轮式机器人模糊遗传PID转向控制实验研究

为了对模型复杂的轮式地面机器人进行转向控制，应用了模糊遗传PID控制方法。先用模糊神经网络建立车体模型，再用遗传PID进行参数寻优，最后用优化参数控制机器人转向。该方法能直观地判断PID参数是否有效。经过对车体转向控制的实验研究，控制效果良好。     

基于预瞄模糊PID控制的嵌入式轮式机器人设计

采用ARM作为核心处理器件设计了一款自动寻迹的轮式机器人并完成寻迹实验.基于模仿人工驾驶思想将多点预瞄和模糊PID控制结合提出了多点预瞄模糊PID控制方法.经调试,轮式机器人能分别按照直线、虚线道路行走,并能完成自动寻找目标道路等行为.重点给出了控制器与硬件电路图设计.实验表明,机器人完全能满足性能要求,为新型轮式移动机器人的设计提供了方案.     

基于模糊PID的轮式移动机器人轨迹控制

本文针对实际的轮式自主移动机器人轨迹控制和定位问题提出了一种解决方法。利用模糊PID复合控制器实现移动机器人的轨迹控制，利用陀螺、磁盘罗、里程计进行多传感器融合定位。在计算机仿真和实际的轮式移动机器人的轨迹控制、定位实验中，与使用PID控制器的方法进行了比较，结果表明了多传感器融合、 模糊PID在解决轨迹控制和定位问题上的优越性。     

基于行为优先与模糊控制的移动机器人导航

由于动态未知环境下自主移动机器人的导航具有较大困难,为实现自主机器人在动态未知环境下的无碰撞运行,文中将行为优先级控制与模糊逻辑控制相结合,提出4种基本行为控制策略:目标寻找、避障、跟踪和解锁.针对'U'型和'V'型障碍物运行解锁问题,提出了行走路径记忆方法,并通过构建虚拟墙来避免机器人再次走入此类区域.仿真实验表明,所提出的控制策略可有效地运用于复杂和未知环境下自主移动机器人的导航,且具有较好的鲁棒性和适应性.     

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.     

基于FPGA+ARM的视觉导航轮式机器人

根据自动运输的需求,以FPGA+ARM为核心,设计一种基于视觉导航的自主式轮式机器人,使用FPGA控制图像的实时采集、存储和显示,用ARM实现路径识别、通信并控制执行机构和传感器。路径识别的基本思想是采样二值化并去噪,再检测出场景中的路径,由路径跟踪模块进行导航计算。实验结果表明,该机器人的控制准确可靠,能正确地跟踪预先设置的引导轨线。     

多移动机器人轨迹跟踪控制系统设计与实现

针对轮式移动机器人的轨迹跟踪控制问题,在分析了机器人运动学模型的基础上,构建多机器人的领航-追随模型;采用跟踪微分器在输入输出两端安排过渡过程,设计了一种基于多变量解耦的非线性PID轨迹跟踪控制器;搭建以Arduino Mega 1280控制板为核心的移动机器人实验平台,采用速度PID控制器以满足机器人驱动电机的实时调速要求,基于ROS提出一种结构化和模块化的多机器人控制系统;在此基础上进行实验,并将实验结果与传统PID方法控制的实验结果进行对比;实验结果验证了文章所提算法的有效性,控制器易于实现且具有一定的鲁棒性。     

轮式移动机器人智能变结构控制算法研究

针对参数摄动和存在外部扰动的轮式移动机器人的运动控制问题,设计一种多模态控制和模糊PID控制可相互切换的智能变结构控制器.从轮式移动机器人的运动学特性出发,根据轮式移动机器人误差的状况,提出多模态控制和模糊PID控制相结合的控制方法.同时,多模态控制按照误差的变化情况来划分控制模态,是一种更加合理地模仿人思维的控制方法.仿真结果表明,与传统的PID和模糊PID控制方法相比,能较好地弥补了系统参数摄动的影响,提高了机器人运动控制品质.     

结合融合函数的双轮机器人二型模糊控制

针对双轮自平衡机器人的运动控制,设计了区间二型模糊逻辑控制器(T2FLC),提出函数融合的方法,解决模糊控制器规则繁杂的问题。首先对双轮机器人进行运动学建模,针对机器人的数学模型,设计双闭环二型模糊自适应PID控制器,分别控制机器人的直立平衡和行走速度。将机器人的反馈变量进行函数融合,简化T2FLC的模糊规则。对设计的控制器进行仿真,结果表明T2FLC比PID控制器具有更快的响应速度。进一步考虑输入扰动和机器人数学模型参数不确定对控制器的影响,仿真表明T2FLC具有更好的抗干扰能力和更强的鲁棒性。     

