模糊神经网络数据融合在移动机器人导航中的应用

提出一种基于模糊神经网络的多传感器数据融合方法,并将其用于自主移动机器人的导航避障。采用BP神经网络作为基体,将模糊技术和神经网络有机结合组成模糊神经网络控制系统,实现了模糊规则自动提取及模糊隶属度函数的自动生成。实验表明该方法可实现机器人的安全避障。     

激光主动测距法在盘煤系统中的应用

针对大型露天煤场设计了一种激光主动测距盘煤系统。对煤堆不需要进行前期整形,就可以测量出煤场的存煤量。这个系统运用了激光扫描技术,通过主动三角测距法对煤堆体积进行自动测量。先对整个区间进行划分,然后对每个区间的几个点进行测量,拟合出煤堆表面轮廓形状,求出每个区间的体积,再累加即可得到整个煤堆的体积。给出了三角测距法的测量公式,并进行了精度分析。介绍了激光盘煤系统的组成,工作原理以及转台的设计,并进行了试验检验。通过试验证明,盘煤系统结构可靠、测量精度满足使用要求。     

非差分GPS在移动机器人位点导航中的应用

针对移动机器人定位及导航问题,提出了一种采用低成本非差分GPS获取移动机器人实时位姿信息的方法。介绍了世界大地坐标系转换为空间直角坐标系的具体算法,对GPS模块的单点定位精度进行了分析;实现GPS坐标转换之后通过电子罗盘获取机器人的方向信息,从而确定移动机器人在全局坐标下的初始位姿。针对移动机器人进行的仿真及实验表明该方法有效可行。     

基于两轮机器人运动模型的Kalman滤波视觉导航

在视觉算法对目标物识别的基础上,对两轮移动机器人运动模型进行分析,提出将其作为扩展卡尔曼滤波的系统状态方程,并应用到视觉导航系统中。仿真实验及实际测试表明,方法能较好地对两轮移动机器人的运动实现预测和估计,减轻环境干扰影响、降低处理计算量并提高系统实时性,满足了机器人在复杂环境下视觉导航的要求。     

一种基于磁钉和惯导系统的机器人导航控制算法

智能移动机器人能够通过传感器感知环境和自身状态。针对移动机器人变电站巡检的需求,提出了一种基于磁传感器、低精度惯导系统、编码器的机器人导航控制方法。为了校准惯导系统和编码器的积累误差,并标记机器人移动路径,在路径上每隔一段距离设置一个磁钉。在两个磁钉之间根据惯导系统提供的航向控制机器人直行。在磁钉位置,机器人根据磁钉信息校准惯导航向误差及机器人位置误差,并调整机器人航向。该算法所用传感器成本较低,算法简单易行,在工程上易于实现,提高了变电站巡检机器人导航的实时性和定位精度。     

并行决策融合模型与模糊融合方法研究

在监测设备运行状态和诊断设备故障时,目前采用的方法是在不同的部位安装若干个传感器拾取一定的信号进行分析.试验表明,诊断结果的准确性不仅与传感器安装的部位有关,而且与传感器的数量、类型以及诊断方法有关.这是因为诊断对象运行工况复杂、影响因素众多,某一故障可能对应若干征兆,而某一征兆也可能对应若干故障,它们之间存在着错综复杂的关系,加上故障和征兆信息的随机性、模糊性,构成了信息的不确定性.因此,故障的多样性、不确定性、相关性以及传播性构成了故障诊断技术上的难点,对于一个复杂的设备系统进行故障诊断,要做到及时准确,单靠某一故障特征量和诊断方法无法完成诊断任务.克服这一困难的方法之一是利用数据集成与信息融合技术进行故障诊断.     

机器人导航路径的动态分级蚁群算法规划策略

为了提高机器人工作路径质量并减少算法运行时间,提出了蜂巢栅格模型与动态分级蚁群算法结合的路径规划方法。建立了工作环境的蜂巢栅格环境模型,在转向角、避障路径比、路径质量等方面均优于传统方形栅格模型;将蜂群算法的分级思想引入到蚁群算法中,根据适应度将蚁群分为寻优蚁和侦查蚁两级;寻优蚁更加注重信息素的引导作用,利于算法收敛,侦查蚁更加注重启发信息的牵引作用,不断探索新的路径而增加路径多样性;提出了兼顾全局信息素更新和局部信息素更新的动态加权信息素更新方法。经仿真验证,动态分级蚁群算法在迭代过程中的路径多样性优于蚁群算法;将动态分级蚁群算法应用于路径规划,路径长度比蚁群算法降低了22.12%,平均运行时间减少了32.33%,充分证明了动态分级蚁群算法在路径规划中的有效性。     

人工智能在移动机器人导航中的应用与研究

全面论述了移动机器人导航系统的结构和智能化的任务及内容,重点介绍了典型人工智能技术的应用方法,分析指出了现有研究的制约因素和实践的发展方向。     

微惯性测量组合与GPS组合导航技术

分析了惯性导航系统和全球定位系统的优缺点;介绍了微惯性器件的发展及其用于惯性导航的前景;分析了由微惯性器件组成的捷联惯导与GPS组合导航的可行性;综述了GPS/INS组合导航的工作原理和关键技术.     

