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CASIA-1上对算法进行了实验，实验结果验证了算法的可靠性。     

基于人工免疫势场法的移动机器人路径规划

针对人工势场法和基本遗传算法在解决移动机器人的路径规划问题时。容易产生目标不可达和局部极小值的问题,提出了1种基于人工免疫势场法的移动机器人路径规划算法(MRPP-AIPF).该算法将初始抗体群动态分配为记忆保留单元和临时抗体单元,通过交叉、变异和遗忘等算子进行进化操作,使较优抗体较早生成,提高了算法的收敛能力和保持抗体群的多样性.仿真实验表明,MRPP-AIPF算法属有效路径规划算法.     

基于人工势场与细胞自动机的移动机器人路径规划算法

提出了一种基于细胞自动机（Cellular Automata,CA）和人工势场的全向移动机器人路径规划算法,并通过一个4层的细胞自动机模型实现了该算法。通过构造扩张的障碍占位网格地图可在规划算法中将机器人简化为一个点,然后通过建立数值化的障碍人工势场图来考虑障碍物的局部影响,并使用CA模型得到距离传播图,最后通过搜索势场超曲面的最小值获得从起始点到目标点的最优无碰撞路径。仿真结果表明,提出的算法可以获得最优无碰撞路径,最优路径足够光滑且与障碍有较大的安全距离,便于全向移动机器人跟踪。     

模糊空间中基于人工势场的移动机器人运动规划

为了研究移动机器人的运动规划方案,提出使用指数形式的人工势场函数描述环境中的目标和障碍物。针对人工势场方案可能出现的局部极小问题提出了逃逸方法。随后提出一种模糊隶属度函数用来表示动态变化的障碍物模型,建立模糊表示的环境空间模型,并在这种模糊空间的基础上构建模糊人工势场函数,提出了一种适合于动态环境的实时优化路径规划算法,有利于解决未知、动态变化的不确定环境中的机器人路径规划问题。仿真结果表明,本文中提出的建模和规划方法是可行的。     

改进人工势场法的移动机器人路径规划

针对传统人工势场法应用于移动机器人路径规划存在的缺陷,建立了改进的人工势场模型:使用势场强度代替力矢量进行路径规划;在障碍物的斥力势场中添加系数项,解决障碍物与目标点过近导致的目标不可达问题;考虑移动障碍物速度与机器人速度的影响,将速度信息引入到势场函数中;引入"填平势场"引导机器人走出局部极小点.在改进人工势场模型基...     

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.     

人工势场和虚拟领航者结合的多智能体编队

针对多智能体编队控制中的无碰撞、稳定队形保持和智能调整等问题,提出一种将人工势场和虚拟领航者相结合的多智能体编队控制方法。首先,利用人工势场定义智能体之间的相互作用力和期望距离;其次,由虚拟领航者固定智能体之间的方位角,并通过增加虚拟领航者的数量和分布位置在人工势场中控制群组的队形和指挥群组的运动;最后,利用系统的动能和人工势能构造的李亚普诺夫函数证明了多智能体编队系统的稳定性。仿真实验结果验证了本文提出算法的有效性,可实现无碰撞、稳定地保持和调整智能体系统的编队队形。     

一种改进人工势场法的多机器人局部避碰规划方法

本文针对多移动机器人局部路径规划问题,提出一种基于改进的人工势场算法的策略。当多个机器人在安全的距离范围内相遇时,通过利用机器人之间产生的优先级退避策略走出对方视野,从而避免彼此碰撞、死锁。仿真结果表明此方法是有效的。     

新型势场法的移动机器人避障研究

针对传统人工势场法的障碍物附近目标不可达问题和其他一些的固有缺陷,提出了一种新型势场算法。该算法引入了新的势场函数和沿墙跟踪算法,成功地解决了在移动机器人避障过程中的障碍物附近目标不可达问题和陷阱区域等问题。仿真结果证明了此方法的有效性。     

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。     

Kinematics/Fuzzy Logic Combined Controller for Formation Control of Mobile Robots

