自主移动机器人局部优化导航算法研究

自主移动机器人在未知环境下需要依靠自身装配的传感器不间断地获得周围环境信息,辨别出障碍物的位置,进行计算和自主决策.现有导航算法在面临U型等复杂环境时容易在僵死路径上产生反复,导致导航不能继续.文中提出了一种基于模糊逻辑的局部优化导航算法,采用"辨识-记忆"策略来处理传感器信息.在路径规划中保留最近走过路径的位置和角度特征等相关资源,形成"记忆".当前规划路径形成死区并反复运行时,会形成"辨识"并重新规划路径和导航决策以避免障碍物碰撞.在Webots Pro和Matlab下设计仿真实验,结果表明移动机器人在模糊规则指导下能有效避障和避免死区现象,实现较好的自主导航.     

基于遗传模糊算法的机器人局部避障规划

提出了在动态环境中,基于遗传模糊算法的移动机器人的局部避障规划方法,该方法适用于复杂环境情况．仿真结果表明改进遗传算法的模糊控制估化效果优于传统遗传算法模糊控制效果,能够满足移动机器人局部路径规划的实时性要求．     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。     

一种移动机器人三维路径规划算法

研究移动机器人在三维工作环境中的全局路径规划问题,提出了一种基于神经网络结构能量函数的路径规划算法,可根据障碍物的形状设定不等的模拟退火初始温度.仿真结果表明,该算法计算简单,收敛速度快,是一种有效的移动机器人三维路径规划算法.     

基于模糊逻辑的自主移动机器人实时滚动路径规划及控制

针对动态不确定环境下自主移动机器人路径规划和运动控制这一工程实际问题,提出一种简化的实验参考系统结构模型。在此基础上,借鉴预测控制的基本原理,运用模糊逻辑推理方法解决了自主移动机器人导航和避障问题,实现了自主移动机器人实时滚动路径规划和控制,仿真结果表明了算法的有效性。     

基于模糊逻辑的自主移动机器人实时滚动路径规划及控制

针对动态不确定环境下自主移动机器人路径规划和运动控制这一工程实际问题,提出一种简化的实验参考系统结构模型。在此基础上,借鉴预测控制的基本原理,运用模糊逻辑推理方法解决了自主移动机器人导航和避障问题,实现了自主移动机器人实时滚动路径规划和控制,仿真结果表明了算法的有效性。     

基于人工势场法机器人小车避障的研究

针对移动机器人的实时导航和避障设计了基于人工势场的控制算法,用该算法控制移动机器人能在未知的环境中,实时检测出障碍物,并实时规划出合理路径,稳定、平滑连续地向目标行驶,给出了机器人行驶的实验结果.通过小车车体方位计算确定了避障方法-人工势场法,即目标位置对移动机器人产生一种虚拟的吸引力,而障碍物对机器人产生一种虚拟的排斥力,这两种力的合成就决定了移动机器人的运动.通过对处于静态环境下的小车的路径进行了规划并进行计算机仿真.仿真结果表明,该人工势场法能有效地实现机器人小车的避障功能.     

基于元胞自动机的移动机器人路径规划

为解决移动机器人全局最优路径规划存在的问题,提出了一种基于元胞自动机的路径规划算法。建立了移动机器人活动空间的环境模型,将移动机器人的起点、终点、障碍物及自由通路定义为一组离散的元胞,设计了元胞状态的演化规则,并且根据演化后的元胞状态确定了最优路径的搜索方法,并通过仿真实验验证了该算法在简单环境和复杂环境下都能够有效的进行路径规划,并且具有算法简单、速度快、效率高等特点。     

增强D* Lite在自主移动机器人安全路径规划中应用

为了提高未知环境中自主机器人行走的安全性和路径规划最优性,提出了增强D＊Lite算法,该算法以栅格法环境建模为基础,引入障碍物尖角和结合点检测,并针对复杂障碍物的可优化路径给出路径优化方法。仿真实验结果表明,该方法可以实现移动机器人安全路径的规划和优化。     

基于模糊神经网络算法的机器人路径规划研究

路径规划是移动机器人研究的关键技术之一.在研究模糊理论和神经网络的基础上,提出了一种新的算法,即模糊神经网络.模糊神经网络既可以像神经网络那样并行处理、自行学习,又可以像模糊理论处理模糊信息、完成模糊推理功能.采用模糊神经网络来对移动机器人的路径进行规划,充分发挥模糊理论和神经网络的各自优势,从而获得从起始点到目标点的最优路径.在环境信息完全未知且静态的情况下进行了仿真实验,结果表明：该算法效率高、收敛速度快,有效提高了移动机器人的智能化水平.