柔性两轮移动机器人动力学建模及模型分析

针对两轮机器人腰部柔性的结构特点,以柔性多体系统动力学理论为基础,设计了柔性两轮移动机器人,并根据假设模态法,将其抽象为平面柔性三连杆系统,利用D'Alembert-Lagrange原理建立了柔性机器人的动力学模型,得到了以机器人本体的3个杆的倾斜角度和左右轮的转角为参量的系统动力学方程和系统腰部柔性连杆的振动方程.给出了数学模型推导的具体步骤,并对该模型做了仿真分析.结果表明,该模型为柔性机器人的运动及控制研究提供了理论依据.     

轮式移动机器人在圆形管道中的运动学建模与仿真分析

微型管道机器人是一种适合小口径管内移动作业的机器人,其移动机构是机器人研究领域中重要的研究内容之一.本文在ADAMS环境下,建立了小口径六轮机器人运动模型,创建了相应的仿真环境,并进行了三维实体运动仿真,这为了解机器人工作空间的形态和大小提供了一种实验手段.本文还对管道内受限微型机器人的运动学模型进行了运动学分析.分析结果表明,该行走机构具有结构紧凑、驱动效率高、安装方便、工作可靠、成本低廉等特点.     

多运动状态下移动机器人的动力学建模与分析

通过对关节履带式移动机器人越障过程的运动分析,基于履带车辆行驶力学分析及牛顿-欧拉方程,建立了机器人复合越障运动状态的动力学模型.并以车体的运动为控制目标,分析计算了车体、摆臂的运动变化以及驱动力矩的变化.仿真图形验证了机器人具有良好的运动稳定性,为机器人越障过程的控制奠定了基础.     

差速轮式移动机器人的定位导航算法

针对差速轮式移动机器人定位及导航算法中从圆弧路径切换到直线路径时车体晃动问题进行研究,提出了一种新的路径规划方法。首先介绍差速轮式移动机器人的定位算法和导航算法（直线导航、圆弧导航）,然后分析从圆弧路径切换到直线路径时存在的问题及产生的原因并提出了一种新的路径规划方法,最后建立Simulink模型进行仿真。仿真结果表明新的路径规划方法取得了良好的效果。     

轮式移动机器人FastSLAM算法研究

移动机器人在复杂未知环境中精确定位并对周围环境进行地图构建有助于机器人对环境的准确理解,是机器人进一步完成各种复杂智能任务如路径规划和避障等的关键和前提.通过对移动机器人未知环境中定位和地图创建问题进行讨论,设计了一种构建2D可视化路标特征地图的方案,该方案结合单目视觉传感器和里程计的鲁棒感知模型,建立包含世界坐标系下...     

考虑万向轮扭转角扰动轮式移动机器人轨迹跟踪

为了研究轮式移动机器人运动过程中万向轮扭转的扰动对其轨迹跟踪的影响,提出了一种考虑前端万向轮摩擦扰动及其质心与几何中心不重合的轨迹跟踪控制方法。首先,建立了考虑万向轮扭转角扰动的轮式移动机器人动力学模型;其次,根据位姿误差模型,采用反步法设计虚拟速度控制器收敛系统位姿误差;然后,结合扰动观测器对机器人行进过程中万向轮扭转所带来的摩擦扰动进行估计,构造出一种基于积分滑模思想的力矩控制器以保证速度追踪;最后,利用Lyapunov稳定性理论对系统的稳定性和渐近收敛进行证明。仿真及实验结果表明,将万向轮摩擦所带来的扰动反馈给动力学控制器,可以减轻控制器的负载。与忽略万向轮扰动的控制方法相比,轮式移动机器人的位置误差最大值的均方根值降低了37.37%,提高了运动系统的稳定性。     

轮式移动机器人快速轨迹跟踪

为了克服轮式移动机器人响应能力的有限性、保证轮式移动机器人快速跟踪给定的参考轨迹,本文充分利用预演信息(即提前获取的将来参考信息),设计预演控制策略、调节轮式移动机器人的驱动电压来控制机器人,使其快速跟踪给定的参考轨迹.首先,针对运动学模型设计虚拟控制器以保证轮式移动机器人能够渐近跟踪给定的参考轨迹.其次,建立了虚拟控制器的离散时间线性状态空间模型.再次,基于轮式移动机器人的动力学模型和虚拟控制器的线性模型,将轨迹跟踪控制问题等价转化成一个具有已知输入的线性二次调节问题.最后,基于Riccati方程的解,给出了最优预演控制策略的反馈增益.事实上,本文所提出的为虚拟控制器建立线性状态空间模型的方法适用于任意离散信息,这极大地方便了信息的处理与提前使用;另一方面,由于提前使用了参考信息,本文所提的预演控制策略能够快速地跟踪给定的参考轨迹.仿真实验以类正弦曲线为参考轨迹进行跟踪,结果表明:所提控制策略能使轮式移动机器人的速度与轨迹跟踪误差快速地趋于零,验证了所提预演控制算法的有效性.     

轮式移动机器人调速系统的设计

讨论了以TMS320F2812为核心的轮式移动机器人调速系统的设计.介绍了电机驱动电路的设计和利用TMS320F2812实现PWM进行调速,重点介绍了基于TMS320F2812产生PWM的软件设计.采用高集成度、高速、高性能的TMS320F2812方便地实现了PWM波形的产生,大大简化了系统的硬件设计,使控制系统的实时性和精确性得到了较大的提高,系统性能得到了明显改善,实现了轮式移动机器人调速系统的实时控制.     

