基于进化势场法的足球机器人路径规划研究

本文介绍了近年来在国际上迅速发展起来的高技术对抗性活动—机器人足球。首先概述这一赛事及目前发展状况。其次简单介绍足球机器人系统各组成部分,重点放在决策部分。本文设计了基于进化势场法的足球机器人路径规划法,该方法具有结合足球机器人平台特性的优点,包括基础路径规划子系统、边界路径规划子系统和禁区路径规划子系统。通过实际比赛平台的检验,证明该设计方法是行之有效的。     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

基于自主视觉足球机器人路径规划的研究

根据自主视觉的足球机器人路径规划的特点，对其在未知动态环境下的路径规划进行了研究，对足球机器人全局定位的信息融合方法、在信息不完全或不确定的情况下对移动机器人的局部路径规划方法进行了探讨，提出了一种利用不确定的位置信息对机器人和目标进行全局定位的位置规划方法。实验证明该方法使机器人的路径规划具有更大的灵活性、快速性，使机器人控制系统具有更好的鲁棒性。     

基于Bang-Bang控制的足球机器人运动控制研究

针对Roboocup小型组足球机器人运动控制要求实时、准确、稳定等特点,采用了基于时间最优的bang-bang控制算法来进行机器人的运动控制,解决了机器人在高速的比赛中因为其自身的特性而不能实时、准确的跟踪路径规划程序生成的轨迹这一问题.仿真实验的结果和在实际足球机器人平台上的应用表明,该算法能准确有效的实现机器人的运动控制.     

改进足球机器人射门算法的研究

为了提高足球机器人射门的成功率,提出了一种改进的射门算法。通过路径规划,使得机器人沿着平滑的轨迹将位姿调整到射门状态,从对方门线的坐标点中选择射门目标点,以圆弧路径完成射门过程。通过实验演示结果与仿真分析,验证了算法的正确和优越性,有效地提高了射门效率。     

基于余弦曲线的机器人移动路径自主规划

为了将余弦曲线应用于机器人路径自主规划,提高机器人路径规划智能水平,建立了余弦曲线变换模型,设计了余弦曲线路径规划算法,针对机器人的运动特点进行了机器人余弦曲线路径规划,设计了机器人余弦曲线路径规划试验。通过仿真和试验研究得到了不同条件下机器人余弦曲线规划路径的位置、姿态,研究分析证明了模型和算法的正确性、有效性,大大提高了机器人路径规划的效率。     

基于慎思／反应混合范式的机器人足球决策系统的研究

机器人足球决策系统是机器人足球的核心技术,包括任务规划、角色分配、目标点确定、路径规划等重要环节.在模糊一致关系模型和神经网络的基础上,利用慎思/反应混合范式,综合应用了分布式智能、多智能体和移动机器人的理论,提出了一种全新的机器人足球决策系统.     

足球机器人决策系统的实现

足球机器人是人工智能与机器人技术发展至一定程度的产物，它为基于分布式人工智能理论的多智能体系统协作问题提供了研究平台^[1,5]。机器人系统的核心部分是决策子系统，本文介绍了一种决策子系统的分层控制结构设计，它由协调层，运动规划层和基本动作层组成。然后介绍了足球机器人决策系统层结构推理模型。     

新型轮式按摩机器人的路径规划算法

提出一种可实现捶、滚、揉等按摩手法的新型轮式按摩机器人,及其按摩全覆盖路径规划算法——改进的往返式路径规划算法。基于该按摩机器人及中医按摩手法,分析了轮式按摩机器人的路径规划要求和传统往返式路径规划算法特点,建立轮式按摩机器人控制系统模型。采用传统往返式路径规划算法和改进的往返式路径规划算法,分别获得3种按摩手法情况下轮式按摩机器人的运动路径。结果表明,双向往返式路径规划算法能够保证按摩机器人遍历整个背部区域,改进的往返式路径规划算法提高了按摩路径覆盖率,有助于提高按摩效果。     

基于MRDS的清洁机器人室内路径规划算法的仿真实现

针对目前室内清洁机器人的路径规划算法理论研究较多,而难以应用于实践的问题,建立了清洁机器人相对定位的数学模型,通过使用清洁机器人的迂回式路径规划、回字形路径规划、包围式路径规划和启发式路径规划算法进行了研究,分析了路径规划算法的具体实现过程.利用微软机器人开发平台（MRDS）,使用可视化编程语言（VPL）,对4种路径规划算法进行仿真实验.对启发式路径规划中激光测距仪的返回数据进行了分析,将单位时间内各路径规划算法的转弯角度作为评价算法优劣的标准,比较了各路径规划算法的优缺点.研究结果表明,启发式路径规划中,清洁机器人能够根据当前的环境信息选择最佳路径,相同时间内所用转弯角度最少,该算法优于其他算法,具有一定的推广价值.     

