基于规则法的水下避碰专家系统

针对复杂环境中船舶实现自动避碰问题,设计了一种基于规则法的智能型专家系统,即水下避碰专家系统．该系统具有多元分层知识库体系结构,采用框架式知识表示方式,实现了水下避碰知识的表示、存储,避免了传统专家系统的“窄台阶”问题．应用模糊理论,分别建立了针对水下静止目标和运动目标的碰撞危险度模型,实现了定性推理与定量计算的结合．给出了水下会遇态势分类模型,总结了水下常见的多种会遇态势．结合所建立的系统模型给出水下多目标避碰仿真示例．仿真实验结果表明,系统能对各种水下避碰情况及时给出正确的避让方案．     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

基于双层协调体系的多圆碟形AUG路径规划

为研究海流干扰和水下碍航物影响下欠驱动圆碟形水下滑翔机集群的三维路径规划问题。本文根据圆碟形水下滑翔机的设备配置和工作特点，建立了相应的能量消耗模型。提出了一种基于全局与局部双层协调的三维路径规划体系，采用最小一致偏差法完成了能耗最优目标下多圆碟形水下滑翔机的全局路径规划。根据避碰原则预测出全局路径中存在的航行危险碰撞区域，基于人工势场法进行局部路径规划，避免了滑翔机与碍航物以及不同优先级的滑翔机之间发生碰撞。仿真结果验证了所提基于双层协调体系的多圆碟形水下滑翔机三维路径规划方法的有效性。     

基于多目标决策理论的多机器人协调方法

多机器人协调问题是当前机器人技术领域的研究热点和难点、对多机器人之间的协调理论进行研究具有重大的理论和实际意义，为此，提出了一种基于多目标决策理论的多机器人协调方法，给出室内环境的拓扑建模法，在环境的拓扑图中利用A^*算法搜索出每个机器人的静态无碰路径，用拓扑图的节点保证机器人运动的大方向正确，在局部范围内根据多目标决策理论和避碰规则集协调机器人的运动，通过计算机仿真试验验证了此方法的有效性和可行性。     

基于声学图像处理的水下机器人局部路径规划

针对当前水下机器人多以前视声呐作为环境感知设备的特点,设计了一种基于声学图像处理的水下机器人局部路径规划算法.给出了基于声学图像处理的局部路径规划基本步骤.以前视图像声呐得到的声学图像为基础,进行环境分析.以串口接收声呐图像底层回波强度数据,利用迭代式阈值选择算法,进行图像分割.采用数学形态学方法去除噪声,膨化障碍物,建立环境数学模型.以距离值传递法搜索最佳路径.此算法以海上实验数据验证,得到了良好的规划结果.搜索到的路径距离短,搜索速度快,满足实验要求.实验表明,以前视声呐作为避碰传感器,进行局部路径规划是切实可行的.     

机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

考虑航行经验规则的无人船舶智能避碰导航方法

针对无人船舶在海上复杂航行条件下的自动避碰问题,基于深度竞争Q学习算法及A*算法提出了一种考虑航行经验和避碰规则的无人船舶智能避碰导航方法。通过在强化学习避碰任务和A*局部动态导航的设计中融入船舶的操纵特性,缩减了模型训练和A*算法路径规划的时间,以及将避碰经验规则转化成动态的航行限制线以获得本船周围的全部可航区域,并从全局角度衡量本船的航行态势做出避碰决策,使得避碰决策符合国际海上避碰规则和避让经验的要求。在开阔水域和受限水域中完成的仿真结果表明该方法能够成功避让所有船舶和静态障碍物,具有重要的工程应用价值。     

交叉相遇局面让路船自动避碰行动方案

为研究交叉相遇局面让路船自动避碰方案,通过局面要素将局面分为4个阶段,基于避碰规则和海员通常做法研究各个阶段自动避碰行动。紧迫局面形成点和紧迫危险形成点的计算以MMG模型和圆形船舶领域模型为基础,依靠基于龙格库塔方法和二分法的数学模型实现。改进的碰撞危险度模型以空间碰撞危险度和时间碰撞危险度基于海员通常做法合成。一种新的最有效避让方式比较模型用于产生碰撞危险产生以前和紧急情况下的自动避碰方案。以一艘交叉相遇局面让路船为对象进行仿真,验证采用的数学模型并生成应采取的自动避碰行动。结果表明:MMG模型精度满足要求;基于二分法的局面要素数值化计算模型能可靠、快速地收敛;可生成符合避碰规则和海员通常做法的自动避碰方案。     

基于BP神经网络控制的多机器人运动规划(Ⅰ)

对多个机器人在简单环境中的运动的研究,利用多机器人控制的神经网络模型,将BP神经网络应用于机器人与障碍物,机器人与机器人之间的避碰行为控制,对机器人进行的行为设计.讨论了机器人训练神经网络及运动规划.实验结果表明了该方法的有效性.     

速度矢量坐标系下水下机器人动态避障方法

针对水下机器人能力有限问题设计了一种适应水下机器人能力的动态避障方法.以水下机器人对运动障碍物的相对速度信息建立速度矢量坐标系,在坐标系内,根据水下机器人速度矢量和障碍物速度矢量的相互关系以及水下机器人的能力,确定理论上能够避开障碍物的期望速度解集,然后按照满足碰撞时间条件的最小转艏避障原则求解水下机器人最优期望速度的大小和方向,使水下机器人能够以相对小的代价安全避开动态障碍物.仿真研究验证了此规划方法对躲避动态障碍物的有效性,该研究大幅度提高了水下机器人的智能水平.     

