法进行了研究,提出了一种改进方案.通过对移动机器人运动轨迹与状态的分析,导出了一类移动机器人的基于轨迹的运动学新模型.利用移动机器人三个轮子的里程信息和导向轮的转角信息,通过信息模糊融合获得转弯半径和转角,再利用运动学模型获得机器人的位置和方向.将这种改进的推算定位法与主动灯塔法相结合,提出了一种用于室内移动机器人的定位方法.仿真结果表明,该方法具有实时性好、精度高、成本低、鲁棒性好等特点,并适用于不平整地面.     

自主移动机器人巡线控制研究

针对自主移动机器人传统巡线控制中存在的不足,在使用灰度传感器采集地面轨迹信息的同时,引入角度传感器对行进方向的角度信息进行采集,由此克服了传统巡线控制中单一传感器采集信息不全的缺点;设计了PID控制加模糊控制的复合控制器,并给出复合控制器算法.在此基础上建立实验系统,通过对其进行仿真,结果证明该控制策略不仅适于自主移动...     

移动机器人模糊控制与模糊自适应PID控制

研究机器人路径规划问题,在移动机器人上配置超声波传感器,对返回的距离值进行信息融合,并将环境分为有障和无障两种模式.针对无障模式下模糊控制的路径振荡问题,为了克服振荡和减小超调,提出了有障模式下的模糊控制和无障模式下的模糊白适应PID控制方案.利用MATLAB建立了GUI移动机器人仿真平台.仿真结果表明,在非结构化未知环境下,可使系统响应速度加快,解决了振荡和超调问题,更好地实现从起点到静态目标点的路径规划任务,可为设计提供可靠依据.     

室内移动机器人的视觉定位方法研究

针对地图未知的室内环境下的定位问题,提出了一种基于特征跟踪的视觉里程计方法．利用单目摄像头提取和跟踪环境特征点集,进而根据观测模型利用扩展卡尔曼滤波算法估算出机器人的位姿．办公室环境中的定位实验证明了方法的有效性．     

非平衡负载下轮式移动机器人的抗扰PID控制

在非平衡负载条件下,轮式移动机器人(WMR)的前进、转向速度耦合,影响着轨迹跟踪和避障等运动控制性能.为此,本文提出了一种基于抗扰PID(DR–PID)控制器的WMR速度调节主动抗扰(ADR)控制策略.首先,建立WMR的速度耦合模型,引入解耦矩阵减小静态耦合作用;然后,基于一类改进干扰观测器(DOB)控制方法,设计一种...     

UHF-RFID环境下的移动机器人定位方法

研究UHF-RFID环境中移动机器人的定位问题,提出一种基于自适应UKF滤波器组的移动机器人定位方法,融合UHF-RFID和机器人内部传感器信息,以实现初始位姿未知的移动机器人定位.首先,利用UHF-RFID系统对移动机器人进行初始定位,并根据其初始位置信息随机生成移动机器人的初始状态估计集;然后,考虑UHF-RFID系统定位的量化误差,应用自适应UKF方法对机器人的状态估计集进行预测和更新,并对状态估计集进行有效地裁剪、筛选以及更新,以提高滤波器的估计精度和稳定性.仿真结果表明,相比于标准UKF滤波方法,自适应UKF滤波器组方法具有更高的定位精度和更快的收敛速度.     

基于嵌入式移动机器人的模糊控制算法设计

以LPC2131的教育机器人为硬件基础,介绍了实时操作系统μCOS—Ⅱ的移植方法,并实现了模糊控制算法应用于机器人的速度控制。采用结构化的软件设计方法,此方法易于将其他复杂控制算法应用于机器人;同时,可使之成为一个运动控制软件设计的学习平台,如电机控制、系统中断、基于实时操作系统的运动控制等。     

基于模糊控制的移动机器人视觉反馈跟踪

探讨视觉空间下非完整移动机器人的跟踪问题。在不校准摄像机视觉参数的前提下,提出一种利用视觉反馈信息设计非完整移动机器人轨迹跟踪的模糊控制方法。其模糊控制使用Mamdani推理机,包含if-then规则和重心法,对线速度和角速度进行控制。仿真结果证明了该方法的有效性。     

基于模糊自适应控制的全向移动机器人的运动控制研究

由于四轮驱动全向移动机器人轮系分布的特点,四轮之间存在耦合关系,在运行过程中,机器人整体运动的稳定性及控制精度都不佳。针对此问题,本文设计一种基于模糊自适应控制器的误差修正方法,结合模糊控制和PD控制,在线对机器人体进行误差修正,并将整体误差按轮系结构分布合理分配到单个轮子上,从而将整体的误差修正转化为单个轮子的误差修正。通过在Matlab-Simulink环境下仿真实验表明,在使用模糊自适应控制器进行误差修正后,机器人对线速度及角速度的跟随性明显提高,改善了机器人运动控制的精度。     

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.     

基于模糊PID算法的送餐机器人系统的设计

针对传统送餐机器人在送餐循迹过程中修正时间长、路径偏差大,运行不够智能化,设计了一种送餐机器人,该机器人具有循迹、避障、餐桌定位、语音播报和点餐等一体化功能.系统利用了一种基于模糊PID控制的导航系统,由位置偏差和位置偏差变化率作为模糊控制器的输入,电机的PWM占空比为控制系统的输出,缩短了送餐过程中的修正时间,并提高了路径的准确度.通过实验验证,本方案是有效可行的,实现了餐厅点餐和送餐的智能化,具有较好的应用及推广价值.     

基于模糊PID算法吸附机器人转向控制

传统的吸附机器人在发生碰撞或者在不光滑的墙面移动时,机器人将会偏离原本设定的路线,从而降低工作效率。为了解决这一问题,本文分析了吸附式机器人系统数学模型,并提出基于模糊PID控制算法实现机器人转向控制,从而使得机器人回到原始路线,通过simulink仿真的结果可以得出,模糊PID算法相比于传统PID算法,转向系统的动态特性更好,系统的反应速度快,效率更高。     

Fuzzy PID Control of a Five DOF Robot Arm

This paper studies the application of fuzzy logic control on a five degrees of freedom (DOF) robot arm, the Maker 100 of U.S. Robots. The elaboration of the fuzzy control laws is based on two structures of coupled rules fuzzy PID controllers. The fuzzy PID controllers are numerically simulated and the simulation results confirm the success of the fuzzy PID control in trajectory tracking problems. Seeking a performance optimization, a systematic study of the choice of tuning parameters of the controllers is done. The success of the proposed fuzzy control law is again affirmed by a comparative evaluation with respect to the computed torque control method and the direct adaptive control method, the last two controls being also numerically implemented using the same dynamic model of the robot arm.