基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

足球机器人路径规划的PSO方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法。为适应PSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子（即解）的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性。     

足球机器人路径规划的 PSO 方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法.为适应 PSO 算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点.进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性.     

足球机器人路径规划算法的研究及其仿真

研究足球机器人路径规划优化问题,足球机器人由于赛场情况千变万化,系统本身存在非线性,环境也具有时变性特点,要求机器人相互协作实时性要求高。结合足球机器人系统特点,提出一种蚁群算法的足球机器人路径规划算法。把每一只蚂蚁看作是一个机器人,蚂蚁根据信息素调整自己的前进方向,通过蚂蚁间的信息交流和相互协作快速找到一条最短的机器人运行无碰撞的路径。采用算法进行测试,结果表明,用蚁群算法较好地克服了局部最优的缺陷,获得最优路径,且无碰撞现象,符合足球机器人路径规划的实时性要求。     

足球机器人动态路径规划方法研究

针对机器人足球系统的高度实时性、不确定性,提出了一种基于统计预测的路径规划方法,该方法考虑到障碍物的速度大小和方向的不确定性,用数学统计的方法对障碍物的运动进行建模;机器人在运动过程中,根据得到的环境信息在机器视觉范围内建立预测窗口和避障窗口,在预测窗口内,机器人根据障碍物的信息建立障碍物的预测区域,在避障窗口内,机器人根据自身的位置与障碍物的预测区域,分别调用切线法或滚动窗口法进行路径规划;该方法属于局部路径规划方法,机器人在移动过程中需要不断更新环境信息来进行避障.     

足球机器人路径规划的改进型人工势场算法研究

传统人工势场法不能适应复杂动态环境且容易产生局部极小,论文提出了一种改进型的人工势场算法,该算法考虑了机器人和障碍物的速度、加速度等动态特性,对传统人工势场进行了有效的调节,使其能更好地适应动态复杂环境,对局部极小问题进行判定,通过改变斥力场和引力场的影响力来解决局部极小问题,将该优化算法运用到足球机器人仿真比赛中,结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划,弥补了传统人工势场的不足。     

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.     

基于路径预测的机器人足球路径规划

针对常用的机器人路径规划算法过于复杂并且在每个运动周期都计算路径的问题,提出了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;用微量调整动态控制机器人左右轮速度,并充分利用折线路径的短距离优势,为避障机器人创建一条最短路径;以基于周期性预测在同个时间轴上的相交作为碰撞信号,来减少每个周期的重复性计算时间.实验结果表明,该方法能大大提高机器人路径规划的速度,降低不同周期上路径规划结果不一致导致的运动震荡.     

基于Bezier曲线的足球机器人进攻路径规划

分析了目前足球机器人采取一般进攻路径的特点,指出其不足,提出了理想的进攻路径曲线应为短而平滑的进攻路径,并采用基于Bezier曲线的方法拟合出该曲线,最后通过仿真实验平台验证了该方法的可行性和有效性.     

冗余机器人的双向自运动路径规划

冗余机器人的自运动路径规划是在保持手端任务向量不变的情况下,在关节空间内寻找一条连接机器人初始关节构形和期望关节构型的几何路径.本文给出一种双向自运动路径规划算法,其基本思想是使位于初始关节构形的真实机器人和位于期望关节构形的虚拟机器人在自运动流形上运动并收敛到同一关节构形,从而得到一条连接初始和期望关节构形的自运动几何路径.该算法克服了以往算法容易陷入局部极小构形的缺陷.仿真结果证实了算法的有效性.     

RoboCup比赛环境下足球机器人路径规划研究

RoboCup中型组足球机器人比赛具有高度的对抗性和实时性．比赛中机器人需要针对不同的比赛态势进行角色切换和任务选择．在这种环境下，应用传统人工势场或一般改进型人工势场的路径规划方法都无法得到令人满意的结果．将障碍物与机器人之间的相对速度矢量以及目标与机器人之间的相对速度矢量分别引入人工势场法中，对传统的势场函数进行了改进；并根据机器人的不同角色和任务，采用模糊逻辑方法对势场函数进行修正，提出一种处理多角色多任务环境的改进型人工势场法机器人路径规划方法．仿真试验和实际应用验证了此算法存足球机器人比赛系统中的可行性．     

基于改进势场法的足球机器人避障路径规划

分析了势场法用于移动机器人路径规划中产生目标不可达问题的原因, 提出了改进的斥力势场函数, 将机器人与目标的相对距离考虑在内, 以确保总的势场力在目标位置全局最小. 改进的势场法应用于足球机器人避碰控制. 仿真与应用结果表明, 它能有效地解决在目标附近有障碍物时目标不可达问题.     

