未知环境下基于行为控制的智能车辆路径规划研究

应用模糊逻辑方法,提出了一种在未知环境下基于行为控制的车辆路径规划算法.利用嵌入式计算机PC104构建了智能车的硬件系统,通过DSP控制多只超声波传感器来获取外部环境.路径规划中设计了避障行为和趋向目标点2个基本行为,采用了行为仲裁和行为融合两种方法进行行为决策.通过仿真对比了两种决策方法的优缺点,同时证明了路径规划算法的有效性.把基于行为仲裁的模糊避障算法应用到试验用车的实际避障中,取得了满意的效果.     

基于模糊逻辑的多移动机器人自适应协作围捕

提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案,为成功实现围捕,设计了基于模糊逻辑的钳型夹击策略,模糊规则通过遗传算法学习获得.同时为躲避围捕过程中遇到的动态随机障碍,提出了基于碰撞风险的随机避障策略.围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得在MRS仿真环境下进行了模拟实验...     

基于多传感器信息融合的移动机器人避障

为了更好地解决移动机器人在未知环境下的自主避障问题,采用多传感器信息融合的方法,通过多个超声传感器对障碍物信息进行采集。合理确立模糊控制器的输入输出,通过模糊推理将障碍物距离信息模糊化,建立模糊规则并解模糊,以达到对移动机器人的安全避障的控制。通过建立移动机器人运动模型,设计了仿真平台,得到实验结果表明:该算法具有良好的可行性。     

自治式水下机器人避障行为机制研究

针对未知环境下自治式水下机器人(AUV)的运动规划问题,提出了一种基于行为的避障和趋向目标方法。根据行为动力学原理,设计了水平方面的趋向目标行为模块和避障行为模块,利用水平面的宏行为实现了水平面行为模块的融合。垂直面的行为设计根据模糊理论建立了输入"深度"和"高度"的模糊隶属度,制定了航行深度和距底高度与参考深度之间的推理规则,再通过解模糊化得到实际的参考深度的精确量。仿真结果表明:所设计的行为模型对外界环境有较好的反应性,响应正确有效,有助于提高AUV对环境的适应性。     

用于避障研究的微型仿生机器鱼3维仿真系统

基于VC++6.0开发环境和OpenGL（open graphics library）国际图形标准,在Windows系统下开发了微型仿生机器鱼3维仿真系统。该系统可以降低用实体机器鱼进行机器鱼避障能力研究的成本和减少在研究过程中对实体机器鱼造成的损害。采用多边形建模的方法构建了虚拟微型仿生机器鱼模型,模拟了鱼类尾鳍的摆动。提出了一种模拟红外传感器探测障碍物的虚拟射线方法。并采用实时模糊决策算法设计了基于多传感器信息的复合模糊控制器,决策微型仿生机器鱼的避障行为。仿真实验表明,复合模糊控制器实时性好、效率高;无论是单个任意形状的障碍物还是多个连续障碍物,复合模糊控制器都能有效地引导仿生机器鱼避开障碍物,到达目标点。微型仿生机器鱼3维仿真系统为研究仿生机器鱼的自主避障能力提供了可靠、逼真、便利的平台。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

基于模糊逻辑行为融合路径规划方法

采用基于模糊逻辑的路径规划方法,提出了一种在未知环境中基于模糊逻辑行为融合路径规划方法,设计了移动机器人路径规划方案,并介绍了该控制器的结构组成和设计过程.将模糊逻辑控制和行为控制相结合,构建了一个由避障行为、目标导向行为、模糊行为监督器组成的基于模糊逻辑行为控制的路径规划器.仿真研究和实验结果表明了避障方法的有效性和可行性.     

