基于模糊神经网络在智能轮椅避障中的应用

针对机器人在未知环境中的避障问题,提出了一种多传感器信息融合的避障方法.利用多传感器(声纳、摄像头)来采集外部环境信息,使得智能轮椅在移动过程中可以得到更充分的外部环境信息;使用基于Takagi-Sugeno (T-S)模型的模糊神经网络来对环境信息进行融合;通过融合的结果来控制轮椅的避障行为.通过模拟实验验证和分析,表明了该方法在解决轮椅避障问题方面有很好的效果,同时优化了轮椅避障的路径,提高了智能轮椅使用的安全性和方便性.     

智能轮椅避障测距控制系统

介绍了一种智能轮椅避障测距系统,给出了多路测距系统的结构和超声波传感器的分布,设计了避障测距与控制程序,并进行了自主避障与相关实验.实验结果表明:系统测量误差小,可以应用于智能轮椅避障系统中.     

基于模糊贝叶斯网络算法的智能轮椅避障

对传统BP神经网络模糊逻辑的智能轮椅避障方法在训练过程中存在的过拟合和避障路径不够优化的问题,提出了一种模糊贝叶斯网络避障算法以降低神经网络的复杂度;该算法利用模糊神经网络对隶属度函数的参数进行自主学习调整,同时为增强神经网络的泛化能力和计算能力,在网络目标函数中加入权衰减项,利用贝叶斯原理优化神经网络的结构和权值;仿真和实机实验表明,该算法在训练结果和避障效果上均优于传统BP神经网络,提高了智能轮椅避障的实时性,优化了避障路径,可满足用户对智能轮椅安全性和舒适性的需求。      

智能轮椅室内避障导航及仿真实现

关于智能轮椅路径识别问题,如何采集外界障碍物信息,以及迅速的做出判断是智能轮椅进行室内避障导航的关键.针对轮椅受路面粗超度,轮胎变形,和结构变彤等的影响,整个系统表现为高度的非线性和不确定性.为解决上述问题,提出在智能轮椅中安装超声、红外传感器,利用模糊逻辑算法处理障碍物信息进行室内避障导航.在 Simulink 中建立轮椅运动学模型和创建模糊控制理论的模糊控制器,进行智能轮椅避障导航仿真.仿真结果表明,智能轮椅能有效完成室内避障,到达目的地,获得良好的避障导航效果.将该方案应用到智能轮椅上,将提高轮椅的智能水平,扩大其应用空间.     

残疾人轮椅智能避障功能创新研究

为研究电动轮椅的智能避障功能,该研究特点在于将HC-SR04超声波传感器和ZY101红外避障传感器相结合使轮椅对环境的感知更加准确,通过多传感器融合技术和模糊控制技术的研究进一步提高避障功能计算的精确度,使电动轮椅在实际行驶中可以自主地完成路线规划并躲避障碍物,更安全便捷地抵达目的地.     

基于模糊神经网络的智能轮椅导航系统

智能轮椅将移动机器人的技术应用于电动轮椅，帮助老年和残障人士提高行动自由度。本文针对轮椅的运动特性，提出一种简单、高效的分区算法对轮椅传感器所获得的数据进行初步融合，并将障碍物距离信息模糊化，采用BP神经网络对障碍物环境进行分类。利用L-M优化算法进行模式识别。轮椅运动的动态仿真结果表明，该算法具有较好的实时性和可靠性，同时也适用于其它移动机器人的导航系统。     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

模糊神经网络信息融合方法在机器人避障中的应用

基于Takagi—Sugeno(T—S)模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点，又具有很好的学习能力。将基于T—S模型的模糊神经网络的信息融合算法应用在移动机器人的避障运动中，采用了多个超声测距传感器探测障碍物的距离和方向，经过模糊神经网络信息融合后，实现了机器人对障碍物和环境类型的识别以及无冲突的运动。实验表明：此方法能够使机器人安全避障。     

基于T-S模糊神经网络的智能轮椅避障控制策略

针对传统智能轮椅避障策略的路径规划效率差、功耗高等缺点,提出一种基于模糊神经网络的环境深度分区控制策略;利用红外、超声波和激光传感器的测量信息将待识别环境分为3个不同的深度区间,同时,利用T-S模糊神经网路算法融合异质传感器的测量信息,然后设计模糊控制规则,实现智能轮椅避障动作;最后建立智能轮椅的运动学模型和测量模型,并进行Simulink仿真测试;经仿真可知,该方法控制可靠,可快速无碰撞地通过障碍区,并能减少功耗,提高续航能力。     

多功能智能轮椅

本项目主体为一款搭载了机械手的腿残(瘫)人专用多功能智能轮椅。它通过驱动装置、超声波传感器、光电传感器、无线通信模块等借助arduino开源平台控制相关电机和舵机,以遥控和自动两种模式实现"床椅转换"、"行走"、"机械手控制"以及自动"识别交通指示灯"、自动"驱障和清障"、自动"报警"等功能。除此外,本项创意设计内容还包括附带的以Arduino UNO模块为核心处理器的遥控器和智能交通灯。笔者在此进行了详细分析,以便于提供可参考性的依据。     

