不确定环境下移动机器人路径规划算法研究

该文对不确定环境下移动机器人路径算法进行了研究，并提出了一种新算法一基于两点法的模糊控制算法。首先利用两点法求出预设轨迹，然后把预设轨迹上的点作为移动机器人的阶段目标点，再利用模糊控制算法修正移动轨迹，进行路径规划。这样可以简化模糊控制规则的制定，减少模糊控制规则的数目，从而大大提高路径规划的速度。应用该方法进行了避障、道路跟踪等控制实验。实验表明，该算法具有很好的灵活性和鲁棒性。     

模糊控制在移动机器人路径规划中的应用研究

利用模糊控制算法自身所具有的鲁棒性,对室内移动机器人的路径规划进行研究.将模糊控制应用于机器人的路径规划中,提出了以墙壁为基本参照物,顺时针为主方向的路径规划策略,经多次实验建立了模糊控制表,无需图像处理,无需精确的环境模型,实现了机器人路径规划和快速避障,并最终在室内静态环境下实现了机器人的准确定位.     

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．     

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.     

基于模糊控制的移动机器人路径跟踪

建立了履带式移动机器人的数学模型.模仿人工驾驶过程中的预瞄行为,提出了一种移动机器人路径跟踪的模糊控制方法.用距离误差和预瞄角度误差作为控制量建立角速度控制器,实现对匀速行驶移动机器人的路径跟踪控制.LabVIEW仿真结果表明,提出的模糊控制方法能够保证移动机器人快速、准确的沿规划路径行驶,具有良好的鲁棒性.     

基于模糊控制的路径规划算法的实现

对未知环境下移动机器人的路径规划进行了研究,提出了一种基于模糊控制的路径规划算法.运用模糊推理,构造出一张实践效果较好的控制响应表.针对局部路径规划算法存在的死锁问题,该算法通过建立预防死锁机制,能够使机器人探测到危险区域即沿障碍物的边缘行走绕出障碍物,从而有效避免了死锁现象的发生,为解决死锁问题提供了一种新的思路.在多种环境中进行了仿真实验,仿真结果表明了该算法的有效性和可行性.     

移动机器人路径规划蚁群算法及其收敛性分析

移动机器人的路径规划是按照某一性能指标搜索一条从起点到目标点的最优或次最优的无碰撞路径.将蚁群算法用于移动机器人的路径规划,阐述了移动机器人路径规划蚁群算法的基本原理,指出蚁群算法的迭代过程是马尔科夫过程,分析了蚁群算法的收敛性,提出了改善蚁群算法收敛性的途径.仿真结果表明:该算法能够在较短的时间内规划出较优的路径,且该算法有效可行.     

一种基于APGA的移动机器人路径规划算法

提出了基于自适应并行遗传算法的移动机器人路径规划算法,其基本思想是结合多种群并行进化及自适应调整控制参数,提高了搜索的范围和效率,缓解了传统遗传算法早熟收敛问题,从而克服了使用单种群遗传算法进行路径规划的不足．实验结果表明了该算法在移动机器人路径规划中的可行性和有效性．     

移动机器人路径规划的仿真研究

针对移动机器人的路径规划问题,本文采用A*算法作为路径规划的主要搜索方法,对移动机器人的路径规划进行研究,采用较直观的栅格法进行创建地图,通过建立一系列具有二值信息的网格模型,并根据对环境建模情况,系统运用程序设计进行路径规划,使机器人按照规划好的路径移动到目标位置,并通过变更路径的起始点,验证算法的实用性。移动机器人在进行路径规划时,发现存在死锁的情况,会对路径重新规划,从而验证算法的可行性。为验证路径规划的可靠性,在Matlab仿真平台上进行算法验证。仿真结果表明,A*算法具有获得最优路线规划的特点,对路径规划具有可行性与准确性。该研究对移动机器人在进行路径规划时较为适用。     

基于A*算法的楼宇环境中移动机器人的路径规划

以A*算法为基础,在静态地图上初步规划出楼宇环境中移动机器人的全局路径,然后基于可视图法思想,采用无障碍拉直法(NOD)和拐点采集法(INC)的优化方法对路径进行了优化.以优化后路径的拐点作为局部规划目标点,再结合超声和红外传感器提供的信息,提出了一种以目标导向决策(TOD)和最近方向判决(COD)为原则的局部避障算法.综合以上全局路径规划和局部路径规划的控制方案,对移动机器人UP-VoyagerⅡ在楼宇环境中进行了地图导航控制试验,取得了理想的效果,验证了控制算法的可靠性.     

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。     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。     

基于避障切换控制的移动机器人路径规划

移动机器人能够感知周围的环境,并能够实时的规划路径到达目标点,其中避碍问题是研究的热点。设计了一种在没有详细的环境信息的情况下,移动机器人避障过程中路径规划转换的控制方案,该方案机器人可以根据运动跟踪模式、避障模式及机器人状态选择逐渐逼近目标点,在尽可能出现的任何形状障碍物情况下用Matlab软件仿真实验。 实验结果表明,提出的自适应路径规划控制方案的有效性。     

Intelligent learning technique based-on fuzzy logic for multi-robot path planning

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｃｔｕａｌｌｙ,ｍｏｒｅａｎｄｍｏｒｅｇａｍｅｒｏｂｏｔｓｙｓｔｅｍｓａｒｅｓｈｏｗｎｏｕｔｉｎｔｈｅｗｏｒｌｄ .Ｏｆｔｈｅｍ ,ｓｏｃｃｅｒｒｏｂｏｔｓｙｓｔｅｍｓａｒｅｔｈｅｍｏｓｔｐｏｐｕｌａｒｏｎｅｓ .Ｓｏｍｅｗｏｒｌｄａｓｓｏｃｉａｔｉｏｎｓｏｆｓｏｃｃｅｒｒｏｂｏｔｈａｖｅｂｅｅｎｏｒｇａｎｉｚｅｄ .Ｔｈｅｉｒｃｏｍｐｅｔｉｔｉｏｎｓａｒｅｈｏｌｄｉｎｍａｎｙｃｏｕｎｔｒｉｅｓｅａｃｈｙｅａｒ.Ｓｏｃｃｅｒｒｏｂｏｔｓｙｓｔｅｍ(ＳＲＳ) (ｓｍａｌｌｓｉｚｅ)ｉ…     

未知环境下移动机器人路径规划方法

路径规划是研究自主移动机器人技术中的一个重要领域，一般地可分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划两种类型.对未知环境下移动机器人路径规划的方法和发展现状进行了总结，指出了各种方法的优点与不足.最后对移动机器人路径规划的发展趋势进行了分析.     

机器人路径规划方法的研究现状与展望

移动机器人研究中的一个重要领域是机器人路径规划方法,它分为环境信息完全已知的路径规划和环境信息完全未知或部分未知的路径规划,通过对机器人路径规划方法研究现状的分析,指出了各种方法的优点及不足,并对其发展方向进行了展望。