仿人足球机器人射门过程中路径规划算法研究

为了解决仿人足球机器人射门最优路径规划问题,本文提出一种基于模糊算法的移动机器人路径规划策略,使机器人能够高效率踢球射门.利用机器人摄像头感知周围的环境信息,再利用超声波传感器得到与目标物相关的距离信息,运用模糊推理将目标位置信息模糊化,建立模糊规则并求解,最终使机器人可以确定射门的路径,进而采用正向射门或侧向射门动作.     

基于动态椭圆曲线的足球机器人射门路径规划算法

为提高机器人足球比赛中射门成功率,提出了一种基于动态椭圆曲线的射门路径规划算法。通过计算足球机器人当前位姿及期望射门角度,控制机器人按照椭圆曲线路径运动至射门目标点,实现快速有效击球射门。仿真实验及实物机器人实验验证了算法的有效性,动态椭圆曲线射门规划算法运动路径短,且能够以合理射门角度完成射门。     

RoboCup中型组足球机器人的改进模糊HSIC运动控制

针对RoboCup中型组三轮全向足球机器人路径规划和轨迹跟踪的特点,结合仿人智能控制(human-simulated intelligent control,HSIC)算法,提出了改进模糊仿人智能运动控制算法,并将其运用于该系统的运动控制.实验研究证明,该算法具有控制精度高、稳定性好、能实时逼近期望路径的特点,完全满足RoboCup足球机器人运动控制的要求.另外,模糊控制的控制规则表可以由改进HSIC的逻辑控制规则所确定,使模糊控制器的设计更易于实现.     

足球机器人路径规划仿真研究

研究了足球机器人路径优化选择问题,机器人运动与规划路径有误差,使实时性和准确性受到影响.针对传统的机器人路径规划算法过于复杂,同时没有充分考虑到足球机器人在比赛中实时性和对抗性等问题,导致实时性差以及射门准确率低.提出一种结合路径预测的路径最优算法,充分利用预测结果减少每周期的路径规划时间,并采用动态基准圆预测的射门策略,并对守门策略进行改进.进行仿真的结果表明,所提出算法在足球机器人比赛中具有可行性,射门准确率得到提高,击球时机器人达到较快速度,使得敌方更难防守,守门员在防守时充分地体现了智能性,证明算法优化了机器人路径,提高了实时性和准确性,为设计提供了依据.     

基于多足球机器人协作的组合射门算法

为了提高机器人足球比赛中足球机器人的射门成功率,在分析了基本射门算法不足的基础上,用“盲区”法求出高效射门区,在求出的两个高效区中综合考虑射门角与射门区关系等因素,引入了最佳射门区的概念,并通过选择最优的机器人射门运动路径,结合大力射门算法和基本射门算法,提出了基于多足球机器人协作的组合射门算法。结果表明,用该算法改进射门策略后,射门成功率明显提高。     

基于规则的仿人智能控制方法及其应用

在总结前人研究成果的基础上,概括出基于规则仿人智能控制的基本概念、基本思想和主要特点.以仿人智能控制的原型算法为例,分析其静态特性、动态特性和稳定性,并给出基于规则的仿人智能控制器的基本设计步骤.以工作在未知环境下的机器人系统为例,研究了仿人智能控制方法在机器人接触力控制中的应用.它是在数字PID控制算法的基础上,通过仿人智能控制的特征变量的取值符号,选择相应的控制策略实现的.实验结果表明,仿人智能控制方法可以大大提高控制精度.     

基于佳点集遗传算法的足球机器人策略设计

为了优化足球机器人策略的设计.文中提出了一个基于佳点集遗传算法的足球机器人动作规划算法.首先定义-个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用佳点集遗传算法为足球机器人选择合适的动作,用该算法进行截球实验和射门实验.实验结果表明,应用新算法的仿真足球机器人动作更准确,效果更佳.     

基于佳点集遗传算法的足球机器人策略设计

为了优化足球机器人策略的设计,文中提出了一个基于佳点集遗传算法的足球机器人动作规划算法。首先定义一个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用佳点集遗传算法为足球觇器人选择合适的动作,用该算法进行截球实验和射门实验。实验结果表明,应用新算法的仿真足球机器人动作更准确,效果更佳。     

基于最优搜索的足球机器人射门算法

机器人足球比赛中,小球的运动状态因受到碰撞和摩擦变化剧烈,所以大多数情况下不存在全局意义上的最佳射门路径,或者规划的路径机器人在给定的时间内根本无法完成。基于目标函数的足球机器人射门算法,通过在机器人运动能力范围内的最优搜索,能够找出当前状态下机器人按要求逼近球的最佳路径。该算法能够适应各种速度状态,明显提高机器人射门命中率,并迅速对小球状态突变做出响应。在比赛中,常常需要根据场上态势对机器人进行控制算法切换,但由于不同控制算法速度输出的跳跃性,机器人会出现相对球位置的抖动。针对以距离作为切换条件的情况下,不同控制算法切换时产生的“抖动”现象,分析了现象产生的原因,并通过S-曲线加权算法,有效避免了“抖动”的产生,实现了不同控制算法在切换边界的平滑过渡。     

用IGA优化的直流电机的仿人智能控制

讨论了当前足球机器人运动控制系统的控制算法对足球机器人运动性能的影响。在分析了足球机器人运动控制系统组成和电机数学模型的基础上,对足球机器人运动控制器采用多模态控制的仿人智能控制（Human-Simulated Intelligent Control,HSIC）算法,利用改进的遗传算法（Improved Genetic Algorithm,IGA）对仿人智能控制器参数进行优化。通过与目前普遍采用的常规PID控制器作对比实验,表明采用IGA参数整定后的HSIC控制器对电机具有更好的控制品质,并改善了足球机器人的运动性能。     

蚁群算法在机器人路径规划中的应用研究

针对传统机器人路径规划方法无法保证寻找全局最优路径的问题,本文提出了一种基于蚁群算法求解机器人路径规划的方法.在此基础上构建了移动机器人路径规划模型,并通过Visual C 6.0进行仿真.结果表明该算法能够在动态和静态环境中迅速找到机器人的最优路径,与基于遗传算法的路径规划方法相比具有较大的优势.     