自反馈生物激励神经网络机器人路径规划

针对传统神经网络机器人路径规划中存在需要学习,对运动目标追踪速度较慢的问题,提出了一种带自反馈的生物激励神经网络机器人路径规划方法。该机器人路径规划算法的路径生成过程是由神经网络组成的动态变化的神经元活性值状态路线图来实现的。通过神经元活性值的传播,机器人被目标点全局吸引,同时障碍物使自己处在活性值最低点,起到推开机器人以避免碰撞的目的,为了增强算法对运动目标的追踪能力引入了新的权值函数求取方法。仿真结果表明该方法生成的路径是连续的、平滑的,比原方法产生的路径更优,并且算法能对快速变化的动态环境作出迅速反应。     

基于改进型遗传算法的足球机器人路径研究

目前针对足球机器人路径规划,主要采用栅格法和链接图法,但栅格法无法达到精确的规划路径,而连接图法主要针对具有复杂多边形的障碍物,这两种方法不能满足足球机器人实时性的要求.为此采用简化编码方式和格雷码,建立了以路径最短、避障为优化目标的遗传算法适应度函数,采用轮盘赌选择,单点交叉,基本位变异等方法,完成了遗传操作.仿真结果表明:在建立的约束关系下,改进型遗传算法在路径最短方面比人工势场法有所改进,表现出较好的优化效果.     

基于个性演化的多机器人自组织

多机器人系统协调是一个影响系统效率的重要问题.传统的基于规划和学习的方法,因为都需要自上而下的设计或督导信息,在复杂环境下的适应能力有限.自组织是一种非常有效的自下而上的设计思路,但具体实现的系统很少.本文引入了单个机器人"个性"的概念,设计了代表个性的价值函数和个性演变的方式,通过机器人个性不同来影响机器人的决策,从而实现了多机器人系统的自组织协调.仿真说明了这一思想的有效性.     

人工势场法在足球机器人路径规划中的应用

针对目前人工势场法在足球机器人比赛平台中应用的一些不足和缺陷,综述了人工势场法原理和几种不同的势函数表示方法,阐述了目前国内外对该方法的各种改进算法和与其他方法相结合的应用;在分析足球机器人比赛平台动态不确定性特点的基础上,重点研究人工势场法在足球机器人比赛平台中的应用和改进,此基础上分析和总结了各种方法的优缺点和目前存在的问题,提出对今后工作的几点展望和下一步工作方向.     

基于文化萤火虫算法的足球机器人动态路径规划

提出一种基于文化算法框架的萤火虫优化算法,结合动态避障和滑模控制求解足球机器人动态路径规划问题,并利用数学定理证明算法的收敛性.根据足球机器人在比赛中承担任务的分工不同,分别对进攻和防守两种角色进行分析讨论,进攻时结合动态避碰的方法平滑和修正规划的路径;防守时通过滑模控制跟踪足球或对手机器人的轨迹,利用CFA算法进行整定优化滑模控制的参数,计算出机器人的运行速度和角速度.以足球机器人比赛实例进行测试,实验结果证实所提出算法无论对无碰撞危险还是有多个障碍物机器人碰撞危险等不同情况,都具备有效性和高效性.考察路径采样点数、种群数量和进化迭代次数等参数变化对收敛性能的影响,并将所提出算法与PSO和ACO等进化计算算法进行性能比较,验证了算法更容易搜索到全局最优解,有更好的收敛性能.     

基于改进势场法的足球机器人路径规划系统

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现避障失败现象.足球机器人比赛系统场上障碍物情况复杂,尤其是在边界附近和禁区附近,传统势场法较难胜任.根据足球机器人比赛平台特点和赛场上较常出现的情况,重点对边界附近和禁区附近的机器人路径规划进行分析研究,根据比赛平台的特点将周围环境的物理特点转化成特定的数学表达式,糅合到传统势场函数公式中进行改进处理,从而构造出能够适应足球场地环境的人工势场路径规划系统.仿真实验结果证明该方法是有效的.     

基于神经网络和遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法.用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数.通过仿真实验表明该方法具有较高的实时性和有效性.     

基于扩散方程的改进型路径搜索算法在机器人足球中的应用

通过对扩散方程基本理论的研究,提出一种基于扩散方程的路径搜索法。在深入研究传统扩散方程路径搜索方法优缺点的基础上,进一步提出基于扩散方程的改进型路径搜索算法,并将其用于机器人足球的运动路径规划。通过仿真机器人足球实验表明该算法可行且有效。