多障碍物环境下机器人的连续避障策略

本文针对多障碍物环境下,机器人避障过程中又出现障碍物这一情况,设计了一种避障策略,来实现机器人的连续避障并到达指定目标点的功能。在该策略中,设计了一套基于避障状态的方向选择规则,并提出了一种象限法,来决定机器人的当前行为。实验证明,该策略实现简单,并可较大限度地降低避障行为的盲目性和重复性。     

室内移动机器人自主避障研究

为了解决移动机器人在室内环境中的定位问题,设计航迹推测算法实时获取机器人的位姿信息。针对未知环境下的实时避障问题,提出基于多传感器信息融合的算法,用超声波、红外传感器对移动机器人周围的环境信息进行探测,进行数据融合,获得有效的距离信息。根据目标点信息和传感器测距信息,设计模糊控制器来实现实时避障行为。为了验证算法的可行性和有效性,在AS－R室内移动机器人平台上进行实物实验。实验结果表明：该方法能够引导机器人避开多个障碍物,到达目标点。     

机器人二维环境下仿人虚拟力场避障研究

动态环境下避障是机器人实现自主运动的关键。首先建立了适合虚拟力场算法的机器人工作环境数学描述。将人避障行走策略引入虚拟力场中,具体包括：设计了单元格障碍物可信度的邻域平滑累积值计算方法,模拟人对移动障碍物的躲避策略;建立可信度的不确定推理计算方法,处理信号和环境存在干扰问题;设计了基于目标点方位角的吸引力计算公式来解决目标点超出感知空间问题;设计了变权重加权排斥力计算方法,使机器人对前进方向的障碍更敏感;借鉴人绕开障碍物策略,采用临时旋转目标点方向得到的虚拟目标点来使机器人沿障碍物运动直到绕开。针对房间和街面环境,在MobotSim平台上进行仿真实验,给出了实验结果和分析。在合理设置参数下,机器人能避开障碍物到达目标点,且避障路径优于传统的虚拟力场方法。结果验证了该方法的有效性。     

基于动态行为控制的移动机器人自主避障

针对环境信息未知或部分未知的情况,提出动态行为控制方法使移动机器人自主避障。采用动态窗法表示结构空间,并分析环境信息,激发相应的行为进行避障,经过行为融合后得到可行的路径和速度值。其中趋向目标的行为采用模糊逻辑控制的方法,避障行为采用VFH方法加以实现。在计算过程中考虑了动力学与运动学约束条件,使得动态行为控制方法更加可行。仿真结果论证了所提出的方法的实时性与有效性。     

一种用于群体模拟的分层次避障法

个体避障是实现基于主体的(agent-based)群体模拟中一个很重要的问题,为了实现个体间以及个体和环境间的碰撞避免并杜绝穿透,人们提出了大量避障方法.但是,这些方法面临的挑战在于:如何杜绝穿透现象并最大程度地减少由于避障需求而带来的个体行为模拟上的空间限制和失真.针对这一问题,提出了一种分层次避障方法,从静态避障、动态避障、穿透矫正3个不同的层次对避障进行处理.静态避障层和动态避障层通过对物体的划分和分别避障,极大地减少了各层次避障时需要考虑的各种复杂情形;而基于可变包围盒和原位置的穿透矫正层则有效地杜绝了模拟中出现的穿透现象,也消除了现有模拟中由于避免穿透而引入的空间限制和失真.     

模糊神经网络信息融合方法在机器人避障中的应用

基于Takagi—Sugeno(T—S)模型的模糊神经网络不但具有模糊逻辑和神经网络两者的优点，又具有很好的学习能力。将基于T—S模型的模糊神经网络的信息融合算法应用在移动机器人的避障运动中，采用了多个超声测距传感器探测障碍物的距离和方向，经过模糊神经网络信息融合后，实现了机器人对障碍物和环境类型的识别以及无冲突的运动。实验表明：此方法能够使机器人安全避障。     