六圆柱轮式月球车动力学建模与仿真

为了实现月球车的运动控制与自主避障, 对六圆柱轮式月球车的动力学进行了建模与仿真研究.根据该六轮月球车的机构原理和结构特点, 分析了车轮的受力情况, 并根据车辆动力学理论给出了简化计算公式.利用凯恩方法建立了月球车的动力学方程, 并提出了基于动力学模型的车轮计算力矩控制方案, 利用MATLAB/Simulink完成了动力学模型和控制方案的仿真分析.研究结果表明,基于动力学模型的车轮计算力矩控制方案是可行的, 可以使月球车跟踪期望轨迹, 并按轨迹跟踪的精度要求来选择控制器的参数, 使得轨迹控制既满足位置精度, 同时也满足速度精度.     

可兴奋细胞的非线性动力学分析

对于临床上经常见到的异位起搏点,并行心率,心房纤颤等心脏疾病的成因,医学界一直存在分歧,从非线性动力学理论的角度出发,对可兴奋细胞的离子通道进行分析,并在计算机上仿真了由于细胞膜上离子通道的变化引起的非线性变化而导致心脏病的产生,从而为我们治疗心脏病提出一种借鉴的方法。     

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。     

一种全方位球形机器人的运动学分析

球形机器人是一种非完整系统，它利用电机作为动力输入，通过改变配重重心的位置实现了球形机器人全方位的运动。本文通过球形机器人运动学分析，考虑到运动过程中滑动摩擦等因素对运动的影响，建立了全方位球形机器人动力学模型，为该类机器人的结构与控制系统设计提供了理论依据。     

基于改进遗传算法的移动机器人路径规划

将遗传算法用于移动机器人的全局路径规划,复杂的二维编码问题简化为一维编码问题,建立边界约束、路径点必须在障碍物之外、路径点连线不能与障碍物相交等3个约束条件,以机器人行走路径最短作为适应度函数进行遗传优化,在规划好的路径上修正.仿真实验表明了该方法的有效性.     

室内智能移动机器人ZigBee无线网络定位技术

针对目前室内机器人定位方法不能同时满足定位精度、定位范围和复杂环境条件下定位的情况,提出了一种利用ZigBee无线网络、基于接收到信号强度测距的定位方法。研究通过搭建一个ZigBee无线网络室内定位系统,实时提供机器人的位置坐标,为机器人实现路径规划提供保障。通过实验对定位系统中的各项参数进行标定,并分析了影响定位精度的因素。实验结果表明,ZigBee无线网络定位系统在室内复杂环境下可实现定位,在无障碍物的条件下精度可达到0.25 m,可以满足室内机器人的定位精度要求,定位范围可根据实际需求进行扩展。     

动态环境下基于改进蚁群算法的机器人路径规划研究

针对动态复杂条件下的移动机器人路径规划问题,根据全局静态环境先验知识,提出一种改进蚁群算法。在经典蚁群算法的基础上通过调整转移概率,限定信息素强度的上下界,并引入相关策略解决死锁问题,可以避免初期规划的盲目性,增加解的多样性,提高算法的全局搜索能力,进一步减小算法早熟的可能性。在规划过程中,根据动态障碍物运行方向的变化与否,提出了相应的碰撞避免策略,并针对环境突发状况引入Follow_wall行为进行改进。仿真实验证明,该算法优于经典蚁群算法,可有效地指导移动机器人避免环境中的动态障碍物,获取无碰最优或次优路径,并能更好地适应环境的变化。     

基于改进随机蕨的移动机器人物体识别算法

物体识别是智能移动机器人的重要功能之一,针对计算机视觉领域移动机器人在约束场景,如低图像分辨率,运动模糊和背景杂乱等相关研究比较少的现状,根据移动机器人捕获图像的特点,对随机蕨算法的参数进行了调整,并对匹配标准进行了改进,取得了较好的识别正确率。该算法实时性较好,适用于移动机器人的物体识别。     

基于深度自动编码器与Q学习的移动机器人路径规划方法

针对移动机器人在静态未知环境中的路径规划问题,提出了一种将深度自动编码器( deep auto-encoder)与Q学习算法相结合的路径规划方法,即DAE-Q路径规划方法。利用深度自动编码器处理原始图像数据可得到移动机器人所处环境的特征信息;Q学习算法根据环境信息选择机器人要执行的动作,机器人移动到新的位置,改变其所处环境。机器人通过与环境的交互,实现自主学习。深度自动编码器与Q学习算法相结合,使系统可以处理原始图像数据并自主提取图像特征,提高了系统的自主性;同时,采用改进后的Q学习算法提高了系统收敛速度,缩短了学习时间。仿真实验验证了此方法的有效性。     

基于双目视觉的机器人局部路径规划

目的提出移动机器人利用双目视觉在不确定的环境中实现自主避障和导航的一种新方法．方法以视觉信息为决策依据，利用神经网络对障碍物的屏幕坐标和实际相对坐标进行非线性映射，在避障过程中只考虑障碍物相对于机器人的运动及可能的碰撞方式，无需考虑机器人和障碍物的运动速度和运动方向．结果映射点偏离屏幕中心误差越大，障碍物距离机器人越远，确定避碰策略越困难；而当障碍物距离机器人较近时确定避碰策略较容易．该方法计算量少，运算时间短，提高了机器人的实时性．结论仿真试验表明此种方法能有效避开障碍物顺利到达目标点，并减少了计算规模，提高了实时性．