均匀粒子群蚁群融合算法的机器人路径规划

为了提高移动机器人点对点路径规划的性能,提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理,找出了导致算法"早熟"的搜索机制缺陷,提出了均匀粒子群算法,此算法改进了粒子群算法的搜索机制,保证了在迭代过程中的粒子多样性,克服了算法"早熟"问题;介绍了蚂蚁系统和蚁群系统算法的区别,提出了均匀粒子群蚁群融合算法,首先使用均匀粒子群算法搜索次优路径,在此路径上撒播信息素,然后使用蚁群算法寻找最优路径。实验结果表明,融合算法规划出的路径最短,而且迭代效率高、容错能力强。     

两轮驱动移动机器人系统误差分析及校正

在移动机器人的定位中，测距法是广泛使用的方法之一。本文对移动机器人采用测距法定位时的系统误差进行了分析，得出了其系统误差产生的两个主要原因。提出了补偿误差的方法。通过在两轮驱动移动机器人MKⅡ上的实验显示出，该方法简单、实用，校正后的定位精度比校正前提高了10倍左右。     

移动机器人多传感器信息融合技术综述

阐述了当前在移动机器人领域常用的几种多传感器融合方法,介绍了移动机器人常用的传感器配置及所用的融合算法。对D-S证据理论、卡尔曼滤波、神经网络与模糊推理信息融合方法优缺点进行了对比分析。     

一种基于多信息融合的室内移动机器人定位方法

对室内移动机器人定位技术进行研究,提出了一种麦克风阵列测量数据与里程计测量数据相融合的机器人定位新方法。给出了定位算法流程,通过实验分析证明该方法有效。     

Localization of Small Mobile Robot by Low-Cost GPS Receiver

This article deals with a problem of the robot localization in the outdoor environment by using the GPS （global positioning system） data. In order to navigate the robot, it is necessary to transform the global position into the local map in the form of two-dimensional Cartesian coordinate system. The transformation is based on the model of the Earth-WGS 84 reference ellipsoid. The aim of this article is to experimentally evaluate a set of low-cost GPS receivers applicable as position sensors for small outdoor mobile robots. The evaluation is based on series of measurements executed in different times and places. The measured data is processed by given procedure and acquired positions are transformed into the local coordinate system. Accordingly the accuracy of the measured positions is statistically evaluated. The evaluation of used GPS receivers is done by comparison with data acquired by high-end geodetic GPS system Leica 1200, which is used as a reference GPS system.     

未知环境中移动机器人基于行为的自主导航与环境构建

将模糊控制应用于基于行为的移动机器人控制结构中,使机器人具备了避障、避险和障碍物识别等基本的自主导航能力。针对未知环境中移动机器人的地图构建问题,提出了基于虚拟势场的全局搜索方法,采用基于栅格的地图表示方法,利用声纳传感器收集信息,实现对障碍物的识别和定位。通过试验验证了该方法的可行性。     

移动机器人导航算法研究

利用非线性微分动力系统稳定性理论,用点吸引子构造移动机器人奔向目标行为和用点排斥子构造避障行为两种行为模式,将奔向目标行为和避障行为相结合,使机器人能够根据所处环境的变化,通过行为模式权值的调整实现行为间的竞争;分析了系统稳定的基本条件,建立了基于动态方法的智能机器人行为动态导航模型;运用立体双目视觉构建局部地图,通过计算机实例仿真,验证了该机器人导航模型的可行性。仿真结果表明:该模型可以满足较为复杂未知动态环境中的导航和目标跟踪要求。     

基于两轮自平衡机器人组合定位方法的研究

对两轮自平衡机器人的运动控制过程中相对定位的问题进行了研究.根据两轮自平衡车的特点,对诸如车轮打滑、碰撞、越障及转向等运动情况下的位置传感器和姿态传感器的信号进行了分析,提出了将光电码盘、MEMS陀螺仪与MEMS加速度计数据融合的方法,对机器人的位姿进行检测估计,从而解决了采用传统的单一位置传感器对机器人测程不准确的问题.同时也降低了陀螺仪、加速度计固有漂移的不利影响,提高了两轮自平衡机器人的定位精度.通过对两轮机器人分别进行直线运动实验、越障实验和异常碰撞试验,验证了两轮自平衡机器人组合定位方法的合理性和有效性.     

室内移动机器人导航系统研究与实现

实现了一种低成本高性能室内移动机器人导航系统。针对 Cartographer 算法使用激光雷达数据在室内 Long-Corridor 场景下建图的局部匹配错误导致定位不准的问题,使用扩展卡尔曼滤波融合激光雷达、里程计和惯性测量单元 3 种数据进行位姿估计,得到较为精准的定位,可有效提高建图精度;针对传统 AMCL 算法重定位耗时长的问题,采用基于扫描匹配的重定位方法,通过将当前 Scan 与 Submap 进行匹配,降低了扫描匹配方法的重定位耗时;针对 A * 全局规划算法路径搜索时间长、拐点较多的问题,提出一种改进 A * 算法,通过优化启发函数和增加拐角优化函数,缩短了算法搜索时间,同时去除了冗余拐点。结果表明,重定位耗时减少 80.43% ,改进 A * 算法搜索时间减少 22.79% 。     

基于模糊算法的移动机器人导航

给出了一种在移动机器人导航中基于超声传感器的模糊避障算法。通过此算法,降低障碍物幻影的干扰。在仿真和真实环境下,实验结果都表明该算法可行有效。