未知环境下移动机器人自主避障算法的研究

移动机器人是完成救援、运输等各种任务的重要工具,如何让机器人系统自主适应不同的复杂场景是目前的研究热点。本文针对具有静态和动态障碍物的复杂未知环境,对移动机器人进行运动学建模,提出了基于长短期记忆网络的近端策略优化避障算法。在无障碍物和有障碍物的仿真训练环境中,实现无先验地图信息情况下机器人在非结构化环境中的自主避障。仿真和实验结果表明,本文所提算法能够有效使机器人避开静态及动态障碍物,性能高于D3QN算法、PPO算法,解决了深度强化学习算法在训练机器人避障时收敛速度较慢的问题。     

基于速度分解法的移动机器人动态避碰规划

研究了移动机器人对运动障碍物的动态避障.将移动机器人的速度分解为目标方向速度和避障方向速度,通过分析移动机器人与障碍物的相对速度和相对位置之间的夹角,以此改变移动机器人的避障方向速度大小来完成移动机器人对动态障碍物的避障.仿真实验结果表明:该方法有效地克服了避碰规划的保守性,能够使移动机器人在具有多个动态障碍物的复杂环...     

激光数据聚类和Morphin算法下的机器人避障研究

为了解决移动机器人在未知环境下的避障问题,提出了一种从障碍物检测、预测到避撞的避障方法。设定圆形窗口作为机器人有效扫描区域,利用激光传感器采集到的数据结合聚类、匹配和分类算法确定障碍物类型和动态障碍物运动信息,绘制窗口内的动态局部地图来预测动态障碍物与机器人的碰撞关系,结合Morphin算法实现有效的避障。仿真实验表明,在该算法下移动机器人能够有效地检测出障碍物,进行碰撞预测,并做出合理地避障措施。     

未知环境下基于模糊神经网络的机器人路径规划

为提高移动机器人在未知环境下避障行为的成功率,通过对障碍物信息的输入,从控制输出数据中找出避障行为模式,生成相应的模糊逻辑控制规则,并把模糊控制算法引入到神经网络中,使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并最终到达目标.系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性.     

基于障碍物可达区域预测的机器人实时避障算法

针对复杂环境下的机器人路径规划与自主避障问题,提出了基于动态障碍物可达区域预测的实时避障算法.对静态障碍物进行描述和建模,建立动态障碍物状态更新预测方程,实现对动态障碍物质心可达区域的预测.分别面向动态、静态障碍物提出基于可达区域预测的多步椭圆包络势场和基于新型Sigmoid函数的势场,修正目标的对数Lyapunov引力场,给出多类型障碍物空间下的机器人实时避障算法.数值仿真和实验结果表明,与传统方法相比实时避障算法可使机器人避障过程中的路径长度更短、安全性更高及最大行驶角变化幅值更小.     

多模块式移动机器人系统的自组织协作行为

设计了一种新颖的、由4个基本功能模块组成的模块式移动机器人.针对多模块式移动机器人系统在复杂环境下的自组织协作行为,提出了目标趋向控制、多障碍物避障和自组织协调3种运动策略.分析了多机器人目标趋向运动的方向选择规则;描述了基于“感知 动作”的多障碍物避障控制策略,实现了多机器人连续避障并到达指定目标点;研究了多机器人的协调运动策略,通过多机器人协作完成了单机器人无法完成的搬重物、过台阶等任务.三维仿真结果表明了该控制策略对不同环境、多障碍物条件下多机器人协作行为的适应性.     

基于动力学系统方法的自主移动机器人行为设计

提出了动态障碍物环境下基于动力学系统方法的移动机器人行为设计.在行为动力学模型中考虑障碍物运动速度和运动方向,使得移动机器人具有根据移动障碍物的运动而调整自身线速度和角速度的能力,实现自主避障.用碰撞时间和碰撞角度描述的碰撞区域作为对移动机器人运动的约束,这样可消除无谓的避障运动.仿真结果表明所提出的设计方法能有效地改善动态环境下的移动机器人自主导航能力和工作效率.     

