基于信息融合的机器人路径智能决策的研究

基于机器人未知环境探索的智能行为,以先锋Pioneer3-DX移动机器人为对象,构建了基于多传感器信息融合的机器人智能行为系统以实现其路径规划行为。构建了一个双层信息融合路径规划智能行为系统,数据层融合采用基于联邦kalman滤波融合的信息融合方法,通过多传感器融合降低信息的不确定性,为机器人提供更可靠和更准确的环境信息;决策层融合采用模糊推理方法,根据数据层融合结果作为模糊控制器的输入,构建基于模糊推理的决策层融合模块,其设计思想是模仿人的智能行为进行决策,使其不仅决策出机器人的行走方向,同时决策出机器人的行走速度,实现了动态路径规划。基于Matlab的仿真实验,验证了方法的可行性。     

基于多传感器的移动机器人路径规划

提出一种基于多传感器的移动机器人路径规划策略。利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标。采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置。实验结果验证了该路径规划算法的良好性能。     

关于智能机器人局部混沌评价全覆盖路径规划

针对智能机器人全覆盖路径规划问题,提出了一种局部混沌评价规划方法.考虑到机器人移动过程中的随机性与不可预知性,设计了具有反馈控制变量的四维混沌系统.将该系统与机器人运动模型融合,建立得到路径规划模型,同时引入耦合控制参数对系统误差进行调节,根据机器人的起始坐标和混沌起始状态参量,利用微分离散化处理便可计算出移动的路径点.考虑到路径规划的局部最优解,对机器人移动空间进行网格划分,根据激励计算动态网格活性值,利用网格活性对移动路径规划采取分流,进而得到分流后的局部路径与角位移变化量.与此同时,针对局部路径规划设计了相应的指标评价,用以校正规划结果.仿真结果表明,提出的局部混沌评价规划方法具有良好的路径全覆盖效果,同时获得了更低的路径重复率、移动距离,以及路径规划时间,有效提高了机器人的移动效率与控制平稳性.     

基于不确定网格地图的移动机器人导航

研究了在未知环境下的移动机器人导航问题．在分析超声传感器不确定性模型的基础上,根据模糊集理论创建网格地图来描述机器人工作环境,使用模糊隶属度表示网格占用状态．通过网格信息融合来减弱传感器测量误差,提高网格地图的精度．提出基于模糊网格地图的路径规划算法,利用重复局部优化路径搜索来实现全局路径规划．机器人通过交替进行创建地图和路径规划两个基本过程来完成导航任务．仿真结果表明创建的地图能较精确地表示环境信息。规划的路径可以使机器人安全地到达目的地．     

基于维诺图和二分图的水面移动基站路径规划方法

水面传感器网络（Surface sensor networks,SSNs）具有节点稀疏布置的特点（节点间距离通常大于节点通信半径）,因此难以通过节点间的多跳路由汇聚数据,目前主要采用移动基站（Mobile sink,MS）收集网络中的数据,其中移动基站的路径规划是一个关键问题.该文提出一种基于维诺图和二分图的水面移动基站路径规划方法,首先利用维诺图理论生成数据收集“候选点”;然后以二分图描述候选点对网络中传感器节点的支配关系,并基于支配集理论求解出“最小有效支配集”,即可以收集网络中所有节点数据的最小的候选点集合;最后针对最小有效支配集形成最优路径.大量实验结果表明该方法可以有效地规划出水面传感器网络中移动基站的路径,不仅可以完成全网数据收集任务,而且具有路径长度短、能量效率高和节点能耗均衡的优点.     

多点焊接机器人最优运动规划策略与算法研究

利用遗传算法寻找多点焊接机器人的最优运动规划的方法。第一步应用遗传算法对多点焊接工业机器人进行全局路径最优规划,确定机器人操作手终端遍历所有目标点的最短路径;然后在相邻目标点之间应用遗传算法进行关节空间的轨迹规划,寻找时间最短的最优轨迹。实验结果表明缩短了运行时间,提高了机器人的工作效率,可见方法的可行性和先进性。     

基于传感器的非完整移动机器人运动规划

针对非完整移动机器人在未知室内环境中提出了一种路径规划方法, 通过利用传感器对周围环境的探测和实时处理传感器数据, 以及所设计的目标寻找函数, 可以有效地完成其运动规划. 该方法能够确保移动机器人在无障碍物区或障碍物对机器人不构成危险时加速前进, 在障碍物区能够慢速绕过, 从而使得移动机器人快速且安全地到达目标位置, 仿真的结果证明了该方法的有效性.     

基于微分进化算法的时间最优路径规划

提出了一种利用微分进化算法进行机器人路径规划的方法,在极坐标系下采用路径点列的极角和极径作为参数进行个体成员的矢量合成,生成的初始路径点集经过提炼处理极大提高机器人移动速度;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题。     

基于回声状态网络的进化机器人路径规划方法

在移动机器人路径规划问题的研究中,针对进化机器人在不同环境下需要重新进化与学习的问题,为了使进化机器人准确定位,提出了一种基于(μ+λ)-ES进化策略的回卢状态网络路径规划算法,利用回声状态网络构建移动机器人传感器输入和执行器输出之间的映射关系,利用(μ+λ)-ES进化策略对回声状态网络进行无监督学习,机器人利用进化获得的神经网络控制器进行路径规划.仿真结果表明,根据回声状态网络的路径规划方法对于机器人动态未知环境具有较好的实时性和适应性,达到准确定位目标.     

AS-R移动机器人的动态避障与路径规划研究

针对移动机器人的动态避障和路径规划问题,以AS-R移动机器人为平台,设计了一种基于行为分析的动态避障策略。根据避障问题将移动机器人整个运行过程中的行为划分成趋向目标行为、避障行为、沿墙走行为及紧急避障4种行为,有效实现了机器人的动态避障,并解决了两种避障难题:左右摆动问题和凹型障碍物问题。利用多传感器结合检测方法,通过红外传感器减少盲区和镜面反射带来的误差,通过间隔采样或分组采样技术避免多路串扰问题;对均值滤波与中值滤波进行实验对比后,提出一种递推型中值滤波方法,从而提高了数据在空间和时间上的连续性,有效地减少了超声波随机串扰信号及其它干扰信号,进而提高了探测模块的准确度。最后设计了几种复杂环境下机器人的动态避障和路径规划,并验证了所提方法的有效性。