基于多传感器数据融合的深海集矿机导航与定位

考虑到深海底的复杂、未知工作环境,在深海集矿机的海底导航与定位研究中提出了一种基于多传感器数据融合思想的深海集矿机导航与定位方法,该方法使用一种修正的长基线水声定位系统,采用自适应卡尔曼滤波算法,融合由长基线水声定位系统对集矿机位置的测量值和通过多普勒测速仪等其他传感器的测量值间接得到的关于集矿机位置的推测值,得出某时刻集矿机位置的最优估计;此方法适合集矿机在复杂未知的深海底环境中实现自主导航与定位任务;仿真和试验结果印证了此方法的有效性.     

深海集矿机行走的交叉耦合控制

深海集矿机作业过程,受到作业环境和集矿机自身的影响,具有未知性、随机性、非线性和模糊时变等特性。针对深海集矿机这些特点,本论文提出轨迹误差定义,建立集矿机运动方程和误差模型,基于模糊调节的交叉耦合误差补偿器在不改变深海集矿机内部速度控制环结构的条件下,通过向各履带提供附加补偿控制量,进而提高深海集矿机轨迹跟踪的精度,并以深海集矿机模型车为实验对象,对算法的有效性进行了验证。     

基于模糊神经网络的深海集矿机路径规划

探讨了深海多金属结核集矿机在作业过程中的实时局部路径规划问题,旨在解决在深海复杂特殊环境下多金属结核集矿机的自适应实时路径规划问题。采用了能实现模糊控制规则的基于强化学习方法的自学习和自调整算法来实现深海集矿机的实时运动规划,并提出了能实现模糊控制规则的基于强化学习的自学习和自调整的规划算法。设计了深海集矿机实时运动规划器结构、规划器操作过程以及相应的算法。集矿机试验样机池试试验表明该方法的有效性．可广泛应用于类似路径规划问题。     

深海集矿机多任务调度控制系统设计

设计并实现了一种基于多处理器的深海采矿实时调度控制系统,结合嵌入式ARM控制系统和实时操作系统μC/OS-II对深海集矿机的轨迹规划、实时避障、故障监测等基本实时控制任务进行划分,将划分好任务分配到固定各个多处理器系统中。采用MCDF调度算法实现全局动态调度,从理论上分析了所提出算法的可调度性,并在深海采矿多处理器集矿机控制系统中验证了算法设计有效性和可行性,为嵌入式用于深海采矿研究进行了探讨,表明了算法的有效性。     

基于滑转率的深海集矿机模型车防滑控制

建立了液压传动履带式深海集矿模型车的驱动数学模型,以滑转率为调节对象,提出了基于积分分离PID控制的深海集矿机防滑控制算法。控制器通过调节电液比例阀的开度间接调节液压马达的输出转矩,从而使集矿机的滑转率稳定在期望值附近。基于Simulink的仿真表明了算法的有效性。     

基于声纳环传感器的机器人避障研究

任何一种移动机器人要实现未知环境自主导航都必须有效而可靠地感知环境信息,而超声波传感器在检测障碍物距离信息方面应用十分广泛。介绍了旅行家II号声纳环传感系统的设计与实现原理,并对声纳的精度进行了测试。在此基础上,提出了移动机器人一种简单避障策略,并运用2种基本避障实验:静态避障和动态避障,验证了该避障策略的正确性和有效性。     

基于改进模糊算法的水面无人艇自主避障

为了提高水面无人艇（USV）在未知、复杂环境下的连续避障性能,提出一种具有速度反馈的模糊避障算法。USV利用激光扫描雷达与多路超声波传感器感知周围环境,通过对障碍物信息进行分组并设置权值的方式进行多传感器数据融合,并在模糊控制的基础上根据环境情况自动调整航速;进而提出一种考虑障碍物所有分布情况的更全面的模糊控制规则表,增强了USV对复杂环境的适应能力。实验结果表明,所提方法能通过与环境交互调整USV航速使其成功避障并优化避障路径,具有良好的可行性和有效性。     