基于Kinect的目标跟踪与避障

利用Kinect实现室内移动机器人的目标跟踪与避障功能,其中Kinect提供的光学图像用于实现机器人视觉目标跟踪。利用Kinect的人脸识别功能,避免当环境中出现多目标时,机器人对运动目标的识别出现混乱;同时增加了增量子空间对视频信息进行及时更新,避免机器人因目标移动较快而跟丢目标;利用T-S模糊神经网络法实现避障功能,相比传统算法有效改善了其收敛性。在移动机器人CRX10上实验证实了该系统能够较好地完成目标跟踪的同时具有躲避障碍物的功能。     

移动机器人避障运动关键技术分析

随着自动化技术的进步和科技的发展,移动机器人技术越来越受到人们的重视。机器人避障和路径规划是机器人技术研究的重点。机器人避障运动首先利用单一或多个传感器搜集的外部环境信息,感知规划路线上可能存在的动态或静态障碍物,进而利用相应的避障算法,实时对目标轨迹进行调整,最终躲避障碍物,实现路径的合理规划。     

基于CM-Q学习的自主移动机器人局部路径规划

针对多障碍物未知环境下,自主移动机器人局部路径规划过程中出现的路径冗余和避障问题,提出了基于坐标匹配的Q学习算法(Coordinate Matching-Q learning算法,CM-Q算法)。首先建立自主移动机器人栅格地图运行环境;其次以Q学习算法探索和学习最佳状态-动作对,并利用坐标匹配的CM算法进行避障;最后在未知障碍物环境中进行路径规划,对所提出的算法进行验证。实验结果表明,运用该方法,自主移动机器人能在未知的简单和复杂障碍物环境下规划出一条最优或次优路径,完成避障和路径规划任务。     

一种子目标和水平集方法融合的AUV动态航路规划新算法

针对当前水下避障航路规划算法中障碍物模型偏理想化,易导致不能安全避障,且算法规划速度偏慢的难题,提出了一种基于子目标法和水平集方法的自主实时航路规划算法.算法基于AUV的前视声呐探测的障碍物部分轮廓信息,预估障碍物尺寸和中心位置,据此得出安全可靠的子目标点,再通过滚动的子目标法实现完全避障,通过水平集方法提升规划速度.仿真结果表明,提出的算法均能做到100%的避障,且避障后的航路性能质量比预先规划的全局最优航路的性能质量下降得很小:航路长度和航行时间的平均增加量均不超过5%.      

基于双层模糊控制器的动态路径规划

为解决没有通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了采用双层模糊控制器方法的危险度模糊控制器和速度模糊控制器.危险度模糊控制器充分考虑了运动障碍物的速度信息,把机器人同障碍物之间的碰撞可能性用基于碰撞时间因子和碰撞距离因子的碰撞危险度来表示,使之更适合于动态的环境.速度模糊控制器的输入充分考虑了目标...     

基于层次地图的子目标点的选择与更新策略

为了适应较大场景下多自由度移动机器人的路径规划,建立了一种新型的分层采样地图.利用第1层二维地图进行子目标点的选择和更新,从而实现子目标点对路径规划的全局引导.然后结合局部规划器和第2层九维地图进行路径搜索得到路径.考虑当前局部空间的子目标点存在被运动障碍物遮挡的情况,若当前子目标点被遮挡,则选取下一个子目标点为当前子...     