基于强化学习和模糊逻辑的移动机器人导航

自主导航是移动机器人的一项关键技术。该文采用强化学习结合模糊逻辑的方法实现了未知环境下自主式移动机机器人的导航控制。文中首先介绍了强化学习原理,然后设计了一种未知环境下机器人导航框架。该框架由避碰模块、寻找目标模块和行为选择模块组成。针对该框架,提出了一种基于强化学习和模糊逻辑的学习、规划算法：在对避碰和寻找目标行为进行独立学习后,利用超声波传感器得到的环境信息进行行为选择,使机器人在成功避碰的同时到达目标点。最后通过大量的仿真实验,证明了算法的有效性。     

基于增强转移网络（ATN）的室外移动机器人道路图像理解

道路图像理解是室外移动机器人视觉导航自主驾驶研究中的一个关键技术 ,由于基于视觉导航的室外移动机器人自主驾驶时 ,对实时性和鲁棒性要求很高 ,因此 ,为了满足室外移动机器人自主驾驶的实时性和鲁棒性要求 ,将人工智能研究句法分析中的一个形式体系——增强转移网络 (ATN )成功地应用于室外移动机器人的道路理解中 ,进而提出了基于 ATN的室外移动机器人道路图像理解算法 ,该算法在统一的 ATN构建思想指导下 ,针对不同的道路情况 ,不仅可以灵活地构建出不同的道理理解 ATN网络 ,还可达到本质上的统一及应用上的灵活。经实验检验 ,该算法在满足系统要求的鲁棒性条件下 ,具有非常高的实时性 ,即能充分地满足自主移动机器人高速自主导航的需要     

基于改进的遗传算法和模糊逻辑控制的移动机器人导航

本文给出了一种用遗传算法学习模糊规则以完成移动机器人导航的方法.采用了变长度编码 方法和竞争型小生境遗传算法，减少了染色体的尺寸和复杂度，同时提高了学习速度．本文 考虑了轮式移动机器人的运动模型，将更符合实际情况的左右轮速度作为模糊规则的输出． 整个学习过程在仿真环境下完成后，在仿真和自行开发的全局视觉平台上对学到的规则进行 了验证，实验结果证明了方法的正确性．     

单目视觉移动机器人导航算法研究现状及趋势

拥有自主导航能力的移动机器人在救灾、家政等人类生活中使用得愈加广泛.单目视觉导航算法作为机器人视觉导航中的一种,具有成本低、距离不受限的优势,但仍存在尺度不确定性和初始化问题.该综述根据对移动机器人的运动性质研究,主要从障碍检测、空间定位、路径规划三个方面对单目视觉导航技术进行了模块化分析,并以单目视觉导航算法的关键技...     

基于模糊神经网络的六足机器人自主导航闭环控制系统设计

针对未知环境中六足机器人的自主导航问题,设计了一种基于模糊神经网络的自主导航闭环控制算法,并依据该算法设计了六足机器人的导航控制系统．算法融合了模糊控制的逻辑推理能力与神经网络的学习训练能力,并引入闭环控制方法对算法进行优化．所设计的控制系统由信息输入、模糊神经网络、指令执行以及信息反馈4个模块组成．环境及位置信息的感知由GPS（全球定位系统）传感器、电子罗盘传感器和超声波传感器共同完成．采用C语言重建模糊神经网络控制算法,并应用于该系统．通过仿真实验,从理论上论证了基于模糊神经网络的闭环控制算法性能优于开环控制算法,闭环控制算法能够减小六足机器人在遇到障碍物时所绕行的距离,行进速度提高了6.14%,行进时间缩短了8.74%．在此基础上,开展了实物试验．试验结果表明,该控制系统能够实现六足机器人自主导航避障控制功能,相对于开环控制系统,能有效地缩短行进路径,行进速度提高了5.66%,行进时间缩短了7.25%,验证了闭环控制系统的可行性和实用性．     

视觉导航中基于模糊神经网的消阴影算法研究*

在实际的应用中,由于室外移动机器人面临着复杂的环境,道路中充满阴影、水迹等环境噪声.这些噪声严重地损害了以往的各种视觉导航算法的鲁棒性.提出了一种新的面向室外移动机器人导航的阴影消除算法.详述了使用模糊神经网在低分辨率图像上对阴影进行识别,利用遗传算法进行网络结构优化,最后消除原始图像中阴影的方法和过程.同时给出了利用该算法在THMRIII室外移动机器人上进行的实验结果.     

