基于BP神经网络控制的多机器人运动规划(Ⅰ)

对多个机器人在简单环境中的运动的研究,利用多机器人控制的神经网络模型,将BP神经网络应用于机器人与障碍物,机器人与机器人之间的避碰行为控制,对机器人进行的行为设计.讨论了机器人训练神经网络及运动规划.实验结果表明了该方法的有效性.     

基于BP神经网络控制的多机器人运动规划(Ⅰ)

对多个机器人在简单环境中的运动的研究,利用多机器人控制的神经网络模型,将BP神经网络应用于机器人与障碍物,机器人与机器人之间的避碰行为控制,对机器人进行的行为设计.讨论了机器人训练神经网络及运动规划.实验结果表明了该方法的有效性.     

基于神经网络的机器人运动模型的研究

对基于神经网络建立水下机器人(AUV)运动模型的方法进行了分析和探讨,提出了以非完全回归形式的运动模型神经网络结构,提出了输出层向输入层回归的封闭式结构以实现运动模型的模拟机能,给出了相应的训练和学习方法.提出了对输出层增加积分环节及对神经网络输入输出变量进行正规化处理的方法.计算机仿真及实际水下机器人"Twin-Burger”的建模结果,表明本文所提出的建模方法的有效性和可行性.     

多水下机器人的协调规划策略研究

以对策论为基础,从理论上分析了多水下机器人的运动协调机制,建立了多水下机器人运动协调问题的数学模型;以此为基础;提出了多机器人协调规划算法。     

水下机器人运动规划中多目标遗传算法的选择方法

为探讨多目标遗传算法的选择方法对优化结果的影响,本文以水下机器人为对象,对多目标遗传算法的选择方法进行了分析和研究,提出了变权重系数法并对选择公式进行了修正,以水下机器人“Twin-Buger”为对象,进行运动规划的算例验证了本文所提出方法的有效性和可行性。     

基于多神经网络的机器人轨迹学习控制研究

本文利用神经辨识器和神经控制器相结合的思想提出了机器人动力学模型完全未知情况下的一种新的学习控制策略．文中描述了机器人系统新的控制结构，并推导出该结构下神经辨识器和神经控制的在线学习算法．仿真结果表明，文中提出的控制方法能够实现任何可达期望曲线的机器人高精度轨迹控制．     

模具造型机器人运动规划

本文建立了一种结构简单、行之有效的平面运动规则系统，能迅速判断机器人与工件的关系，实现了模具造型机器人无碰撞轨迹规划。     

基于CMAC的多移动机器人智能运动规划

研究多移动机器人的运动规划问题,在分布式专家系统的基础上提出基于CMAC（小脑模型关节控制器）的智能规划方法.通过网络的离线和在线学习以校正由于机器人模型不准确以及环境干扰引起的误差,使得机器人能调整自身的运动状态,保证多移动机器人相互协调、彼此避撞．     

基于BP神经网络的冗余度TT-VGT机器人位置控制的实现

介绍了有关冗余度ＴＴ－ＶＧＴ机器人、ＢＰ神经网络控制及永磁交流同步电动机的先进技术,建立了ＢＰ神经网络运动控制系统模型和位置反馈补偿子系统的数学模型,并进行了系统仿真。     

Hopfield神经网络在机器人路径规划中的应用

将Hopfield反馈型神经网络方法,应用于对机器人工作路径的合理规划中,解决了对两两给定通路的若干工作站点,机器人能顺序访问并最终返回起点的最短巡游路径问题。可针对不同的具体问题来设计网络的连接权及能量函数。对8站点和16站点仿真结果表明,此方法可以在较短的时间内寻优获得最佳工作路径。     

机器人路径规划的神经网络算法及优化

开发了一种基于碰撞罚函数的移动机器人路径规划神经网络算法,充分利用社会网络的融合性和并行性提高移动机器人路径规划算法的运算速度,取得了显著效果,并提出了局部部径修正和路径“张紧”两种算法,有效的解决了局部路径微小碰撞和最矩路径问题,实现了机器人路径的最优化,最后给仿真结果。     

基于渐进式变结构遗传算法的肢体机器人运动规划

为使机器人的末端同时具备行走和操作能力,提出一种新颖的三肢体冗余度机器人,并介绍了该机器人的机构以及人机接口的设计.针对该机器人的运动规划提出渐进式遗传规划策略,该策略能够将笛卡尔空间坐标位姿自动、有效地映射到关节空间.在渐进式遗传规划方法的基础上提出一种变结构遗传算法,该算法可用以解决动态环境下渐进式遗传运动规划易陷入局部极小点的问题.实验结果表明渐进式遗传规划方法在静态环境中的有效性,同时也证实了变结构遗传算法对动态环境下进行运动规划的有效性.     

一种基于神经网络的机器人路径规划算法

研究已知障碍形状和位置环境下的全局路径规划问题。给出了一个路径规划算法，其能量函数的定义利用神经网络结构，根据路径点位于障碍物内外的不同位置选取不同的动态运动方程。规划出的路径达到了析线形的最短无碰路径。仿真研究表明，本文提出的算法计算简单，收敛速度快，方法可行。     

机器人神经网络控制研究进展

介绍神经网络理论在机器人控制与应用中的研究进展,讨论具有代表性研究成果的特点与局限性,并提出可能的研究方向。     

基于多智能体规划的机器人足球决策模型

利用多智能体规划理论建立了FIRA机器人足球决策系统模型,通过多智能体规划提高了决策系统的效率并增强了系统决策的连贯性．利用多智能体协调提高了决策系统的动态实时性,保证了决策系统获得全局最优结果的能力。     

拟人机器人矢状面跑步运动规划

基于“虚拟腿”的概念,提出了一种新的方法实现拟人跑步机器人在矢状面内的跑步运动．首先在起跳阶段通过求解“虚拟腿”的二自由度动力学方程,规划机器人质心的轨迹;在飞行阶段机器人质心按照自由落体运动;然后对机器人双脚的运动和上臂的运动进行规划,采用牛顿拉斐逊法求解非线性方程组得到机器人在每个时刻的运动学参数;最后根据动力学方程求出各个关节的驱动力矩．仿真结果表明：机器人跑步时各个关节角度和关节驱动力矩变化平稳,运动稳定裕度大,可实现1.2m/s前向的跑步速度．     

递归神经网络的进化机器人路径规划方法

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.     

一种多关节履带式机器人自主越障运动规划

为提高矿难搜索机器人的自主运动能力,建立了其翻越垂直障碍的运动学模型,并且对其翻越垂直障碍的能力进行了分析,提出了一种基于嵌套人工鱼群算法的机器人自主越障运动规划方法.采用三层四组人工鱼群算法削弱4个自变量之间的耦合作用,并且利用一种快速随机搜索方法缩小关节角度的搜索范围,从而实现了满足关节角度变化最小这一优化指标的机器人越障逆运动学求解的要求.MATLAB的仿真实验证明:该方法相对传统算法可以利用更少的人工鱼数目在较少的代数内有效地得到机器人越障中每一步骤的最优关节角度值,从而为机器人的控制提供依据.利用仿真结果对机器人进行了双单元模式的自主越障运动规划实验,实验结果表明机器人能够顺利实现越障.