基于自适应模糊神经网络的机器人路径规划方法

为了解决传统反应式导航中的复杂陷阱问题,优化导航控制,减少计算复杂度,提出了基于自适应模糊神经网络的机器人导航控制及改进型虚目标路径规划方法.首先根据移动机器人运动学模型,融合神经网络的自主学习功能与模糊控制的模糊推理能力,提出了基于自适应模糊神经网络的机器人导航控制器,将生成的Takagi-Sugeno型模糊推理系统作为机器人局部反应控制的参考模型.该自适应模糊神经网络控制器实时输出扰动角度,在线调整移动机器人的预瞄准方向,使移动机器人能够无碰撞趋向目标.然后,提出了一种改进型虚目标方法,优先选择机器人可能逃脱陷阱状态的路径,简化了设计难度,改变了虚目标切换方式,避免了大量复杂计算.实验结果表明,提出的方法可以帮助机器人在全局信息未知的复杂环境中导航,在趋近目标点的过程中能有效避障,无冗余路径产生,且轨迹平滑.     

割草机器人避障控制

针对以往割草机器人避障行为控制方法中存在避障路径不易跟踪以及对各类障碍物适应性较差等缺点,提出了基于测距传感器及模糊控制技术的割草机器人避障控制方法,并规划出易于路径跟踪的走折线运行方式．给出了传感器的布置,以超声波传感器测得的机器人左前方障碍物距离和右前方障碍物距离之差以及正前方障碍物距离作为模糊控制器的输入,而以小车方向角作为控制器输出,四周布置的红外传感器用于提高割草机器人在避障过程中的安全性．避障试验结果表明：该控制方法可行并具有灵活性和鲁棒性等优点,可通过改变控制器输入输出论域及折线段长度来设置避障过程中机器人与障碍物间的距离;所布置的传感器能够适应避障的需求．     

基于改进蚁群算法的移动机器人动态路径规划

针对动态环境下的移动机器人最优路径问题,利用栅格法建模,提出1种改进蚁群算法。通过调整信息素启发因子和期望启发因子,自适应改变挥发系数。在路径规划时,提出相应的动态路径规划避障策略,使机器人在避障的同时得到最优或次优路径。实验结果表明,当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下,该文算法经过25代收敛找到最短路径;改进算法比基本蚁群算法进化代数减少近50代,同时能有效避免移动机器人和动态障碍物碰撞,并且获得15.656的无碰路径。     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

室内移动服务机器人的避障与运动规划

提出一种室内移动服务机器人在未知环境的避障和运动规划算法.该算法通过分析超声传感器阵列探测的障碍物信息,确定机器人旋转的角度和半径,同时根据障碍物距离分3档调整运动速度,据此设计的实时避障算法,结合运动学模型实现了机器人沿障碍物轮廓行驶的行为,针对外凸、内凹和孤立等3种障碍物类型进行了试验,试验结果验证了算法的有效性.     

一种阶梯攀爬机器人的新型智能控制策略

针对现有的移动机器人不能很好地适应存在未知障碍的楼宇环境,结合阶梯攀爬机器人的运动特点,设计了两个模糊控制器——避障控制器和阶梯识别控制器.利用模糊控制器输出权值,协调控制量,实现阶梯攀爬机器人在未知楼宇环境中的自主避障与翻越阶梯.通过仿真及实验验证,该机器人在模糊控制器与权值协调的控制下,能较好地适应未知楼宇环境.     

基于降级模糊算法的爬壁机器人避障控制

针对罐体表面作业过程中避障的问题,提出了改进模糊避障控制算法。为保证爬壁机器人能够缩短到达目标点的时间,除爬壁机器人与障碍物距离量外,增加爬壁机器人与目标点的角度量作为输入变量,速度、角速度作为输出量,确定了各参数的论域与隶属度,建立了模糊规则表,采用重心法解模糊化;考虑罐体环境的复杂多变性,提出优雅降级避障控制策略,在探测传感器受扰失灵的情况下仍能够越过障碍物到达目标点。通过与人工势场避障法仿真比较,改进模糊控制法可更有效地避开障碍物,并在探测传感器异常情况下,也能保证爬壁机器人到达目标点,体现了该避障算法的优越性与可靠性。最后进行了爬壁机器人避障实验,验证了该算法的可行性。