机器人室内路径规划算法的实用性研究

机器人研究领域中的一个关键分支即路径规划技术,本课题在机器人P3-DX实验平台的基础上,通过栅格化建模对室内的环境实现分块。4种路径规划〖CD2〗回字形路径规划、迂回式路径规划、启发式路径规划与包围式路径规划的可行性已经得到验证,为验证4种路径规划的实用性,在真实环境中将这4种路径规划算法进行了实验研究,通过软件将机器人行走后返回的数据绘制出相应的路线图,同时,根据各路径规划算法的路线图的不同重复率与覆盖率,找出效率较高的路径规划算法。     

基于改进RRT的核退役机器人避障方法

核退役机器人工作过程中,传统快速扩展随机树(Rapidly-exploring Random Tree, RRT)路径规划算法缺乏导向性,路径规划效率低,避障能力弱;为此,提出改进RRT路径规划算法,以提高作业效率和准确率。首先,引入目标偏置函数,并提出自适应步长,使RRT路径规划具有导向性,避免陷入局部最优;其次,采用启发式搜索思想,保留优于其父节点的随机搜索点为新节点;最后,修剪路径中的冗余节点,并采用贝塞尔曲线对路径进行平滑处理。在MATLAB平台上进行仿真,结果表明,改进RRT路径规划算法较传统RRT路径规划算法、RRT-connect路径规划算法效率更高,收敛性更强,可以很好地提高核退役机器人的避障能力。     

基于改进 A * 算法的四向穿梭车路径规划

针对传统四向穿梭车系统路径规划易出现路径交叉死锁问题,提出一种改进 A * 算法的路径规划算法。参考多辆穿梭车路径的路径交叉长度、路径冲突车辆总数对路径搜索的影响,使得多辆穿梭车路径分布均匀,减少车辆路径的点边冲突,降低实时路径检测中避让策略的复杂度,提高系统的稳定性与效率。栅格地图环境中,将该算法应用于复杂环境中的四向穿梭车路径规划,仿真结果表明,该算法在路径规划中是可行和有效的。     

基于启发式的快速扩展随机树路径规划算法

针对基于随机采样的路径规划缺乏确定性的问题,提出一种具有启发式的多自由度机器人路径规划算法.该算法在快速扩展随机树算法的基础上,引入了启发式估价函数,使扩展随机树有利于朝目标点方向进行生长.仿真结果表明,提高了复杂环境下机器人路径规划的效率,保证了规划的路径接近于最短路径,对同一任务的规划具有一定的可重复性.     

基于改进蚁群算法的巡检机器人避障路径规划方法设计

针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。     

面向路径规划的碰撞检测算法研究

为了提高虚拟环境下路径规划中碰撞检测的质量与效率,提出一种面向路径规划的连续碰撞检测算法。分析了面向路径规划的碰撞检测的空间与时间特点,给出了算法实现的基本流程。该方法综合运用投影技术和层次包围盒法,显著降低了计算的复杂度,便于运用在工程实践中,并在装配工艺设计工具上对其进行了可行性验证。     

机器人导航的自主选择搜索策略蜂群规划算法

为了减少机器人导航路径长度和路径规划时间,提出了基于自主选择搜索策略蜂群算法的规划方法.分析了人工蜂群算法原理,依据蜜蜂从自身认知、种群认知和其他个体认知等多种环境认知方式,对应给出了多种蜜源搜索方式;通过建立不同蜜源搜索方式的即时价值和后效价值模型,计算了蜜蜂选择不同蜜源搜索方式的概率,从而给出了蜜蜂对蜜源搜索方式的...     

基于A*算法和人工势场法的移动机器人路径规划

针对复杂非结构化环境下移动机器人的路径规划问题,提出了将全局与局部规划算法相融合的路径规划方法。首先,对传统A*方法进行了有效的改进,新的A*算法能够完成机器人的路径规划任务,利用二次A*搜索方法得到了优化后的路径点,缩短了移动机器人的行驶路径。进一步,动态切点法可以有效地对已规划路径进行平滑处理;然后,综合考虑路径和环境的情况,采用改进的人工势场方法对移动机器人进行了局部路径规划,通过增设虚拟子目标的方法解决局部极小值问题,利用自适应步长调节算法对移动机器人的步长进行了动态优化;最后,针对不同场景,利用数值仿真将该算法与传统算法进行比较,结果表明该算法在不同环境路径规划的问题上具有一定的先进性和优越性。     

基于Floyd算法的移动机器人最短路径规划研究

最短路径规划是一种点对点的路径规划方式,移动机器人最短路径规划研究即是实现始点和终点间最短路径规划问题的研究.首先采用栅格地图的方式对移动机器人工作环境建模,在建模的基础上,以垂线法方式选择移动机器人路径中的关键节点,确定关键节点的位置和权值关系,并根据所选节点,基于Floyd算法进行移动机器人的最短路径规划,以及对规划的路径算法进行简化改进,通过实验证明,改进的Floyd算法能实现移动机器人路径的最短和用时的相对减少.