A kinematics and fuzzy logic combined formation controller was proposed for leader-follower based formation control using backstepping method in order to accommodate the dynamics of the robot. The kinematics controller generates desired linear and angular velocities for follower robots, which make the configuration of follower robots coverage to the desired. The fuzzy logic controller takes dynamics of the leader and followers into consideration, which is built upon Mamdani fuzzy model. The force and torque acting on robots are described as linguistic variables and also 25 if-then rules are designed. In addition, the fuzzy logic controller adopts the Centroid of Area method as defuzzification strategy and makes robots＇ actual velocities converge to the expected which is generated by the kinematics controller. The innovation of the kinematics and fuzzy logic combined formation controller presented in the paper is that the perfect velocity tracking assumption is removed and real- time performance of the system is improved. Compared with traditional torque-computed controller, the velocity error convergence time in case of the proposed method is shorter than traditional torque-computed controller. The simulation results validate that the proposed controller can drive robot members to form the desired formation and formation tracking errors which can coverage to a neighborhood of the origin. Additionally, the simulations also show that the proposed method has better velocity convergence performance than traditional torque-computed method.     

基于Kinect视觉功能的机器人控制方法

介绍了一种基于Kinect装置的机器人控制方法,该方法涉及机器人控制领域,并且具体应用于两轮自平衡机器人运动控制和人机交互系统。该方法针对两轮自平衡机器人的运动控制系统利用Kinect与DTW手势识别算法对其进行控制。实验结果表明：该方法能够实现人与两轮自平衡机器人的自然交互控制,并且具有良好的实时性和鲁棒性。     

移动机器人神经网络自适应控制

针对一类非完整移动机器人的轨迹跟踪控制问题,同时考虑移动机器人的运动学和动力学模型,设计运动学控制器和动力学控制器结合的神经网络控制系统.其中动态模型中的不确定性是由神经元控制器进行补偿,由此可保证闭环误差系统最终趋近稳定.采用基于李亚普诺夫(Lyapunov)稳定性理论的判稳方法,证明整个闭环控制系统的稳定性.仿真结果表明,该控制方案具有较强的鲁棒性.     

基于新的状态划分的多机器人围捕策略

提出了一种机器人队形矩阵的标识方法,设计了维数更少的状态空间.通过分析不同队形对围捕的利弊,设计了状态评价及强化函数,减少了由于感知区域划分不精细等因素对学习结果合理性的影响.通过仿真实验,验证了方法的可行性,并对存在问题进行了分析.     

基于终端滑模的移动机器人轨迹跟踪控制

分析了具有不确定性非完整约束移动机器人系统的轨迹跟踪问题。在运动学模型分析的基础上,利用非奇异终端滑模技术,提出了一种新的轨迹跟踪控制算法,该算法消除了传统滑模控制带来的奇异问题。基于后退方法的思想设计系统状态变量,将系统分解为低阶子系统处理,简化了控制律的设计。结合Lyapunov方法,证明了在该控制律作用下,对满足一定速度条件的期望轨迹,移动机器人完全能够实现轨迹跟踪。仿真实验结果表明了该方法的有效性。     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

基于Skinner-Ransac的移动机器人单目视觉SLAM

针对移动机器人单目视觉同时定位与地图创建(simultaneous location and mapping,SLAM)数据关联问题,提出一种Ransac抽样算法.该算法(Skinner-Ransac)基于Skinner操作条件反射原理,结合扩展卡尔曼滤波(extended Kalman filter,EKF)运动模型获得的先验信息,对图像匹配点抽样集合中的每个匹配点对赋予权值,并根据判断函数对其权值进行更新.最后,针对数据关联的效率要求提出新的迭代终止条件,以公开图像数据集作为图像采集样本.实验结果表明:Skinner-Ransac算法高效可靠,SLAM的位姿估计结果可以达到移动机器人自主导航的需求.     

基于主动探测的移动机器人声源目标距离测定方法

针对移动机器人声源定位技术的研究大都只实现了对声源的定向,而无法获得准确的声源距离信息的问题,提出了通过移动机器人主动运动实现声源目标距离测定的方法,以及一种基于粒子群优化算法的最优探测点计算方法.通过仿真验证了该方法的可行性和有效性,并且在室内环境下进行测试.试验结果表明:移动机器人可以通过主动运动到达最优探测点,并且实现对声源目标距离的测定.     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.