A Smooth Path Tracking Algorithm for Wheeled Mobile Robots with Dynamic Constraints

In order to avoid wheel slippage or mechanical damage during the mobile robot navigation, it is necessary tosmoothly change driving velocity or direction of the mobile robot. This means that dynamic constraints of the mobile robotshould be considered in the design of path tracking algorithm. In the study, a path tracking problem is formulated asfollowing a virtual target vehicle which is assumed to move exactly along the path with specified velocity. The drivingvelocity control law is designed basing on bang-bang control considering the acceleration bounds of driving wheels. Thesteering control law is designed by combining the bang-bang control with an intermediate path called the landing curve whichguides the robot to smoothly land on the virtual target's tangential line. The curvature and convergence analyses providesufficient stability conditions for the proposed path tracking controller. A series of path tracking simulations and experimentsconducted for a two-wheel driven mobile robot show the validity of the proposed algorithm.     

一种改进的移动机器人全局路径规划算法

基于移动机器人的安全考虑，提出了一种改进的可视图法。该方法用尽可能远离障碍物的路径表示弧，先确定可能的路径点作为节点，然后考虑可能路径，建立结点间的弧，并用Dijkstra算法求出图中的最短路径。最后通过仿真研究表明，用文章提出的方法规划的路径可以达到或接近最优路径。     

一种室内环境下移动机器人的路径规划新算法

文章首先建立移动机器人对室内环境的全局模型,通过任务规划将全局目标分解为易于实现的多个子目标。然后针对每一个子目标,根据机器人边界圆直径构建一种改进的可视图,利用可视图和Dijkstra算法得到对子目标的全局路径,从而实现全局目标的路径规划。该算法简单,适于室内环境下移动机器人的实时导航系统。     

车型移动机器人的SPRM路径规划方法

研究车型移动机器人的路径规划问题,提出一种用局部规则路图结合随机路图,辅助建立全局复合路图的环境建模方法. 在此基础上进行路径规划,提高了在障碍物附近产生的局部路径的质量,减少了由于频繁地执行避碰校验所造成的时间消耗,并解决了可行空间丢失的问题. 仿真实验验证了这种方法在车形移动机器人路径规划应用中的有效性.     

基于神经动力学的非完整移动机器人跟踪控制

主要研究了非完整移动机器人轨迹跟踪问题。基于后退控制和神经动力学生物激励模型,采用自适应参数调节的方法提出了一种新的跟踪控制器。该控制器能够生成平稳合理的速度,解决了以往大部分跟踪控制器所产生的速度突变问题,并且具有很好的鲁棒性。运用李雅普诺夫稳定性理论证明控制系统的稳定性。对连续、离散轨迹的仿真及与传统后退方法的比较分析验证了该方法的有效性。     

基于虚拟障碍物的移动机器人路径规划方法

针对城市道路环境,将全局路径规划方法和局部路径规划方法相结合,提出了基于虚拟障碍物的路径规划方法.该方法首先采用A*算法得到一条全局最优的车道路径,然后根据全局最优的路径生成虚拟障碍物,最后将虚拟障碍物与传感器探知的实际障碍物融合,采用改进的向量直方图方法进行局部路径规划.该方法不仅能够充分利用已知环境信息生成全局最优...     

基于ACS算法的移动机器人实时全局最优路径规划

以Ant Colony System（ACS）算法为基础提出了一种新的移动机器人实时全局最优路径规划方法.这种方法包括三个步骤：第一步是采用链接图理论建立移动机器人的自由空间模型,第二步是采用Dijkstra算法搜索出一条无碰撞次优路径,第三步是采用ACS算法对这条次优路径的位置进行优化,从而得到移动机器人的全局最优路径.计算机仿真实验的结果表明所提出的方法是有效的,可用于对移动机器人进行实时路径规划.仿真结果也证实了所提出的方法在收敛速度、解的波动性、动态收敛特征以及计算效率等方面都具有比采用精英保留遗传算法的移动机器人路径规划方法更好的性能.     

基于社会群体搜索算法的机器人路径规划

机器人学是现在及未来科技发展的重点,路径规划是机器人学中的一个重要课题.生物界一些群居动物有严格的等级制度和职责分工,受社会群居动物行为启发,提出社会群体搜索算法(social group search algorithm, SGSO).社会群体搜索算法对群体的分类及信息反馈机制——领导-追随机制的制定,降低了早熟的概率,交叉变异和淘汰机制的引入增加了搜索范围,减少了陷入局部最优的可能.同时,对提出的社会群体搜索算法进行了分析,从理论上证明了算法的收敛性;将社会群体搜索算法应用于机器人路径规划进行仿真,从实验中验证了算法的有效性,并与遗传算法和粒子群算法比较,进一步证明了社会群体搜索算法在机器人路径规划问题中的有效性和高效性.     