一种新颖的基于二分法和模糊控制的移动机器人避障系统

针对超声波传感器波束角窄导致移动机器人存在避障盲区的现状,研究了一种新颖的超声波避障系统。该系统采用六个超声波传感器构成特别设计的超声波阵列,实现无盲区检测中大型移动机器人前方及左右两侧障碍物的位置,充分保障运行安全性;同时在避障算法上,采用二分法和模糊控制相结合的控制算法,简化了模糊控制规则使系统具有很好的智能性和实时性,实现了移动机器人选择最佳避障路径并对新增的动态障碍物进行避障。将此避障控制系统应用于移动机器人上,实验结果表明：在未知环境下,实现对移动机器人周边的无盲区检测,并且能够实时根据周围障碍物的动态情况选择最佳避障路径,避免了其它避障控制算法中易出现的误避障和二次避障的情况。     

基于ARM的轮式机器人避障系统设计

为了提高轮式机器人在未知环境中的避障性能,采用ARM控制器,结合多传感器融合技术和模糊控制技术,对轮式机器人避障系统进行了研究。利用多路传感器采集未知环境中搜索范围内的障碍物距离信息,根据不同的距离信息来制定具有避障功能的模糊控制算法,进而控制轮式机器人的运动状态。实验中,根据轮式机器人反馈的信息不断调整参数,以达到准确避障。实验结果表明:所提方法能够有效地解决轮式机器人在未知环境中的避障问题,在无人驾驶方面具有广泛的应用前景。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader-following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader-following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader-following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader-following算法可以用于机器人的避障控制。     

基于集成神经网络的深海机器人故障诊断研究

为了提高深海机器人多传感器系统的故障诊断能力,针对深海环境的特殊性,以及深海机器人的工作特点,提出了基于两级集成神经网络的故障诊断方法,建立了诊断子网络,从不同的方面对机器人故障进行诊断,并利用决策融合网络将诊断子网络的诊断结果进行融合会诊,得到系统最终的诊断结论;基于某型深海机器人海中试验数据进行计算机仿真实验的结果,验证了该方法的有效性和可行性。     

基于环境分层方法的双足机器人路径规划研究

为了实现双足机器人在障碍环境中的路径规划,提出一种将三维环境分层的方法,用两个截面将环境分为高于机器人身高障碍层、低于机器人抬脚高度障碍层和中间障碍层.首先在中间障碍层进行机器人轨迹规划,再根据机器人各种步态的不同损耗构建代价函数,把规划好的轨迹放到最底层进行规划修改,最终得到双足机器人在规划路径上代价最小的一系列连续的动作,通过计算机仿真实验验证了方法的有效性.     

基于修正导航向量场的AUV自主避障方法

针对复杂海洋环境下的自治水下机器人(Autonomous underwater vehicle, AUV)三维避障问题, 本文提出了一种高效的修正导航向量场方法.构建自由空间下的初始导航向量场, 引导AUV以最短路径向目标点航行.定义修正矩阵来量化描述障碍物对初始导航向量场的影响, 得到障碍空间下的修正导航向量场, 使得AUV向目标点航行的同时躲避静态障碍.通过结合障碍物运动速度, 分别构建相对初始导航向量场与相对修正导航向量场, 并采取有限时域推演与调整策略, 最终引导AUV安全躲避动态障碍.仿真结果表明, 本方法能较好地应用于复杂海洋环境下的AUV避障任务.     

A geometrical path planning method for unmanned aerial vehicle in 2D/3D complex environment

This paper presents a geometrical path planning method, and it can help unmanned aerial vehicle to find a collision-free path in two-dimensional and three-dimensional (2D and 3D) complex environment quickly. First, a list of tree is designed to describe obstacles, and it is used to query the obstacles which block the line from starting point to finishing point (blocking obstacle). Specially, the list also stores the edge information of blocking obstacle. For the obstacles with short distance, a reasonable way to fly over is studied. Then, a shortest path planning method based on geometrical computation is proposed according to different shapes of obstacles. The obstacles are convex and divided into two cases of 2D and 3D. 2D environment includes rectangular obstacle, trapezoidal obstacle, triangular obstacle, circular obstacle and elliptic obstacle. In 3D, it includes cuboid, sphere and ellipsoid. To compare with other methods, the simulation is made in different environments. In 2D environment with circular obstacles, the method is similar to the artificial potential field. In 2D environment with rectangular obstacles, the performance of the proposed method is better than A-star. Compared with genetic algorithm, the proposed method gives a better result in 3D environment with cuboid obstacles. In 3D environment with hybrid obstacles, it is similar to interfered fluid dynamical system. Through comprehensive comparison and analysis, the conclusion is that the method has good adaptability and does not require grid modeling. It can find a shorter path in 2D/3D complex environment within a short time, so it has the ability of real-time path planning.     