移动机器人动态避障算法

把滚动规划和径向基函数神经网络（RBFNN）预测相结合,提出一种动态不确定环境下移动机器人局部路径规划过程中,针对动态障碍物的新的混合避障算法.利用摄像镜头采集动态障碍物的移动轨迹,提取形心序列,利用RBFNN建立预测模型.在移动机器人实时规划时,根据当前位置在超声波传感器的扫描范围内建立滚动窗口.当检测到动态障碍物进入滚动窗口以后,才开始进行预测计算.根据动态障碍物相邻时刻的三个时间序列值,来预测障碍物下一时刻的运动轨迹,从而把动态障碍物的避障问题转化为瞬时静态障碍物的避障问题,实现实时规划.这种算法能够提高动态避障的安全性和规划的实时性.仿真结果证明了算法是可行、高效的.     

改进人工势场法的冗余机械臂避障算法

针对传统人工势场法应用于串联型冗余机械臂避障时无法约束各关节位姿、陷入局部极小后难以逃离的问题,提出一种改进人工势场法.建立冗余机械臂运动学模型,采用线段球体包络盒模型进行碰撞检测.在笛卡尔空间内建立末端引力势场和障碍物斥力势场,在关节空间内建立目标角度引力势场,所有势场共同作用引导机械臂运动.在关节空间内求解虚拟目标角度并采用高斯函数建立虚拟引力势场处理局部极小问题.利用七自由度冗余机械臂进行仿真和实验,结果表明:算法可约束各关节位姿,陷入局部极小后可引导机械臂逃离局部极小,最终完成避障;避障结束时各关节角度最大误差为0.8°,末端平均位置误差和平均姿态误差分别为0.010 m和2.40°,均小于传统算法;避障过程中各关节运动幅度小于传统算法.改进算法可引导机械臂逃离局部极小并完成避障,同时提高避障结束时各关节及末端的定位精度,对冗余机械臂的避障研究及应用具有一定的指导意义.     

基于旋转势场法的双足机器人避障路径规划方法

针对双足机器人在实际环境中运动时难以实时规避障碍物的问题,本文提出了基于旋转势场法的避障路径规划方法。该方法将足迹规划思想引入基于势场法的局部实时路径规划中,通过设计新的障碍物旋转势场来解决传统势场法的局部极小值问题,进而利用旋转势场和足迹规划间的映射关系实现双足机器人的实时避障运动。将该算法应用到一台双足机器人上进行实验验证,现场设定障碍物使路径更接近实际作业环境,机器人顺利完成了U型场地的避障,验证了该方法的有效性。     

改进人工势场法在无人车避障中的应用

为了解决传统人工势场算法在无人车避障应用中虚拟势场作用域固定、避障角度过大的问题,建立了车辆避障模型,对障碍物进行了分类,比较了传统势场和改进势场的异同,在此基础上改进了人工势场法,优化了安全避障中人工势场圆形虚拟力场作用域模型.仿真结果表明:改进人工势场法使无人驾驶车辆在避障系统中安全避障转角跳变减小,能够满足结构化道路避障要求,实现了小角度、大半径避障.     

移动机器人模糊控制系统避障研究

对全区域覆盖的局部路径规划,采用了一种模糊控制算法,利用模糊控制算法自身所具有的鲁棒性和基于生物学上的感知-动作的行为相结合.对于移动机器人的避障系统提出了充分接近障碍策略,并对相关理论和实现方法作了深入的研究.     

一种改进dueling网络的机器人避障方法

针对传统增强学习方法在运动规划领域,尤其是机器人避障问题上存在容易过估计、难以适应复杂环境等不足,提出了一种基于深度增强学习的提升机器人避障性能的新算法模型。该模型将dueling神经网络架构与传统增强学习算法Q学习相结合,并利用两个独立训练的dueling网络处理环境数据来预测动作值,在输出层分别输出状态值和动作优势值,并将两者结合输出最终动作值。该模型能处理较高维度数据以适应复杂多变的环境,并输出优势动作供机器人选择以获得更高的累积奖励。实验结果表明,该新算法模型能有效地提升机器人避障性能。     

基于模糊神经网络的电力巡线无人机避障技术研究

随着国民经济持续稳定快速发展,,输电线路的巡检工作量日益加大,传统人工巡检已经不能满足当前输电线路巡检的需求。无人机电力巡线能够较好弥补人工巡检的不足,提高电力巡检作业的工作效率。为了获得精确的无人机与输电线路、杆塔以及附近障碍物的距离信息,采用了多传感器融合技术,通过对巡检过程中可能出现的障碍物进行建模,建立最小安全空间模型和输电线路周围电场模型,提出基于模糊神经网络的方法,对无人机电力巡线的避障技术进行了研究。仿真结果表明,该方法可以有效实现无人机在电力巡线中对障碍物的躲避。     

借助外力助推的双足机器人越障及避障方法研究

由于仿人机器人在跨越大尺度障碍时需要重心大幅度地偏移,从而导致机器人容易摔倒或是跨越的距离有限,而通过引入外力的方法能有效地改善机器人的跨越性能.本文主要研究双足机器人在额外外力的辅助下,无碰撞地跨越大尺度障碍物的问题.首先,通过树形数据结构、相对轴矢量和相对位置矢量,建立了双足机器人的仿真模型.然后,通过规划多次曲线跨越轨迹、引入整个跨越过程中的局部避障非线性约束和其他跨越约束的方法,建立起双足机器人越障及避障的多变量非线性优化模型.最终,求解出了平面6自由度的冗余机器人越障及避障的2维步态,通过仿真验证了其能够跨过高度为其腿长43%的障碍物.原理样机跨越15 cm高,为其腿长32%的障碍物,证明了本文所提越障及避障方法的有效性.     

模型预测控制下多移动机器人的跟踪与避障

提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议。首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流。在编队控制层面上,设计具有避碰的编队控制律。然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题。为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入。最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性。