移动机器人路径规划算法综述

路径规划算法是实现移动机器人自主导航的关键技术。针对移动机器人路径规划技术进行研究,分析各算法的实现机制与原理,并系统性的总结了主流路径规划算法研究现状。根据移动机器人路径规划算法的特点,将路径规划算法分为：传统规划算法、智能规划算法、基于采样的规划算法。基于以上分类,分述近年来的主要研究成果,重点分析各类算法的优缺点。针对移动机器人路径规划算法研究现状,对其未来研究方向进行展望,为移动机器人路径规划大发展提供一定的思路。     

基于栅格空间的移动机器人快速路径规划方法

基于栅格空间的节点扩展方式,提出了一种移动机器人快速路径规划的新方法;在引人可视性概念的基础上,通过对传统八邻域法扩展节点进行改进,成功将节点间派生关系由物理相邻引申到逻辑相邻,从而完成任意方向的节点扩展;采用启发式搜索算法D*Lite进行搜索,将应用两种扩展方式的算法在VC环境下分别实现并进行了分析比较;仿真结果表明,新算法不仅极大缩短了路径长度而且显著降低了执行时间。文章提出的算法很好地解决了移动机器人快速路径规划问题。     

基于改进遗传算法的移动机器人路径规划方法研究

路径规划是机器人技术研究领域中的核心问题。本文针对机器人路径规划问题,提出了基于遗传算法的解决方案。在遗传算子的设计中,通过加入自适应调整方法使得算法更加完善,解决进化过程中因陷入局部极小值而不能到达目标点的问题。最后,在模拟环境下进行路径规划仿真,验证了算法的有效性。     

基于神经网络的移动机器人路径规划

针对移动机器人未知环境下的安全路径规划,本文采用了一种局部连接Hopfield神经网络（ANN）规划器。对任意形状环境,ANN中兼顾处理了“过近”和“过远”来形成安全 路径,而无需学习过程。为在单处理器上进行有效的在线路径规划,提出用基于距离变换的串行模拟,加速数值势场的传播。仿真表明,该方法具有较高的实时性和环境适应性。     

一种移动机器人的路径规划算法

本文提出一种移动机器人路径规划最短切线路径算法。依据此算法，机器人能顺利地避开障碍物到达目标位置，其原理简单，计算快捷，容易实现。仿真结果验证了它的有效性和实用性。     

非完整移动机器人的分段反馈稳定控制

研究一类具有非完整约束的移动机器人控制问题,首先采用一种分段连续状态反馈控制邮系统的渐近稳定,为了克服控制器在某些点出现奇异性以及由于控制器中所涉及的三角函数的周期性导致解的局部必 步利用输入／输出线化,线性近似等方法对控制算法进行了修正,数值仿真结果表明该算法是有效的。     

Motion Planning for Drift-Free Nonholonomic Systems under a Discrete Levels Control Constraint

We solve the Motion Planning Problem for nonholonomic systems without drift when their inputs are restricted to take values in a prescribed discrete levels set of finite cardinality. In particular, we propose algorithms that produce the proper sequence of input levels as well as the corresponding switching times providing exact steering when the system is nilpotent or feedback nilpotentizable. For a general drift-free system, i.e. for a drift-free system that is neither nilpotent nor feedback nilpotentizable another algorithm provides approximate steering within a permissible error. Finally, we apply the proposed algorithms in motion planning for a car-like mobile robot.     

基于生物认知的移动机器人路径规划方法

针对移动机器人在非结构环境下的导航任务,受哺乳动物空间认知方式的启发,提出一种基于生物认知进行移动机器人路径规划的方法．结合认知地图特性,模拟海马体的情景记忆形成机理,构建封装了场景感知、状态神经元及位姿感知相关信息的情景认知地图,实现了机器人对环境的认知．基于情景认知地图,以最小事件距离为准则,提出事件序列规划算法用于实时导航过程．实验结果表明,该控制算法能使机器人根据不同任务选择最佳规划路径．     

移动机器人路径规划算法的研究综述

路径规划是移动机器人的热门研究之一,是实现机器人自主导航的关键技术.针对移动机器人路径规划的算法进行研究,以了解不同条件下路径规划算法的发展与应用,系统性地总结了路径规划的研究现状和发展.针对移动机器人路径规划的特点,将其划分为智能搜索算法、基于人工智能算法、基于几何模型算法和用于局部避障算法.基于上述分类,介绍了近年...     

采用改进D*Lite算法的自主移动机器人路径规划

针对动态环境下自主移动机器人的路径规划问题提出了改进D*Lite算法;该算法在D*Lite算法的基础上,引入Bresenham画线算法对扩展节点进行可视检测,得到方向任意且避免不必要转折的预规划路径,并建立分辨率高于全局障碍图的局部障碍图,动态存储传感器实时获取的局部环境信息,充分利用局部环境信息实时重规划机器人当前位置到目标点的最优路径,提高算法的规划精度及对动态环境的适应性;仿真实验结果证明,该算法大大缩短了路径长度,并且具有可行性和实时性.     

一种新的移动机器人全局路径规划算法

提出了一种新的移动机器人全局路径规划算法．该算法不需要对环境中的障碍物特征做任何假设,也不需要建立障碍物的连通图模型,有效地克服了传统路径规划算法因为搜索而带来的计算复杂性问题,提高了算法的适应性和实时性．仿真结果证明了算法的有效性．