磁弹性微型游泳机器人在外部干扰和复杂路径下的精确跟踪控制

基于磁弹性复合材料设计一种毫米级微型游泳机器人,利用三维亥姆霍兹线圈实现空间均匀磁场对机器人的无缆驱动,通过时变旋转磁场来改变机器人的运动姿态,从而实现机器人的游泳动作。介绍微型游泳机器人结构及制作流程,并利用Abaqus建立仿真模型,通过有限元仿真和试验对机器人的游泳特性进行对比分析,研究磁场频率、强度对游泳速度的影响。在此基础上,采用改进型视距导航控制方法提高游泳机器人的抗干扰能力,同时提出一种速度模糊自适应算法和头尾转换控制实现了对复杂规划路径的精确跟踪,试验结果表明,该算法能克服常规匀速视距导航控制易发生跟踪点丢失、无法再次回归跟踪路径等缺点,并能很好地减小路径跟踪误差,为磁控微型游泳机器人的精确控制提供了新思路。     

两栖球形机器人的路径规划策略

两栖机器人的水下路径最优规划是目前机器人运动控制研究领域的热点和难点。本文针对两种基于视觉伺服的广义约束优化(GCOP)和序列二次规划(SQP)的机器人运动控制算法进行对比分析,结合视觉伺服传感器,实现了两栖机器人最佳路径的规划、监测动态目标标定、移动目标监测、水下障碍物识别和目标跟踪。利用球形机器人的结构对称特性及阿基米德浮力原理,并结合模糊控制算法对水舱水位进行实时控制,使球形两栖机器人在水下能实现水下多自由度运动。最后,进行了算法的仿真和水下运动实验。实验结果表明,GCOP算法和SQP算法在相对障碍物的有限距离内,SQP算法规划的路径更加合理;而在达到目标坐标位置上,两种算法的误差为167.5 mm,SQP算法在水下路径规划上更加有效。     

机器人平滑抓取移动物体的运动规划方法

结合机器视觉和运动规划方法,对动态环境中移动物体的平滑抓取进行了研究。设计了一种运动物体跟踪算法,能够实现无障碍环境下移动物体的平滑抓取;针对环境中存在动态障碍物的情况,设计了一种基于排斥矢量的动态避障算法,与运动物体跟踪算法相结合,实现了机器人先避障后平滑抓取;基于机器人操作系统（Robot operating system,ROS）框架,在5自由度的KUKA Youbot机械臂平台上实现了无障碍环境下对传送带上物体的平滑抓取,以及动态障碍物环境中的平滑抓取,试验结果验证了所设计算法的优越性。     

基于优化人工蜂群算法的多机器人协同规划

为了提高人工蜂群算法在多机器人路径规划中的性能,提出了优化人工蜂群算法。提出了一种新的环境建模方法,将障碍物边缘平滑化;分析了人工蜂群算法原理,改进了新食物源的生成方法,提出了自适应的搜索因子,兼顾了大范围搜索和算法收敛速度;改进了机器人路径点的表示方法,使用位置夹角表示机器人路径点,减少了位置参数;使用加权方式将路径长度、路径平滑度、路径安全性综合为目标函数。仿真实验结果表明,改进在多机器人路径规划中不仅耗时较少,而且路径也短,且随着机器人数量的增加,耗时和路径长度的差距越来越大。     

室内移动机器人自主导航系统设计与方法

针对移动机器人室内自主导航中环境检测、动态目标定位跟踪和路径规划,设计了"双目+单目"多信息融合的视觉系统。提出一种自适应环境、融合色彩饱和度信息的单尺度Retinex室内阴影消除算法,以有效提取障碍物信息及可行路面区域。研究了一种特征点辅助的时空上下文目标跟踪算法,运用目标特征点进行目标粗定位;引入特征点变化率信息,自动调节时空上下文模型更新,以有效提高复杂环境下动态目标定位的准确性。改进了传统速度向量场吸引速度、排斥速度和切向速度函数,解决了路径规划中机器人轨迹抖动、目标点附近震荡和目标处于障碍物排斥场不可到达等问题。移动机器人室内环境下自主导航实验实现了障碍物、机器人和目标特征提取及其实时定位,移动机器人以最短的避碰路径完成动态目标的有效跟踪。     

复杂环境下基于改进人工蜂群算法的机器人路径规划

为了使机器人在复杂环境下规划出最优路径,提出了基于改进人工蜂群算法的路径规划方法。分析了传统的人工蜂群算法原理;为适应复杂环境下路径规划,引入了小步长侦查蜂用于侦查跟随蜂可能前进方向的障碍物分布情况,根据侦查出的障碍物复杂度和节点与目标点距离对可行节点进行评分,得分大小作为跟随蜂选择下一节点的依据,这样就可以使跟随蜂成功避开障碍物复杂区域。使用改进算法进行路径规划,将规划结果与传统蚁群算法和传统人工蜂群算法比较,改进人工蜂群算法规划路径最短,且算法耗时最少。     