移动机器人的超声模糊避障算法

超声传感器是移动机器人避障常用的传感器．但存在幻影的干扰。该文提出多个超声传感器的模糊避障算法．该算法把多个超声传感器分为左右两组．如果障碍物在右侧．机器人就向左转，反之机器人向右转。实验表明．该文提出的算法可以实现机器人的安全避障。     

基于模糊控制的盲人避障系统设计

文章基于多个超声波传感器对地面信息的采集,利用模糊控制算法将采集的信息转化为指引盲人避障的语音提示。该系统采用超低功耗的MSP430单片机作为主控单元,外围设计了五路超声波传感器采集全方位的路面信息。通过分析路面信息,从而给出盲人前进方向以及前进的速度语音提示,实现盲人避障的功能。     

基于模糊控制的嵌入式智能轮椅控制研究

设计了一种新的智能轮椅,该轮椅的控制器应用了嵌入式技术和模糊控制技术,运用了先进的传感设备,使之能够感知环境信息,具有实时避障功能.时智能轮椅的避障过程进行了仿真,得到比较好的控制效果,并证明用模糊控制策略实现实时避障功能的可行性.     

智能移动机器人的超声避障研究

智能移动机器人是机器人研究领域的重要方向,是当前机器人领域中最活跃的研究主题之一.在分析了智能移动机器人避障常用传感器的基础上,提出了基于多超声传感器的移动机器人的超声避障系统.介绍了超声避障系统的模糊控制规则和非模糊化,并给出了实验结果.实验结果表明,模糊控制机理和策略易于接受和理解,便于应用开发,模糊避障算法对环境有很大的适应性,机器人在不同的环境条件下实现了避障.     

基于模糊控制的超声波避障方法的研究

依据移动机器人上超声波传感器的布置和分组情况,将反映移动机器人当前感知环境的期望类别进行了概括。在此基础上分析了移动机器人的模糊避障原理,并建立了一种基于人的驾驶经验的模糊逻辑控制的路障躲避方法。通过对人的驾驶经验的分析,针对移动机器人建立了路障躲避的模糊规则,并给出了输入与输出变量的隶属度函数。在Simulink中模拟机器人行驶的环境,建立相应的模型对系统进行仿真,结果表明移动机器人能实现自主行驶。     

基于超声波传感器的脑控轮椅避障系统的研究

针对脑控轮椅行驶时因用户脑电信号的不稳定性可能引起碰撞事故发生的现象,提出了一种避障方法,并设计了多路超声波传感器避障系统及避障提示反馈界面;反馈界面上实时显示的提示信息将辅助用户做出有效的避障决策;当用户采用脑电自主控制轮椅运行时,若无法成功避障,则该避障系统立即启动紧急停车功能以避免与障碍物发生碰撞,保证了脑控轮椅用户的人身安全;实验结果表明:当把安全区域临界值、前后及左右紧急停车距离临界值分别设置为500mm、400mm和200mm时,该超声波传感器避障系统稳定性好、实时性强,能够满足脑控轮椅的用户安全导航的需要.     

基于分层模糊控制的自主车辆避障仿真

针对自主车辆在避障中所使用单层模糊逻辑控制器输入、输出变量多而导致模糊规则难以详细划分的问题,提出了将车辆避障过程划分为车辆绕开障碍物过程和车辆趋向目标过程的新方法。建立了Matlab仿真环境下精确的车辆运动学模型,并根据人类驾驶经验制定了详细的模糊控制规则,以达到理想的避障效果。仿真结果表明,该算法计算量小、运算速度快、精度高,可以满足车辆避障时的系统要求,也具有一定的工程实用价值,为下一步精确控制奠定了基础。     

超声传感器补偿算法在机器人避障中的应用

分析了井下钻孔机器人避障中超声波传感器的局限性,并提出解决的方案。着重指出对超声波进行温度、湿度补偿,尝试用Elman反馈神经网络逼近函数。Elman网络隐含层采用"Tansig"激活函数,输出层用"Pureline"激活函数,保证了只要有足够多的隐含层神经元个数,网络就可以任意精度逼近任意函数。经实验验证:对超声测距进行温度、湿度补偿后,其测量精度提高了2个数量级。大大改善系统中避障模块的工作效率,提高了钻孔机器人躲避障碍物的能力。     

红外传感器在教育机器人避障电路设计中的应用

红外传感器在家用电器遥控和机器人避障方面有着广泛的应用,笔者根据红外传感器的这一特性设计出一款教育机器人避障电路,介绍了红外传感器在机器人避障电路中的应用,给出红外传感器与单片机系统的硬件接口电路和避障软件的编程思路,并通过测试,得出了影响红外传感器避障的相关因素,并提出了改进的方法和措施.     

基于多传感器信息融合的智能小车避障

针对智能小车在不确定坏境下自主避障的情况,采用超声波传感器和红外传感器相结合来感知外界环境信息。将传感器采集到的各种数据利用T-S模糊神经网络进行融合．通过实验仿真表明：此方法能够使智能小车对障碍物灵活避障．