在动态环境中移动机器人导航和避碰的一种新方法

本文提出了基于超声传感器的信息,将改进的栅格 和回归预测法结合起来,应用于具有静态和动态障碍物的动态环境中,移动机器人THMR-Ⅱ 的导航和避碰的一种新方法．对栅格法的改进就是以障碍物为单位记录信息量,结果比原来 以栅格为单位记录的信息量少得多,克服了栅格法中存在环境信息存储量大的问题,提高了 实时性．对回归预测法也作了改进,并把它们结合起来,在求得最佳候选扇区后,使移动机 器人躲避了静态和动态障碍物,实现了导航,最终到达目标．通过三种仿真实验,结果表明 作者提出的方法是正确和有效的．     

复杂环境下基于势场原理的路径规划方法

针对势场原理所固有的几个缺陷:在相近障碍物间不能发现路径;在狭窄通道中摆动;在障碍物前振荡;存在陷阱区域;当目标附近有障碍物时无法达到目标点,提出了改进办法.改进后的势场法适用于未知复杂环境下移动机器人的路径规划,并具备一定的学习能力.仿真实验验证了该方法的有效性.     

Mita Laboratory,Electric Engineering Section,Faculty of Engineering,The Chiba University

This paper describes a local path planning method for a mobile robot to search for a path in an unknown environment by using visual information. The mobile robot system has a hierarchical path planning system which searches for a path efficiently in an uncertain environment. The planning system consists of a global planner and a local planner. The global planner gives a global path in terms of a sequence of visual sub-goals. Then the local planner generates a local path between the sub-goals with the help of a visual sensor. The main focus of this paper is on local path planning, which provides real-time guidance to the system. A visual sensor can provide useful information about the environment. So, an algorithm is proposed to generate avoiding points by using visual information to bypass unknown obstacles in the local path planning. Local path planning in a simple environment is simulated by using three-dimensional graphics. A simple experiment is also done for the case where there are two obstacles. The validity of the proposed method is verified by these simulations and experimental results.     

粒子群优化的移动机器人路径规划算法

针对移动机器人在复杂环境下采用传统方法路径规划收敛速度慢和局部最优问题,提出了斥力场下粒子群优化（PSO）的移动机器人路径规划算法。首先采用栅格法对机器人的移动路径进行初步规划,并将栅格法得到的初步路径作为粒子的初始种群,根据障碍物的不同形状和尺寸以及障碍物所占的地图总面积确定栅格粒度的大小,进而对规划路径进行数学建模;然后根据粒子之间的相互协作实现对粒子位置和速度的不断更新;最后采用障碍物斥力势场构造高安全性适应度函数,从而得到一条机器人从初始位置到目标的最优路径。利用Matlab平台对所提算法进行仿真,结果表明,该算法可以实现复杂环境下路径寻优和安全避障;同时还通过对比实验验证了算法收敛速度快,能解决局部最优问题。     

基于激光和单目相机信息融合的智能轮椅避障策略研究

针对智能轮椅使用环境复杂多变,障碍物形状各异,单一传感器无法获得完整的环境信息的问题,提出一种基于激光传感器和单目视觉传感器信息融合的障碍物检测方法。通过单目相机和激光雷达传感器感知智能轮椅周围环境,得到障碍物的形状、距离分布状况等信息;在此基础上提出两种传感器信息的融合策略,建立局部障碍物地图,进一步采用模糊神经网络完成整体避障算法,实现智能轮椅安全、快速避障等功能。实验结果验证了文中所提避障算法的可行性及有效性。     

基于障碍预估与概率方向权值的移动机器人动态路径规划

主要研究了移动机器人在未知动态环境中的路径规划问题.提出一种将障碍预估与概率方向权值相结合的动态路径规划新方法.该方法将卡尔曼滤波引入到规划算法中,使得对障碍物运动状态的实时有效预估成为可能.同时,为实现移动机器人的实时路径规划,提出一种新的概率方向权值方法,基于周期规划将障碍物与目标信息进行融合,能够有效处理室内环境下对于障碍物的速度和运动轨迹均未知的动态路径规划问题.仿真结果以及基于SmartROB2移动机器人平台所进行的实验结果验证了该方法的有效性和实用性.