基于内发动机机制的移动机器人自主路径规划方法

基于内发动机机制,为移动机器人建立一种新的路径规划方法.将已有内发动机机制中基于状态的好奇心函数扩展为基于动作的好奇心函数,并建立相应的动作选择机制,更符合生物可解释性.设计障碍物分布环境下的移动机器人状态能量函数,用于决定学习的方向.实验结果表明,所建立的方法能够有效地帮助机器人学习环境知识,实现不同初始状态下的避障导航任务.同时,能量函数的设计不依赖于具体环境,即使目标点发生改变,机器人也能通过重新学习到达目标,体现出方法的高度自主性和非任务性.     

改进的混合蛙跳移动机器人路径规划算法

为了实现移动机器人在障碍环境中的路径规划,提出一种改进的混合蛙跳算法(SFLA).改进算法在原算法基础上引入交叉操作,并在青蛙更新策略中充分利用学习机制;此外提出了一种带控制参数的产生新个体的方法代替原本的随机更新操作.把路径规划问题转换为最小化问题,基于环境中目标和障碍物的位置定义青蛙的适应度,机器人依次到达每次迭代中最好蛙的位置,从而实现最优路径规划.移动机器人仿真实验中,与基本蛙跳算法和其他智能算法相比,改进算法在规划时间和成功次数上均有很大的提高.实验结果表明了改进算法的有效性.     

基于混合势场法的移动机器人路径规划

针对目前移动机器人在路径规划中出现的问题,提出一种自主移动机器人路径规划的新方法——混合势场法。分析了人工势场法的不足,找出局部极小值点的形成原因;针对人工势场法中障碍物附近目标不可达问题,采用了在斥力场函数中加入斥力因子,使得机器人顺利到达目标点;针对陷入局部极小值和振荡的问题,提出了混合势场法,通过将势场法和可视图法结合起来,使得机器人走出局部极小值和振荡区域。最后,将混合势场法应用于室内移动机器人的路径规划中,仿真实验证明了该方法的有效性。     

一种移动机器人路径规划方法的研究

该文主要是设计了一种可扩展式移动机器人,提出了基于Levenberg-Marquardt方法优化的EKF-SLAM算法、基于势场蚁群算法的移动机器人全局路径规划,并探索了一种新的最优路径搜索方法,即有机地将移动机器人局部路径规划融入全局路径规划中,并且通过机器人仿真实验完成室内移动机器人的自主导航,相比传统方法能够提高...     

一种移动机器人全局路径规划新型算法

针对模拟退火算法收敛速度慢这一缺陷，提出了一种基于共轭方向法和模拟退 火算法相结合的新型混合优化算法，并成功应用于机器人神经网络路径规划中．该算法可以 使优化解不陷入局部极值解而得到全局最优解．仿真实验研究表明：本文提出的这种新型混 合优化算法，计算简单，收敛速度快，显著提高了求解移动机器人全局最优化问题的计算效 率．     

基于改进混合蛙跳算法的移动机器人路径规划

针对混合蛙跳算法(SFLA)进行路径规划时易陷入局部最优且寻优效果较差的问题,提出一种改进的SFLA。改进算法在原算法的更新策略中引入欧氏距离和种群最优蛙,并提出一种带可调控制参数的产生新个体的方法代替原本的随机更新操作。把路径规划问题转换为最小化问题,基于环境中目标和障碍物的位置定义青蛙的适应度,机器人依次到达每次迭代中最好蛙的位置,从而实现最优路径规划。移动机器人仿真实验中,与其他算法相比,改进后的算法成功次数由82提高到98,规划时间由9.7s减少到5.3s。实验结果表明,改进算法具有较强的安全性和寻优性能。     

一种动态环境下移动机器人的路径规划方法

本文提出了在动态环境中，移动机器人的一种路径规划方法，适用于环境中存 在已知和未知、静止和运动障碍物的复杂情况．采用链接图法建立了机器人工作空间模型， 整个系统由全局路径规划器和局部路径规划器两部分组成．在全局路径规划器中，应用遗传 算法规划出初步全局优化路径．在局部路径规划器中，设计了三种基本行为：跟踪全局路径 的行为、避碰的行为和目标制导的行为，采用基于行为的方法进一步优化路径．其中，避碰 的行为是通过强化学习得到的．仿真和实验结果表明所提方法简便可行，能够满足移动 机器人导航的高实时性要求．     

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。     

基于细胞自动机的移动机器人路径规划算法

针对移动机器人全局最优路径规划问题,提出一种基于细胞自动机的路径规划算法.该算法首先将移动机器人的起点、目标点和空间障碍物定义为一组离散的细胞状态,建立环境的细胞自动机模型;然后由机器人移动的曼哈顿距离设计演化规则;最后根据演化后的细胞状态搜索最优路径.对简单和复杂环境下的机器人路径规划问题进行了仿真实验,实验结果验证了该算法的有效性.     

一种基于粒子群算法的移动机器人路径规划方法

针对结构化环境中移动机器人路径规划问题,提出一种基于粒子群的路径规划算法.该算法利用适应度函数描述环境约束及路径的距离信息,适应度函数通过神经网络计算;由路径节点构成粒子,通过混合粒子群算法进行寻优.最后,通过计算机仿真验证了该算法是合理的,并且可应用于机器人的实时导航.     