一种基于可视图法导盲机器人路径规划的研究

以自主设计的导盲机器人为实际应用背景,提出一种适用于室内导航的算法。该路径规划算法利用射频识别(radio frequency identification,RFID)系统,通过超高频射频识别系统与低频射频识别系统的联合运用实现准确定位,将可视图法与A*算法相结合,提出一种路径规划算法,在提高搜索效率的同时保证了规划路径的可行性。通过在平面障碍物环境下实验,验证了该算法的可行性。     

基于视觉导航的AGV模糊-最优控制研究

介绍了基于视觉导航的路径识别算法，该算法能够较好地计算出自动引导车的相对位置，并通过相对位置信息，运用模糊一最优控制策略来实现自动引导车的路径跟踪控制。不同条件下所做的大量仿真计算均表明，基于视觉导航的模糊最优控制器工作稳定、切换平滑、跟踪控制误差小且有较好的抵抗外界噪声干扰能力。     

改进人工势场法的移动机器人路径规划分析

由于传统人工势场法存在目标不可达和局部极小值点问题,在有多个障碍物的环境下非常容易导致无法路径规划。对人工势场法的特点进行了分析,提出了采用激光传感器测距模型和Wi-Fi定位算法构建路径规划的环境;对于障碍物与目标点过于接近而引起的斥力势场和引力势场同时增大继而出现的目标不可达问题,采用在斥力势场函数中增加一个距离因子的方法来使机器人能准确找到目标点;当障碍物处在机器人与目标点之间时,机器人很容易陷入局部极小值点的情况,采用旋转斥力一定角度的方法使机器人逃离极小值点,绕开障碍物而迅速向目标点移动。仿真实验证明了该方法能够成功规划出一条平滑无碰撞的路径。     

基于改进粒子群算法的机器人路径规划

为了提高移动机器人路径规划的质量,提出了基于改进粒子群算法的机器人路径规划方法。对障碍物进行膨化处理,简化了障碍物模型;通过坐标变换,将二维优化问题简化为一维优化问题;建立了包含路径长度和路径平滑度的适应度函数;分析了传统粒子群算法及缺陷,引入了跳出机制和牵引操作,跳出机制保持了种群多样性和全局搜索能力,牵引操作加快了算法收敛速度,从而提出了改进粒子群算法;经仿真实验验证,改进算法规划的路径在长度、平滑度、规划时间上均具有优势。     

基于姿态的轨道焊接机器人智能越障控制方法

为了机器人能更好地完成轨道焊接任务,减少障碍物对工作的影响,提出了基于姿态的轨道焊接机器人智能越障控制方法。分析越障时机器人姿态稳定性,判定机身质心位置,明确焊接臂角度和碰触点,估算出姿态支持点位置,同时将实时运动数据传输到受力锥模型中,计算最小偏移势能推测越障倾翻方向,得出最佳稳定锥。初始化蚁群遗传算法、设定主程序,迭代出全局越障路径;考虑到户外工作环境存在路径规划阻力,结合卡尔曼滤波的状态转移矩阵,减少误差完成智能越障控制。仿真实验表明,所提方法在恶劣路况下也能实现精准越障,且可以智能调节姿态,使机器人恢复稳定。     

利用视觉显著性和扰动模型的上下文感知跟踪

为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪。本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性;同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化;最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题。利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较。实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法。与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值。     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree, RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率。首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用启发式搜索思想,保留优于其父节点的随机搜索点为新节点;最后,修剪路径中的冗余节点,并采用贝塞尔曲线对路径进行平滑处理。在MATLAB平台上进行仿真,结果表明,改进RRT路径规划算法较传统RRT路径规划算法、RRT-connect路径规划算法效率更高,收敛性更强,可以很好地提高核退役机器人的避障能力。     

动态环境下移动机器人路径规划的改进蚁群算法

研究动态环境下移动机器人路径规划问题,采用栅格法对机器人工作空间进行建模,在使用蚁群算法进行全局路径搜索过程中引入人工势场的概念,使蚂蚁对最优路径更加敏感;机器人针对动态环境中可能出现的不同类型障碍物分别执行不同的避障策略;同时提出一种最优路径预测模型用于预测在避障过程中是否出现新的最优路径。算法结合人工势场法和蚁群算法的特点,将全局路径规划与局部路径规划相融合以提高路径搜索的效率。仿真结果验证了该算法的有效性。     