基于遗传算法的移动机器人路径滚动规划

研究了一种全新的基于遗传算法的机器人路径滚动规划方法。该方法将目标点映射在机器人视野域内侧边界附近，规划出机器人局部最优路径，机器人根据此局部路径前进一步。机器人每前进一步就重复该过程，沿一条全局优化的路径安全地到达终点。仿真实验表明，即使在复杂的未知静态环境下，利用该算法也可以规划出一条全局优化路径，且能安全避碰。     

融合环境信息和运动约束的改进A*算法研究

标准A*算法存在着无法考虑移动机器人运动特性及处理后的路径不利于移动机器人运动等问题。针对这一问题提出了一种新改进A*算法,通过环境信息引入障碍物权重系数来改进算法的启发函数并进行全局路径规划;优化搜索节点的选取方式和设定障碍物与路径之间的安全距离;基于对移动机器人的运动特性的考虑优化其路径,并在不同环境地图中与其他算法进行仿真实验对比分析。相关实验表明：基于新改进A*算法规划的路径始终与障碍物保持一定的安全距离;改进A*算法在时间上相比标准A*算法平均减少了80%,路径长度平均减少了2%,路径转角平均降低了82%。改进后算法相比其他算法在时间、搜索节点以及平滑度上有很大的改进,融合机器人环境信息和运动特性的规划路径算法可为移动机器人的路径规划提供一种新的方法。     

未知环境下基于A~＊的机器人路径规划算法

本文提出了一种未知环境下基于A*的机器人路径规划算法。采用基于A*算法的二次路径规划策略,机器人在遇到未知障碍物的情况下能有效地进行路径重规划;采用基于优先级的子节点生成策略,考虑了机器人的宽度信息,使规划路径能在真实的物理机器人上得到执行;最后,通过MobileSim仿真平台和Pioneer P3DX真实机器人验证了此算法的有效性和可靠性。基于A~*的新算法拓宽了原算法的适用范围,提高了机器人的智能水平和实时路径规划能力。     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

基于改进概率栅格分解的路径规划算法

栅格分解法是目前研究最广泛的路径规划方法之一,但随着机器人自由度增加会出现“维数灾难”问题,不太适合于解决高自由度机器人在复杂环境中的路径规划。该文提出了基于改进概率栅格分解的路径规划算法,将随机采样应用到栅格分解算法中,虽然不能保证算法的最优性,却极大地提高了算法的效率,使其适合于解决高自由度机器人在复杂环境下的路径规划问题。仿真试验表明该算法可以在较短时间内获得可通行的路径。     

基于正反馈自适应遗传算法的机器人路径滚动规划*

针对传统遗传算法求解机器人路径规划问题存在的收敛速度较慢的缺陷,将蚂蚁算法、模拟退火算法、滚动规划和遗传算法相结合,提出了一种新颖的基于正反馈自适应遗传算法的滚动规划。仿真实验表明,即使在复杂的未知环境下,利用本算法也可以规划出一条全局优化路径,且能安全避碰。     

一种基于罚函数的机器人路径规划方法

给出了一种基于罚函数的机器人路径规划方法;这种方法将机器人的路径规划由一系列带约束非线形规划问题转化为一系列无约束非线形规划问题来求解,仿真结果表明,罚函数方法是一种富有效率的解决机器人路径规划问题的方法,能够大幅度降低运算时间的复杂性,提高移动机器人的实时性。     

基于混沌遗传算法的机器人路径规划方法研究

针对机器人路径规划中,应用遗传算法时容易陷入局部最优解以及收敛速度较慢等问题,设计出一种基于混沌遗传算法的路径规划方法。在基本遗传算法的基础上采用自适应调整的选择概率,并引入混沌操作,从而增强移动机器人路径规划算法的鲁棒性,解决一般遗传算法的早熟和收敛速度慢问题。经MATLAB仿真,证明该方法具有良好的避障性能。     

一种基于改进冲突搜索的多机器人路径规划算法

针对智能仓储环境下多载位自主移动机器人集群拣选-配送路径规划问题,提出一种改进型基于冲突搜索的多智能体路径规划算法.在模型方面,采用多载位机器人替代KIVA机器人,建立以最小化拣选-配送时间以及无效路径比为目标的数学规划模型.在算法方面,首先,提出一种基于优先级规则的多智能体冲突消解加速策略;然后,设计基于动态规划的单机器人拣选序列优化算法;最后,设计考虑转向惩罚的增强A*算法搜索机器人最优路径.实验结果表明:所提出模型与KIVA系统相比有较大优越性;所提出算法能够有效缩短拣选-配送时间、减少无效路径时间.