基于分层模糊控制的自主车辆避障仿真

针对自主车辆在避障中所使用单层模糊逻辑控制器输入、输出变量多而导致模糊规则难以详细划分的问题,提出了将车辆避障过程划分为车辆绕开障碍物过程和车辆趋向目标过程的新方法。建立了Matlab仿真环境下精确的车辆运动学模型,并根据人类驾驶经验制定了详细的模糊控制规则,以达到理想的避障效果。仿真结果表明,该算法计算量小、运算速度快、精度高,可以满足车辆避障时的系统要求,也具有一定的工程实用价值,为下一步精确控制奠定了基础。     

TPDCM:一种新型的分布式拥塞管理方案

提出一种新型的面向区分服务网络的分布式拥塞管理方案,基本思想是利用拥塞状态反馈信息在边缘节点或主机上实施拥塞管理。该方案主要包括三个组成部分:流量控制信息协议、早期拥塞检测和流量控制算法。该方案具有以下特点:(1)在核心网络中,拥塞控制机制独立于特定的传输层协议;(2)对将要发生的拥塞做出快速响应;(3)降低网络的分组丢失率;(4)不需要在网络核心节点中保存每个传输流的状态信息。实验结果表明,与标准的区分服务网络相比,该方案能在TCP和UDP聚集之间公平地分配带宽并能显著地降低分组丢失率。     

不确定近似骨架蚁群聚类算法在滑坡危险性预测中的研究与应用

受不确定因素降雨难以准确处理的制约以及蚁群聚类算法在搜索空间容易陷入局部最优解和搜索速度慢的特征影响,为了提高滑坡危险性预测的精度,提出一种不确定近似骨架蚁群聚类算法。首先采用Gauss点概率模型来描述不确定数据,对不确定数据进行相似性度量;其次引入信息素重分配和自适应动态变量实现蚁群聚类算法局部信息素和全局信息素更新,提高蚁群聚类算法搜索速度,加载遗传算法避免蚁群聚类算法过早陷入局部最优;最后结合近似骨架理论,构建不确定近似骨架蚁群聚类算法模型,缩减迭代次数,快速搜索出聚类结果。在UCI真实数据集和延安宝塔区滑坡实验数据集上的实验结果显示,不确定近似骨架蚁群聚类 算法具有较高的聚类质量,预测精度达到93.3%,验证了算法在滑坡危险性预测中的可行性。     

基于虚拟力引导的人机协同目标抓取方法

针对力反馈遥操作中传统人工势场法无法适应于机械臂整体的避障以及在作业过程中操作者难以控制机械臂到达所需位姿的问题,提出了一种基于虚拟力引导的人机协同目标抓取方法。力反馈设备向操作者提供力觉交互。通过结合人工势场法和虚拟夹具,构建管道形虚拟力场,生成实时虚拟力引导,实现协助操作者完成从端机器人的整体避障任务并在完成避障后引导机器人返回预定义路径并趋近目标点。当进行抓取任务时,构建锥形虚拟力场,实现协助操作者操作机械臂到达目标位置和姿态。此外,提出了一种机器人运动限制方法以降低操作者的操作失误对抓取任务的影响。实验证明,该方法能有效提高目标抓取操作的成功率和操作效率。     

A Novel Navigation Method for Autonomous Mobile Vehicles

This paper presents a novel navigation method for Autonomous Mobile Vehicle in unknown environments. The proposed navigator consists of an Obstacle Avoider (OA), a Goal Seeker (GS), a Navigation Supervisor (NS) and an Environment Evaluator (EE). The fuzzy actions inferred by the OA and the GS are weighted by the NS using the local and global environmental information and fused through fuzzy set operation to produce a command action, from which the final crisp action is determined by defuzzification. The EE tunes the supports of the fuzzy sets for the OA and the NS; therefore, the capability of the navigation method is enhanced. Simulation shows that the navigator is able to perform successful navigation task in various unknown or partially known environments, and it has satisfactory ability in tackling moving obstacles. More importantly, it has smooth action and exceptionally good robustness to sensor noise.     

基于模糊力控制算法的移动机器人避障控制

根据机器人的末端执行器和外界环境表面接触与移动机器人避障控制的相似点,将力/位置控制成功应用到移动机器人的避障控制领域内.对新颖的移动机器人避障控制算法是通过在移动机器人和障碍物之间形成虚拟力场,且对其进行整定以使两者之间能保持期望的距离.因为机器人动力学模型和障碍物的不确定性会对避障控制性能造成影响,为避免碰撞,采用模糊PD的智能混合力/位置控制来整定机器人和障碍物精确距离的力场.通过仿真研究证明了算法的有效性,可为机器人设计提出可靠依据.     

基于T-S型模糊神经网络的轮式机器人避障方法研究

针对超声波传感器产生的不确定信息,研究了一种基于Takagi-Sugeno(T-S)模型的模糊神经网络信息融合避障方法;对超声波传感器所获得的数据进行融合,建立控制器输入信号和机器人速度输出之间的模式映射关系;在MATLAB环境下对模糊神经网络避障算法进行了仿真,最后在实际环境中进行避障实验;实验结果表明,该算法具有较好的准确性和鲁棒性,能够适用于移动机器人的导航需要.     

一种危险分析软件的设计与实现

危险分析是一个复杂的系统工程,单凭手工完成是难以想象的。本文系统地介绍了系统安全性分析中的危险分析及几种危险分析方法,并提出了一种计算机辅助危险分析的软件设计,最后指出了目前关于危险分析计算机化尚存在的问题,为今后的继续研究提出了新的思路。     

利用动态规划和电势理论规划UAV三维航迹

用改进的电势理论规划无人机的三维航迹。充分考虑了地形威胁、火力及雷达威胁同时存在的情况,并对它们的权重对航迹规划的影响进行了研究。通过限制航线到包含任务起止点直线的距离,不但克服了电势法无法收敛目标点的问题,而且可以缩短飞行航程;研究惩罚函数中各因素不同权重对飞行航线的影响,选择出最优权重系数;通过仿真试验可知,该方法能够成功地为无人机规划出安全的飞行路径。     

一种复杂环境下移动机器人避障新方法

为解决基于传统人工势场法的机器人避障算法在陷阱区域或在障碍物前会产生震荡而导致机器人不能到达目标点的问题,提出一种带记忆功能的沿边法;通过记录和分析障碍物边缘人工势场法的局部最小点来判断目标点是否被障碍物包围,从而避免机器人来回震荡以及围着目标点旋转的现象;首先进行沿边行为激活和退出条件研究,然后进行局部最小点记录条件分析,最后给出了目标点被障碍物包围的判断准则;仿真实验,结果表明该方法解决了复杂环境下机器人的避障问题;该方法用于复杂环境下的机器人避障是可行的、有效的.