基于领航跟随法的多AUV编队控制算法研究

针对已知路径下基于领航者的多自主水下机器人(AUV)编队队形控制问题,提出了一种AUV路径控制和编队协调控制相结合的新型编队控制器。其中,AUV的路径跟踪控制采用反步滑模控制器,将AUV位置、姿态和时变速度跟踪转化虚拟速度控制,使AUV能达到期望的位置、速度等,避免了反步控制中的奇异值问题,并能够很好实现不确定的模型的控制,同时又提高了跟随者协同定位精度;在路径跟踪控制基础上,编队协调控制器将领航者与跟随者的位置误差控制转化为跟随者的速度误差控制,使跟随者能快速达到期望位置,从而使所有AUV实现期望的队形并保持。仿真实验对该控制策略进行了可行性验证,结果表明,该算法提高了编队的响应速度、控制精度和稳定性;再应用3台AUV进行了湖上试验验证,证明了该控制策略的有效性,能有效应用到实际中。     

基于改进SIFT图像匹配的无人机高精度避障算法设计

为提高无人机避障能力,提出基于改进SIFT图像匹配的无人机高精度避障算法.通过角点匹配和多分辨模式识别,实现对无人机高精度避障的图像显著特征点检测,通过对比梯度分析和参数融合识别,实现对无人机高精度避障图像信息加权融合处理,采用改进SIFT图像匹配方法,匹配无人机高精度避障地理空间网格,实现避障算法的优化设计.仿真结果...     

复杂环境下的装配路径求解与优化

针对三维复杂环境下的装配路径规划问题,运用栅格法建立了规划空间模型,基于蚁群算法求解出了一条避开障碍物的初始路径;对求解得到的装配初始路径,提出采用二分法插值优化方法缩短装配路径长度,在规划过程中采用目标零件与障碍物的轴向包围盒进行避障。对装配路径的求解及优化进行了实例测试,获得了一条无碰撞的最短的平滑路径,验证了算法的有效性和可行性。     

基于典型栅格地图的代价地图改进方法

针对具有多种路况的复杂环境,提出了一种基于栅格地图的代价地图构建方法。改进方法分别从移动机器人可通过安全性和可通过消耗性2方面对普通的布尔栅格地图进行改进。首先,建立以机器人与障碍物距离为变量的递减代价函数和以不同路况能耗占比为变量的代价函数;然后,根据2种代价函数确定每个栅格的代价值;最后,将生成的2种代价地图融合,得到改进地图。以A*算法为例,修改其估值函数以适应新的地图,通过仿真实验对比传统地图和改进地图下的路径规划情况。实验结果表明,相对于传统的栅格地图,改进地图下规划出的路径始终保持着距离障碍物的安全距离,并且对不同价值的道路进行了选择与规避,有效地保证了移动机器人在运动过程中的安全性,并且根据实际情况考虑了能耗代价改变了路径选择,实现了多路况复杂环境下的路径规划,验证了地图改进方法的可行性。     

巡检机器人中的指针式仪表读数识别系统

为了解决智能巡检机器人仪表读数识别中易受光照变化影响、识别精度不高等问题,结合高压变电场中常见指针区域的图像特点,建立了指针式仪表读数高精度识别系统。鉴于巡检机器人的室外工作环境,提出了迭代最大类间方差算法,实现了多种光照条件下仪表图像的指针区域提取。经过分析指针转动和图像特性,提出了基于Hough变换的指针角度识别,推导出指针角度与仪表读数的函数关系。该算法较传统Hough变换角度提取法,增加了指针中心线通过表计中心等约束条件,提高了指针角度提取的精度,降低了搜索数据量和搜索时间。通过大量实验验证所建立的表计读数识别系统可实现室外各种光照条件下表计读数识别,获得95%以上的正确识别率。多组鲁棒性实验分析表明,该系统对光照条件、指针宽度、表盘干扰、拍摄角度(不产生指针阴影)具有较好的鲁棒性,但由于拍摄角度而产生指针阴影时,会引起较大的指针中心线提取和角度计算偏差,从而降低仪表读数识别精度。     

柔性关节机械臂避障路径自动控制数学建模

针对柔性关节机械臂在避障完成后位姿与目标位姿存在一定偏差的问题,提出柔性关节机械臂避障路径自动控制数学建模方法。将五次B样条曲线作为柔性关节机械臂避障路径规划的基础,在避障任务中引入速度修正项,通过关节角和关键点避障速度确定速度修正项取值。建立避障路径自动控制数学模型,利用该模型控制柔性关节机械臂在到达目标位置过程中实现障碍物精准规避,完成柔性关节机械臂避障路径自动控制。实验结果表明,所提方法能够减小位姿误差,平稳关节波动,实际应用效果较好。