轮式移动机器人在未知环境下路径规划

本文首先对轮式移动的机器人进行运动学分析,建立运动学模型及控制模型。采用直线和圆结合的方式对路径进行规划,然后采用模糊控制方法对机器人在路径规划基础之上进行路径跟踪控制,并且用计算机进行仿真。通过和不加模糊控制的机器人路径跟踪对比,采用模糊控制的机器人路径跟踪其运动轨迹相对平缓,波动少,且收敛到预期轨迹的速度快,其动态和稳态输出特性都较好。     

机器人模糊控制规则的建立

本文提出了一种建立机器人模糊控制规则的方法。针对缺少实际专家知识和人工操作经验的机器人操作手,应用模拟计算机模拟单臂机器人。操作者通过长时间的学习、训练,在取得了稳定且满意的操作水平后,采集了单臂机器人控制的大量数据。对这些数据应用本文提出的加权动态聚类分析方法进行处理,从而建立了机器人的模糊控制规则。经实验验证,应用效果是令人满意的。     

基于BP神经网络-模糊控制的机器人无标定视觉伺服技术

针对机器人无标定视觉伺服技术中图像雅可比矩阵在线估计存在计算复杂的问题,提出了一种结合BP神经网络和模糊控制策略的机器人控制技术。本文以多自由度智能调节系统为例,提出其视觉伺服控制架构,根据工业场景数据集训练BP神经网络,采用本文所提算法进行法兰对中实验,帮助解决核电站蒸汽发生器人孔螺栓咬死问题。在方法层面,首先,利用BP神经网络建立图像特征信息与机器人多自由度运动之间的映射关系,之后,提出模糊控制方法根据图像特征偏差进行机器人位姿的精确调整。实验结果表明,本文提出的算法能够有效应用于无标定视觉伺服控制,最终法兰平均对中误差在±1mm内,平均耗时43秒,满足应用需求,具有较高的工作效率。     

基于模糊控制的竞赛机器人控制器设计

本文针对机器人比赛和电子设计竞赛中机器人的普遍要求,提出了一种通用的竞赛机器人的设计方法。机器人控制器硬件主要由DSP和CPLD组成;对来自光电检测传感器的信号采用模糊控制规则进行综合,控制器根据模糊控制器输出调整机器人的行走路线,实现机器人行走控制。     

基于模糊控制的机器人视觉伺服控制

机器人视觉伺服控制是当今机器人研究领域的热点之一,以往的各种传统控制方法均是建立在被控对象精确模型的基础上,然而随着系统复杂程度的提高,将难以建立系统的精确数学模型。模糊控制直接依据人类专家的控制经验进行设计,其设计不依赖于被控对象的模型,机器人视觉伺服系统就是难以建立精确数学模型,为此利用模糊控制来克服机器人视觉伺服系统的复杂性、强耦合性、不确定性和非线性因素的影响,实验结果表明,利用模糊控制可以使机器人视觉伺服控制达到较好控制效果。     

一种用于机器人视觉伺服系统的参数自适应模糊控制器

提出了一种用于机器人视觉伺服系统的参数自适应模糊控制器,使得模糊控制规则可以得到实时在线的调整。仿真结果表明基于参数自适应模糊控制器的机器人视觉伺服系统的性能较一般模糊控制机器人视觉伺服系统有了较大的改善。     

基于模糊控制的机器人视觉伺服系统

将模糊控制应用于机器人视觉伺服系统,利用模糊控制不依赖于对象模型和鲁棒性强的优点来克服机器人视觉伺服系统的时变性、强耦合和非线性等因素的影响。实验结果表明基于模糊控制的机器人视觉伺服系统具有较快的响应速度和较强的鲁棒性。     

基于Raspberry Pi的轮式移动机器人设计及运动控制

基于卡片电脑Raspberry Pi完成了移动机器人从硬件搭建到运动控制的工作.通过Raspberry Pi与传感器的配合对机器人运动环境进行检测.采用模糊控制算法,根据不同环境设计了不同的运动机制,保障移动机器人运动的安全性.利用实验检验并完善了机器人的避障性能,实现了机器人在复杂环境中的运动控制,包括机器人的遥控以及自主漫游运动.     

基于BP的机器人摆动焊接视觉跟踪模糊控制

在建立机器人摆动焊视觉跟踪系统的基础上，构造了用于焊接纪盼望匠模糊控制系统，并提出利用三层ＢＰ神经网络来模拟模糊控制量之间的映射关系，从而实现了基于Ｂ宾机器人摆动焊接神经网络模糊控制。     

人工智能在机器人力控制系统中的应用研究

鉴于以往在机器人力控制中存在某些不足 ,将人工智能方法引入基于力传感器的机器人力控制中 ,尝试利用模糊控制理论与阻抗控制策略相结合对机器人进行更有效的力控制 .给出了系统的硬件结构 ,设计了力控制器 ,最后根据具体实验得出实验结果 .为解决机器人力控制问题提供一种新的方法 .     