基于模糊控制的轮椅自主跟随与避障系统

为了减轻看护人员的负担,设计并实现了一种基于模糊控制的嵌入式轮椅自主跟随与避障系统。首先利用激光扫描雷达实时探测轮椅周围人员和障碍物的位置,并结合信号强度定位方法,将目标人员准确识别出来。然后将目标人员和障碍物的相对于轮椅的位置偏差作为输入,利用模糊控制方法,建立模糊控制规则,将跟随与避障进行综合决策,控制轮椅的线速度和角速度以实现自主跟随与避障。实验表明轮椅能准确识别出目标人员和干扰人员,对目标人员的跟随效果较好,并能在跟随过程中准确避开障碍物。     

基于多传感器信息融合的智能小车避障

针对智能小车在不确定坏境下自主避障的情况,采用超声波传感器和红外传感器相结合来感知外界环境信息。将传感器采集到的各种数据利用T-S模糊神经网络进行融合．通过实验仿真表明：此方法能够使智能小车对障碍物灵活避障．     

基于简单模糊逻辑的冗余度机器人动力学路径规划新方法

论文提出了基于模糊逻辑的冗余度机器人避障算法,算法中利用模糊规则自动调整避障控制参数,使机器人在最短的时间内做出快速回避反应,提高了系统的智能性;另一方面,算法中利用动力学控制代替了位置控制,减少了避障过程中,由于速度突变引起的关节冲击力,提高了系统使用寿命。最后通过一平面三连杆三自由度机器人进行仿真研究,结果证实了该算法的有效性。     

基于动态目标位置的智能车辆控制研究

为了真实地模拟驾驶员在动态环境中变换车道、避让静态和动态障碍物的行为方式,提出了动 态目标位置概念,并采用三次样条曲线作为车道变换的路径拟合曲线．本文以模糊逻辑为控制策略,以T-S 模 糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器, 并通过计算机仿真实现．结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,能够较为理 想地模拟实际交通环境中车辆横向运动的特性．     

基于模糊控制的超声波避障方法的研究

依据移动机器人上超声波传感器的布置和分组情况,将反映移动机器人当前感知环境的期望类别进行了概括。在此基础上分析了移动机器人的模糊避障原理,并建立了一种基于人的驾驶经验的模糊逻辑控制的路障躲避方法。通过对人的驾驶经验的分析,针对移动机器人建立了路障躲避的模糊规则,并给出了输入与输出变量的隶属度函数。在Simulink中模拟机器人行驶的环境,建立相应的模型对系统进行仿真,结果表明移动机器人能实现自主行驶。     

Reactive navigation of underwater mobile robot using ANFIS approach in a manifold manner

Learning and self-adaptation ability is highly required to be integrated in path planning algorithm for underwater robot during navigation through an unspecified underwater environment. High frequency oscillations during underwater motion are responsible for nonlinearities in dynamic behavior of underwater robot as well as uncertainties in hydrodynamic coefficients. Reactive behaviors of underwater robot are designed considering the position and orientation of both target and nearest obstacle from robot’s current position. Human like reasoning power and approximation based learning skill of neural based adaptive fuzzy inference system (ANFIS) has been found to be effective for underwater multivariable motion control. More than one ANFIS models are used here for achieving goal and obstacle avoidance while avoiding local minima situation in both horizontal and vertical plane of three dimensional workspace. An error gradient approach based on input-output training patterns for learning purpose has been promoted to spawn trajectory of underwater robot optimizing path length as well as time taken. The simulation and experimental results endorse sturdiness and viability of the proposed method in comparison with other navigational methodologies to negotiate with hectic conditions during motion of underwater mobile robot.     

基于多超声波信息融合的小车避障算法实现

智能小车根据不同传感器的传感信号,按照一定的规则来调整小车的方位角和速度,实现自主导航。成功避障是提高非结构化环境中智能小车自主能力的关键问题之一,本文提出了一种基于模糊控制的多超声波测距传感器信息融合智能小车避障算法,该算法不仅融合了多个超声波测距传感器的测量数据,对障碍物的距离和空间方位提供准确、可靠的信息,很好的实现避障行为决策,而且不依赖于对象的数学模型,具有较好的鲁棒性。