基于集员滤波的移动机器人动态环境建模

针对移动机器人动态环境建模中动态的障碍物/目标跟踪定位问题,提出了一种采用集员滤波框架来解决动态障碍物/目标跟踪的方法.与传统的概率估计方法相比,该方法无需噪声的概率先验假设,仅要求噪声未知但有界,从而保证了方法的普遍性和实用性,且能够获得动态目标的状态或参数的不确定性偏差边界,有利于与后继路径规划和运动控制的结合,以提高机器人自身的稳定性和性能.此外,该方法对于跟踪过程中突发的传感器故障或数据丢失具有一定的容错和处理能力.针对多个动态目标以不同形式运动以及测量信号丢失的情况,对移动机器人的目标跟踪问题进行了相应的仿真,仿真结果验证了该方法的有效性和鲁棒性.     

基于分布估计算法的喷涂机器人路径组合优化

针对喷涂机器人离线轨迹规划系统中路径顺序与喷涂方向同时影响喷涂效率的特点,将喷涂路径的组合与排序问题建模成开环式广义旅行商问题,并建立了相应的代价矩阵与优化目标;提出了一种基于分布式估计的路径组合优化算法,该算法在遗传算法中引入统计学习的手段,采用基于概率的模型学习和采样算法实现更好的进化效率,从而能够更加有效地获得全局最优解。通过多组数据的仿真,验证了该算法解决路径组合问题的有效性与可行性。     

三维可视化的喷涂机器人离线轨迹规划系统

传统的喷涂机器人采用人工示教的方式生成喷涂轨迹,该方法依赖工人经验,规划时间长,且不能产生最佳轨迹。为克服这些缺陷,提高喷涂机器人的喷涂质量与喷涂效率,文中通过对喷涂机器人喷涂过程建模、喷涂路径规划、喷涂过程仿真进行深入的研究与分析,建立了喷涂机器人离线轨迹规划与仿真系统整体框架。在此基础上,采用MFC和OpenGL开发了完整的离线轨迹规划与仿真系统,该系统能够针对不同的工件生成正确的轨迹,并能够进行三维可视化的仿真及效果显示。