未知环境下基于有先验知识的滚动Q学习机器人路径规划

提出一种未知环境下基于有先验知识的滚动Q学习机器人路径规划算法.该算法在对Q值初始化时加入对环境的先验知识作为搜索启发信息,以避免学习初期的盲目性,可以提高收敛速度.同时,以滚动学习的方法解决大规模环境下机器人视野域范围有限以及因Q学习的状态空间增大而产生的维数灾难等问题.仿真实验结果表明,应用该算法,机器人可在复杂的未知环境中快速地规划出一条从起点到终点的优化避障路径,效果令人满意.     

基于概率路标的机器人狭窄通道路径规划

针对机器人工作空间中存在狭窄通道时,基于概率路标图的路径规划法不能有效提高狭窄通道中路标分布的合理性,研究一种基于狭窄通道辨识的混合路标规划法的混合路标采集策略,利用星形试验法辨识出狭窄通道形状,增加狭窄通道中的路标密度,使全局路标分布合理化,提高了路径规划的效率.二维和三维配置空间中的仿真实验验证了该算法的有效性.     

移动机器人路径规划技术综述

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向.     

基于学习自动机的具有内发动机的感知运动系统的建立

以学习自动机为数学模型, 结合斯金纳操作条件反射, 建立一种人工感知运动系统, 称为感知运动自动机(SMA). 该系统包括感知状态集合、动作集合、感知运动取向性映射集合等9 部分. 系统引入好奇心和取向性概念, 设计具有主动学习环境的内发动机机制, 定义并分析了取向性学习过程, 证明了系统熵的收敛性. 通过模拟斯金纳鸽子实验表明了系统的可行性和有效性, 仿真结果表明系统具有较好的自学习和自组织特性, 同时稳定性较高.

     

部分未知环境中移动机器人动态路径规划方法

针对部分未知环境,提出一种基于粒子滤波的动态路径规划方法.将全局最优路径视为受机器人运动及环境影响的变化量,采用粒子滤波算法,利用机器人运动信息预测路径,并利用实时环境信息更新路径,通过在线跟踪全局最优路径获得不断更新的全局优化路径.将传统全局路径规划先规划后执行的模式改为边规划边执行的模式,既减少了等待时间,又为机器人的移动误差及部分未知环境提供了较强的适应能力.仿真及实验验证,该方法的有效性.     

一种基于操作条件反射原理的学习模型

针对认知机器人的自主学习问题,提出一种基于操作条件反射原理的学习模型(OCLM).该模型采用状态空间、操作行为空间、概率分布函数、仿生学习机制、系统熵等进行描述,给出状态的"负理想度"的概念,定义了取向函数的计算方法.运用模型对机器人避障导航问题进行仿真实验,并对参数设置进行了讨论.实验结果表明,基于OCLM模型的机器人能通过与环境的交互获得认知,成功避障到达目的地,具有一定的自学习能力,从而表明了模型的有效性.     

一种适用于多类不平衡数据集的模糊关联分类方法

提出一种适用于多类不平衡分布情形下的模糊关联分类方法,该方法以最小化AdaBoost.M1W集成学习迭代过程中训练样本的加权分类错误率和子分类器中模糊关联分类规则数目及规则中所含模糊项的数目为遗传优化目标,实现了AdaBoost.M1W和模糊关联分类建模过程的较好融合.通过5个多类不平衡UCI标准数据集和现有的针对不平衡分类问题的数据预处理方法实验对比结果,表明了所提出的方法能显著提高多类不平衡情形下的模糊关联分类模型的分类性能.     

基于嵌入式视觉的子机器人入舱方法

提出一种基于嵌入式视觉的子机器人入舱方法, 用于子母式机器人系统中对子机器人的回收. 子机器人基于自身嵌入式平台捕获和处理入口处的引导标识图像, 根据局部颜色排布特征快速提取出标识中心, 利用最小二乘法拟合水平颜色交界线的成像斜率, 基于成像斜率-视偏角模型判别出子机器人航向与入口平面的法线关系, 从而进行运动决策使二者重合以完成入舱. 该方法无需摄像头标定和航迹测量即可准确入舱, 仿真实验验证了所提出方法的有效性.

     

基于混合位姿估计模型的移动机器人三维地图创建方法

针对室内复杂环境下的稠密三维建模问题, 提出一种基于RGB-D 相机的移动机器人同时定位与三维地图创建方法. 该方法利用架设在移动机器人上的RGB-D 相机获取环境信息, 根据点云和纹理加权模型建立结合局部纹理约束的混合位姿估计方法, 确保定位精度的同时减小失败率. 在关键帧选取机制下, 结合视觉闭环检测方法, 运用树结构网络优化(TORO) 算法最小化闭环误差, 实现三维地图的全局一致性优化. 在室内环境下的实验结果验证了所提出算法的有效性和可行性.

     

基于局部模糊逻辑系统合成的一类非线性不确定系统自适应控制

通过使用从属于系统状态区域上开覆盖的单位分解,首先将若干个局部生成的模糊逻辑系统合成而产生一种函数逼近器,与通常的模糊逻辑系统相比较,这种逼近器不仅具有万能逼近性质,而且由于局部模糊逻辑系统具有较少规则而能够保持语言可解释性;然后,通过将适当的参数植入这种函数逼近器中,能够为某些非线性不确定系统设计自适应镇定控制器;最后,通过仿真例子验证了所提出方法的有效性.