基于模糊神经控制的移动机器人避障研究

机器人路径规划技术是机器人研究的一个重要领域,其主要任务是在机器人工作空间中寻求一条从起始点到达目标点的无碰撞路径,并且满足路径最短或时间最短等条件。由于精确的系统模型参数和传感器数据的获取比较困难,传统的路径规划方法具有很大的局限性。模糊逻辑算法不依赖精确的数学模型和环境信息,对于机器人路径规划问题具有明显优势。本文基于模糊控制方法研究了未知环境下的机器人局部路径规划问题。     

基于综合智能算法的新型救援机器人路径规划研究

为满足救援机器人在特殊工作环境下的成功避障和趋于目标,设计了一种新的机器人总体结构,采用超声波传感器收集周围距离信息并采用生命探测仪扫描周围环境将结果用于指导机器人到达事故地点.为提高结构化和非结构化交互环境下救援机器人的避障成功率,提出一种自适应模糊神经网络路径规划算法,利用障碍物信息生成相应的模糊控制规则,并将模糊算法构建成神经网络结构形式,使得规则的在线精度和神经网络的学习速度均有较大的提高,同样可使救援机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并顺利搜索到指定目标.系统仿真证明了该算法在救援机器人路径规划中的有效性.     

用于机器手控制的动态模糊神经网络

为解决模糊控制中存在的区域界定问题,将神经网络与模糊控制相结合,提出了一种新的模糊逻辑与神经网络相结合的动态模糊神经网络机器人控制方案(DFNN),并利用采样数据在线动态构造模糊神经系统.仿真结果表明,DFNN系统地很好地克服机器人系统中存在的非线性、不确定性、强耦合等因素的影响,控制效果好,为工业机器人控制提供了一种新的解决方案.     

基于模糊控制篮球比赛系统的采摘机器人避障系统研究

针对不同复杂环境下采摘机器人的自主避障问题,提出了一种基于模糊控制篮球比赛系统的避障实现方法.该方法将篮球比赛的三阶段控制思想引入模糊控制系统的隶属度函表示中,通过分阶段块状处理提升系统响应的实时性,在此基础上构建了采摘机器人的模糊控制避障系统,对障碍物外围区域路径实现了全局优化.实验结果显示,该方法明显提升了避障系统的全局优化能力和实时性.     

一种柔性结构的模糊控制器应用于并联机器人位置控制系统的研究

针对我校开发研制的六自由度并联机器人，提出了用一种新型柔性结构的模糊控制器（ＦｌｅｘｉｂｌｅＳｔｒｕｃｔｒｕｅｄＦｕｚｚｙＬｏｇｉｃＣｏｎｔｒｏｌｌｅｒ－ＦＳ－ＦＬＣ）进行位置控制。该方法将参数化的集合运算符用于传递的Ｍａｍｄａｎｉ型的模糊控制中，改善了控制器的调节能力，并将用于并联机器人的位置控制，研究结果表明，提高了控制系统的性能。     

基于数据特征的模糊模型辨识与模糊控制器设计方法

针对难于建立精确数学模型的复杂过程,提出了一种基于数据特征的模糊模型辨识方法.该方法首先按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分,然后在此划分的基础上确定出模糊模型的规则总数和前件参数,最后由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模糊模型的后件参数.基于所提出的模糊模型辨识方法进行了柔性连杆机器人模糊控制器设计,并进行了柔性连杆机器人模糊控制实验.实验表明,通过所提出的模糊模型辨识和模糊控制方法可以得到满意的控制性能.     

模糊神经网络在四足步行机器人控制中的应用

将神经网络和模糊控制理论应用于四足步行机器人的控制中，并在实验基础上选取样本，设计了针对四足步行机器人的模糊神经网络控制系统．     

变步长灰色预测模糊控制研究与应用

提出了一种变步长灰色预测模糊控制算法,该算法根据新陈代谢原理,建立等维新息预测模型,将预测概念扩展为前向和后向预测,并与模糊控制相结合,对电液比例压力控制系统的顶推压力进行控制.该算法不需要被控对象模型结构的先验信息,基于少数据、贫信息,具有在线自适应以及计算量小的特点,满足实时控制的要求.通过对变步长灰色预测模糊控制与PID控制和纯模糊控制进行仿真和试验比较表明,变步长灰色预测模糊控制在不增加超调的情况下减小了响应时间,改善了控制效果.     

基于几何和模糊控制合成算法的小型移动机器人局部路径规划

文章针对机器人特殊的使用场合和要求,提出了将几何算法和模糊控制算法相结合来解决避障问题。在机器人远离地面障碍物运动时,采用几何算法;当逐渐接近障碍物时,采用模糊控制算法修正。2种算法的结合,避免了单独使用其中一种算法的缺陷,使局部路径规划的速度大大提高,并且降低了对控制硬件的高要求。仿真和实验表明,这种新算法具有正确性、实时性和鲁棒性。     

模糊控制在机器人位置控制中的应用

关节角A的控制是机器人位置控制技术中至关重要的环节，为此研究了利用模糊原理对关节角速度控制的一类问题，首先给出一类机器控制位置模型，然后利用模糊函数规则进行模糊控制器设计。通过仿真显示，本文案为机器人位置控制臂提供了新的控制途径，也拓宽了模糊控制原理的应用领域。