基于模糊控制的自主机器人路径规划策略研究

结合人类的经验及模糊控制理论研究移动机器人的局部路径规划问题,采用步长的转向角控制的方法模拟驾车减速的自然过程,同时采用了虚拟目标点的方法处理局部路径规划中经常出现的陷阱问题．仿真结果验证了所提方法的有效性和可行性．     

飞机牵引机器人路径跟踪模糊控制

为了提高飞机地面自动导航路径跟踪的控制精度,提出了基于模糊自适应控制的智能飞机牵引机器人纯追踪路径跟踪方法。首先建立了牵引机器人-飞机两轮简化模型,进行了路径跟踪运动分析;基于此分析,以牵引机器人-飞机系统运动速度和轨迹误差为输入,以预测距离为输出,通过模糊自适应控制实时调整纯追踪算法预测距离,设计了基于自适应模糊控制的路径跟踪控制器;通过几何仿真和虚拟样机仿真两种方法分别对所提出的方法进行了验证。结果表明,牵引机器人-飞机系统在变速运动时,路径跟踪的轨迹误差能控制在0.5 m左右,完全满足飞机地面自动牵引滑行的精度要求,验证了所提方法的有效性和适应性。     

基于FNN的轮式机器人路径跟踪研究

针对目前轮式机器人在路径跟踪时容易出现的偏离期望路径甚至打滑、侧翻失去控制等问题,对轮式机器人结构及其路径跟踪特点进行了分析,构建了轮式机器人运动学模型,设计了一种基于模糊神经网络(FNN)的行进路线和行驶速度分级控制的路径跟踪方法.第一级中模糊神经网络利用机器人位姿信息确定行进路线即转弯半径,第二级根据前方路径情况和转弯半径调节机器人行驶的角速度和线速度.仿真实验表明,所设计的模糊神经网络能够对所期望的路径进行快速准确地拟合,且鲁棒性强;轮式机器人路径跟踪过程稳定,不会出现失控现象.     

结合预测和模糊控制的移动机器人路径规划

针对移动机器人在复杂未知环境下运行时易出现局部死锁和路径冗余的问题,提出了一种结合预测和模糊控制的局部路径规划方法,并对规划过程中出现的问题提出了解决策略。将普通避障行为与沿墙走行为融合为一个模糊控制器,通过内部规则实现行为交替。针对模糊控制方法存在多U型障碍物的死锁问题,提出了累加转角和的判断方法,帮助机器人逃脱死锁状态。加入陷阱预测机制,使机器人能在一定程度上克服传感器测量范围的局限性,预测前方是否可行并做出决策,减少冗余路段。设计了基于人工势场法的有限状态机,解决了因障碍物对称而无法确定方向所产生的路径冗余。在MATLAB平台中进行了仿真测试,验证了所设计方法的可行性和有效性。     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于视野状态分析的机器人路径跟踪智能预测控制

为视觉导航自动导引车（AGV）的路径跟踪提出一种基于视野状态分析的智能预测控制模型．以最优 偏差状态转化策略取代二次型指标函数对预测控制目标的描述,避免了纯代数优化方法面临的参数选择难题．提出 一种同步控制算法,用于完全消除理想纠偏状态的两种路径偏差并维持无偏差跟踪状态．对于其它状态,则采取假 设—预测—调整的迭代算法,以实现状态转化的协调性．数值仿真和实验证明,在不同偏差状态和速度下,该算法 都能产生可实现的速度差控制量,同步、快速和平稳地消除两种路径偏差,而且,该算法计算量小,可满足嵌入式 控制系统实时处理的要求．     

基于多传感器的移动机器人路径规划

提出一种基于多传感器的移动机器人路径规划策略。利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标。采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置。实验结果验证了该路径规划算法的良好性能。     

基于多传感器信息融合的侦察机器燃路径跟踪行为研究

侦察机器人自主路径跟踪是执行侦察任务时需要的一个基本行为．首先，用简化的模糊推理方法实现了路径跟踪、障碍避让和车体平衡三个基本智能行为模块，然后通过基于行为优先级的行为协调机制将这些基本行为组合起来，实现了具有多个传感器信息输入和具有自主障碍避让和车体平衡控制能力的自主路径跟踪组合行为．算法具有模块化和分布智能的特点，实时性好，降低了算法实现的复杂性．仿真和实验结果证明了算法的有效性．     

未知环境下移动机器人安全路径规划的一种神经网络方法

针对未知环境下移动机器人的安全路径规划,采用了一种局部连接Hopfield神经网络(Hopfield Neural Networks,HNN)规划器;分析了HNN稳定性,并给出了存在可行路径的条件.如果存在可行路径,该方法不存在非期望的局部吸引点,并在连接权设计中兼顾"过近"和"过远"来形成安全路径.为在单处理器上有效地在线路径规划,采用多顺序的Gauss-Seidel迭代方法来加速HNN势场的传播.结果表明该方法具有较高的实时性和环境适应性.     

