基于MCS-51单片机的智能机器人迷宫车设计

机器人在军事侦察、扫雷排险、防核化污染等危险与恶劣环境中以及工业自动化生产的物料搬运上应用很广,随着任务复杂性的增加,对移动机器人的要求也越来越智能化。然而,功能较完备的路径跟踪控制方法普遍具有计算复杂,不易实现等特点。主要针对移动机器人即智能小车的行走系统进行设计,以MCS-51单片机为控制核心的智能小车利用单光束反射取样红外传感器,探测正前方及左右两侧障碍物,利用控制算法寻找行进路线,在无人控制的情况下自主地走出迷宫。设计采用了轮式移动机构,使机器人能直线行走、左右转弯、主要针对路径跟踪算法优化问题,提出一种有效可行的方法,该法比以往算法更简单易行。     

智能水滴算法及其在通信中的应用

近年来随着仿生学和智能算法的不断发展,科研人员越来越深刻地领会到大自然是设计智能算法最重要的灵感源泉。2007年出现的智能水滴算法IWD（Intelligent Water Drops）,模拟自然界中河水与河床相互作用的过程,成功地解决了诸多数据通信的问题。文章首先描述智能水滴算法的实现原理,其次说明智能水滴算法在旅行商问题、车辆路线问题以及机器人路径规划问题中的应用,最后对智能水滴算法进行总结。     

迷宫机器人迷宫信息提取方法研究

针对迷宫机器人自主获取迷宫信息耗时长、耗能高、信息缺失等问题,提出借助图像处理相关方法获取迷宫单元格信息,以提升迷宫机器人迷宫任务效率。针对迷宫图像中的亮度不均、色彩异化等固有缺陷,提出一种融合Kirsch和改进Canny算子的迷宫单元格边缘检测方法,实现了迷宫单元格的边缘特征提取。利用图像形态学原理,对迷宫单元格特征进行去噪、合并、膨胀和填充,实现图像边缘增强。针对迷宫单元格特征,提出了一种像素分块匹配特征法进行迷宫单元格信息匹配,以实现迷宫单元格的信息提取。实验结果表明对亮度范围在γ=1.1且拍摄角度30度及以上的迷宫图像信息提取正确率达到100%,因此,提出的迷宫信息提取方法是实际可行的,为后续迷宫机器人迷宫任务的高效执行提供了保证。     

基于CortexTM-M3的机器人走迷宫的实现

为了实现机器人走迷宫的最优智能算法,提出了一种基于CortexTM-M3的具有记忆功能的设计方案,并且把传统的＂单步走＂上升为＂连续跑＂,使速度得到了几倍的提高。同时机器人神经自带纠错能力,能够自我调节,使系统鲁棒性得到大大提高。实验结果表明,该设计不仅能够完成一般算法所实现的走迷宫的目的,更在寻址、冲刺,及速度方面有着很大的优势。     

智能老鼠走迷宫系统设计的优化与实现

为了实现智能老鼠在走迷宫的比赛中能够准确有效的找到最优路径,提出了一种改进的具有记忆能力的最优路径搜索方法。分析并比较了在不同规模的迷宫中,采用3种不同的算法,智能老鼠实际所走的路径长度以及算法的指令执行状况。结果表明,在探索大规模的未知迷宫时,系统采用的新算法的优越性明显,大大减少了路径搜索的次数,减少了计算量。     

电脑鼠走迷宫算法的研究与优化

电脑鼠是一个集自主迷宫搜索、搜索完成之后进行最短路径冲刺、传感与控制于一体的自主移动机器人系统。针对IEEE标准电脑鼠走迷宫竞赛的要求,介绍了一种基于ARM芯片LM3S615控制的嵌入式电脑鼠走迷宫算法的改进与优化,并对电脑鼠转弯算法进行了深入探讨。实验结果显示,优化后的算法很好地实现了在IEEE标准迷宫中快速搜索最佳路径。     

多移动机器人编队算法研究与实验验证

本文对目前常用的几种多机器人编队算法进行了分析和研究,设计并提出一种将领航跟随法、人工势场法和基于行为法等常用多机器人编队算法优点相融合的新算法。搭建了用来进行新算法的实物仿真验证的群体智能移动机器人系统,实现了群体机器人搜索目标、驶向目标、动态跟踪和实时避碰等一系列功能,验证了新算法的有效性。     

仓储物流机器人集群避障及协同路径规划方法

基于智能机器人的智能仓储系统为解决因电子商务兴起带来的仓储物流压力提供了有效的方案。而机器人集群的避障及路径规划问题是智能仓储系统能否正常运行以及提升其运行效率的关键所在。该文创新地提出一种在交通规则和预约表约束下的基于改进Q-Learning算法的仓储物流机器人集群避障及协同路径规划方法。通过改进的Q-Learning算法规划出每个机器人完成任务目标的最短路径并形成预约表,利用交通规则和预约表解决仓储物流机器人集群在运行时发生的碰撞和死锁问题,并根据所设定的协同机制,减少机器人无任务的待机状态,平衡各机器人之间的工作量,最终实现在保证系统安全运行的基础上缩短系统运行时间的目的。通过Matlab对该文所设计的算法进行仿真,以系统无碰撞完成所有任务的运行总时间即系统中最后一个完成任务的机器人无碰撞运行的总步数为评价指标,验证了该方法的有效性。     

基于强化学习的多机器人仓储调度方法研究

调度系统作为智能仓储的核心之一,高协同度的调度系统将会极大地提升智能仓储系统中智能机器人的工作效率。文中针对智能仓储系统中物流机器人调度问题进行研究,对构建的栅格化仓库模型进行分析建模,基于多层编码遗传算法提出综合时间代价、路径代价和协同度代价的多智能体任务分配算法,并利用Q-Learning算法实现各智能体优化路径。为优化算法运算性能,基于栅格化仓库模型特点将曼哈顿路径对路径成本的估值运算代入遗传适应度评价函数,Matlab仿真结果与同期比较在运算性能上得到20%以上的提升,更能适应解决复杂的大规模智能仓储调度问题。     

教育机器人智能搬运优化设计

近年来,机器人教育作为创新教育的一种新形式,在全国有了较大的发展。智能搬运机器人是一种被广泛研究的机器人,主要实现对多个目标物体的搬运。本文对教育机器人智能搬运进行简单分析,在控制器、电机、传感器等模块进行选择和优化,组成集多种传感器于一体的智能搬运机器人,并进行实验测试,验证可以更好地完成搬运任务。