农用轮式移动机器人相对位姿的求解方法

在基于单目视觉的自主导航中，由于农用轮式移动机器人相对于跟踪路径位姿的传统求解算法，往往存在忽视图像中各像素点权重不同和计算效率不理想等缺陷，因此，针对农田环境特点，在分析地面上直线路径透视成像特性的基础上，提出了一种农用轮式移动机器人相对位姿的求解方法。该方法首先建立起被跟踪路径在图像平面上的像素坐标与机器人相对位姿间的关系方程，然后结合Hough变换的思想直接求出位姿值。实验结果表明，该方法不仅可以有效地弥补传统算法的不足，而且测量精度也与当前其他类似研究的水平大致相当。     

智能车辆的滑模轨迹跟踪控制

智能车辆是集各种机械装置、传感器、计算机于一体的复杂非线性系统,其轨迹跟踪控制器是研究的关键技术之一。针对高速自主导航智能车辆轨迹跟踪控制器鲁棒性、精确性和实时性的高要求,在智能车辆结构组成与运动模型基础上,设计了一种滑模变结构控制器。通过控制智能车辆的线速度和角速度实现智能车辆对任意路径的跟踪,并用Matlab进行了仿真实验。结果验证了该方法的有效性和可靠性。     

Design of a PID optimized neural networks and PD fuzzy logic controllers for a two‐wheeled mobile robot

In this paper, two intelligent techniques for a two‐wheeled differential mobile robot are designed and presented: A smart PID optimized neural networks based controller (SNNPIDC) and a PD fuzzy logic controller (PDFLC). Basically, mobile robots are required to work and navigate under exigent circumstances where the environment is hostile, full of disturbances such as holes and stones. The robot navigation leads to an autonomous decision making to overcome an obstacle and/or to stop the engine to protect it. In fact, the actuators that drive the robot should in no way be damaged and should stop to change direction in case of insurmountable disturbances. In this context, two controllers are implemented and a comparative study is carried out to demonstrate the effectiveness of the proposed approaches. For the first one, neural networks are used to optimize the parameters of a PID controller and for the second a fuzzy inference system type Mamdani based controller is adopted. The goal is to implement control algorithms for safe robot navigation while avoiding damage to the motors. In these two control cases, the smart robot has to quickly perform tasks and adapt to changing environment conditions while ensuring stability and accuracy and must be autonomous with regards to decision making. Simulations results aren't done in real environments, but are obtained with the Matlab/Simulink environment in which holes and stones are modeled by different load torques and are applied as disturbances on the mobile robot environment. These simulation results and the robot performances are satisfactory and are compared to a PID controller in which parameters are tuned by the Ziegler–Nichols tuning method. The applied methods have proven to be highly robust.     

A 3-level autonomous mobile robot navigation system designed by using reasoning/search approaches

This paper describes how soft computing methodologies such as fuzzy logic, genetic algorithms and the Dempster–Shafer theory of evidence can be applied in a mobile robot navigation system. The navigation system that is considered has three navigation subsystems. The lower-level subsystem deals with the control of linear and angular volocities using a multivariable PI controller described with a full matrix. The position control of the mobile robot is at a medium level and is nonlinear. The nonlinear control design is implemented by a backstepping algorithm whose parameters are adjusted by a genetic algorithm. We propose a new extension of the controller mentioned, in order to rapidly decrease the control torques needed to achieve the desired position and orientation of the mobile robot. The high-level subsystem uses fuzzy logic and the Dempster–Shafer evidence theory to design a fusion of sensor data, map building, and path planning tasks. The fuzzy/evidence navigation based on the building of a local map, represented as an occupancy grid, with the time update is proven to be suitable for real-time applications. The path planning algorithm is based on a modified potential field method. In this algorithm, the fuzzy rules for selecting the relevant obstacles for robot motion are introduced. Also, suitable steps are taken to pull the robot out of the local minima. Particular attention is paid to detection of the robot’s trapped state and its avoidance. One of the main issues in this paper is to reduce the complexity of planning algorithms and minimize the cost of the search. The performance of the proposed system is investigated using a dynamic model of a mobile robot. Simulation results show a good quality of position tracking capabilities and obstacle avoidance behavior of the mobile robot.     

Mobile robot path planning and tracking using simulated annealing and fuzzy logic control

This article describes the development and implementation of an automatic controller for path planning and navigation of an autonomous mobile robot using simulated annealing and fuzzy logic. The simulated annealing algorithm was used to obtain a collision-free optimal trajectory among fixed polygonal obstacles. C-space was used to represent the working space and B-spline curves were used to represent the trajectories. The trajectory tracking was performed with a fuzzy logic algorithm. A detailed explanation of the algorithm is given. The objectives of the control algorithm were to track the planned trajectory and to avoid collision with moving obstacles. Simulation and implementation results are shown. A Nomadic 200 mobile robot was used to perform the experiments.