栅格地图环境下机器人速度势实时路径规划

针对智能制造工程环境中移动机器人的自动避障问题,提出一种基于栅格地图的移动机器人速度势实时避障路径规划方法。利用栅格法二值化移动机器人的工作场景,从机器人中心出发向不同方向进行栅格搜索。基于障碍物对移动机器人有排斥作用以及目标点对机器人有吸引作用的思想,通过栅格数的累加计算机器人到障碍物之间的实时距离,并以此为参数,考虑障碍物的形状、最小安全距离等因素的影响来建立负的速度增量函数;以机器人当前位置与目标点的实时距离和角度为参数建立正向速度增量函数。进而在机器人运动学模型基础上,定义速度势函数来对移动机器人进行实时速度驱动。通过设置最小速度增量,避免在零势点处的局部极小点问题;通过设立距离阈值,避免在目标点附近速度增量趋于无穷的问题。通过仿真对所提出的算法进行验证。     

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。     

一种基于罚函数的机器人路径规划方法

给出了一种基于罚函数的机器人路径规划方法;这种方法将机器人的路径规划由一系列带约束非线形规划问题转化为一系列无约束非线形规划问题来求解,仿真结果表明,罚函数方法是一种富有效率的解决机器人路径规划问题的方法,能够大幅度降低运算时间的复杂性,提高移动机器人的实时性。     

移动机器人路径规划方法研究

针对室内动态非结构化环境下的移动机器人路径规划问题,提出了一种能够将全局路径规划方法和局部路径规划方法相结合、将基于反应的行为规划和基于慎思的行为规划相结合的路径规划方法．全局路径规划器采用A*算法生成到达目标点的子目标节点序列;局部路径规划器采用改进的人工势场方法对子目标节点序列中相邻两节点进行路径平滑和优化处理．在考虑了移动机器人运动学约束的前提下,该方法不但能够充分利用已知环境信息生成全局最优路径,而且还能及时处理所遇到的随机障碍信息．仿真研究与在室内复杂环境下的实际运行结果验证了该方法的有效性．     

基于深度Q学习的移动机器人路径规划

针对传统Q-learning算法在复杂环境下移动机器人路径规划问题中容易产生维数灾难的问题,提出一种改进方法。该方法将深度学习融于Q-learming框架中,以网络输出代替Q值表,解决维数灾难问题。通过构建记忆回放矩阵和双层网络结构打断数据相关性,提高算法收敛性。最后,通过栅格法建立仿真环境建模,在不同复杂程度上的地图上进行仿真实验,对比实验验证了传统Q-learming难以在大状态空间下进行路径规划,深度强化学习能够在复杂状态环境下进行良好的路径规划。     

基于协同进化的多智能体机器人路径规划

协同进化是一种新兴的、简单有效的智能优化方法,具有较好的收敛性、鲁棒性和高效性,在多目标优化问题中得到很广泛应用。将其应用到复杂环境下多智能体机器人的路径规划中,并设计适应度评价函数。同时,引入一系列新的变异操作算子,有效地对多智能体机器人规划的路径进行优化,加速了整体的规划速度,避免规划陷入局部最优,从而获得多智能体系统的全局最优或次优解。最后给出了的仿真结果证明方法可行、有效。     

多自由度篮球机器人复杂路径跟踪控制系统设计

针对篮球机器人复杂路径识别精度偏低,运行能耗较大等问题,提出基于超声波的多自由度篮球机器人复杂复杂路径跟踪控制系统设计方法;通过MAX232芯片设计控制系统的接口电路,采用低功耗CMOS监控电路芯片MAX706构建监控电路,超声波能够精确提供机器人所遇障碍物距离信息,如有障碍则将接收到的信息进行转换,以电信号的形式反馈给主控板;软件部分利用主控板控制器的程序以及超声波测距程序的设计实现;实验表明,该控制系统有效提高了篮球机器人对障碍物的识别率,减小了系统运行所用能耗。     

改进遗传算法在机器人路径规划中的应用研究

针对静态环境下机器人全局无碰撞的路径规划问题,提出了一种将顶点图像法与遗传算法结合起来的路径规划的方法。利用顶点图像法建立了机器人的路径模型,将候选路径表示为二进制位串的形式。在此路径模型的基础上设计了适应度增量计算法,提高了算法的收敛速度。提出了将差距大的染色体进行配对的改进染色体配对方式,保证了种群的多样性。仿真实验结果验证了该方法的有效性和可行性。     

基于栅格法的移动机器人路径规划研究

文章简要阐述了基于栅格法的移动机器人路径规划算法问题,并利用C Buidler软件开发的仿真平台对该问题进行了仿真,仿真结果说明了该算法的有效性和实用性.     

机器人路径规划方法综述

路径规划技术是机器人控制技术研究中的一个重要问题,目前为止,其研究方法主要有两大类传统方法和智能方法.综述了有关机器人路径规划技术的研究方法,介绍了自由空间法等传统方法,同时讨论了基于遗传算法、模糊控制和神经网络等智能方法的路径规划技术,并展望了机器人路径规划技术的未来与发展趋势.     

光伏阵列清洁机器人路径跟踪改进型自抗扰控制

针对光伏阵列清洁机器人清洁作业过程中存在路径跟踪精度低与外界不确定干扰等问题,提出了一种改进型自抗扰控制策略来控制驱动单元模型,实现驱动单元角速度（力矩）的高鲁棒性控制,从而提高了机器人的路径跟踪精度.通过分析机器人的运动状态,得到清洁机器人实际运动位姿与期望运动位姿之间的误差.由于外界环境以及其他不确定因素的干扰,通过建立清洁机器人移动底盘带不确定干扰因素的动力学控制模型,在传统自抗扰控制器的基础上通过改进fal函数,提出了一种运动学与动力学内外嵌套的改进型自抗扰策略.改进型扩张状态观测器来实时观测并补偿不确定干扰因素,从而实现清洁机器人高精度跟踪作业目标路径.通过多种目标路径的跟踪仿真实验,最终都表现出了较好的跟踪结果.证明了本文所设计的基于改进型自抗扰控制的光伏阵列清洁机器人路径跟踪控制算法的优越性与有效性,提高了光伏阵列清洁机器人的清洁作业路径跟踪精度.