关节式移动机器人越障动态稳定性分析与控制

通过对关节式移动机器人越障过程运动学和动力学分析,得出控制移动机器人越障时保证动态稳定性的约束条件.根据传感器感知信息,用模糊逻辑控制方法改变车体姿态以适应地形,实现局部自主越障.实验表明,加入动态稳定性约束后,提高了关节式移动机器人越障的稳定性和越障速度,减少了各关节的动作,改善了越障性能.     

关节式移动机器人自主越障中基于模糊神经网络的障碍识别方法

提出了一种关节式移动机器人自主超障时的障碍识别方法，该方法利用模糊神经网络对障碍物进行识别，确定障碍的类型和特征，并以此来控制移动机器人越障和避障时的行进速度和摆臂的动作，开发了在未知环境中障碍物辨识的模糊神经网络系统。实验证明，该方法是可行有效的。     

基于姿态的多关节履带机器人越障控制

为提高机器人在楼梯、台阶等典型障碍环境中的自主越障的实用性,以检测机器人自身姿态而非环境尺寸作为越障控制的基本依据,设计了多关节履带机器人的各种自主越障控制方法.即首先以AHRS(姿态航向参考系统)所测得机器人姿态作为重要反馈量,采用稳定锥方法实时判定机器人越障过程中的倾翻稳定性,通过实验验证了该方法的有效性;在此基础上以机器人姿态为反馈,并结合机器人关节位置和驱动电流,设计了典型障碍下的自主越障控制动作规划,实际环境测试表明此越障控制方法具有对障碍具体尺寸依赖性小,实用性强的特点.     

关节式双履带移动机器人越障稳定性分析

通过对外部环境的复杂情况及各类影响因素的观测与分析,设计了一种基于非结构环境的关节式双履带移动机器人,该机器人平台由前、后两壳体组成,两壳体由旋转关节相连接,调节式活动装置和履带压紧机构的设计保证了机器人的越障稳定性。在此基础上,以攀越二维崎岖地形、正斜坡地形以及楼梯等三种典型地形为例,对机器人的越障稳定性进行分析和仿真。最后经过实验验证关节式双履带移动机器人的结构设计的合理性和理论分析的正确性。     

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.     

自主越障时关节轮式移动机器人的姿态设定

研究了关节轮式移动机器人自主跨越奇异地形障碍时初始姿态和越障姿态的设定问题,采用反向控制策略是克服由于地形几何中奇异性变化和参数不确定性所带来规划困难的有效方法,反射控制的关键是有效的实时环境感知和对感知信息的实时有效响应,而实时感知和实时响应的关键是对紧要地形（眼前）的感知和相应合理的响应,合理设定初始姿态可以使关节轮式移动机器人能够感知“眼前”地形的奇异变化,也就是能够感知四轮载体不包容的地形,而正确的越障姿态是关节轮式移动机器人对“眼前”地形的奇异性变化所做合理响应的姿态。     

新型变形轮腿式移动机器人的运动学分析及设计

移动机器人作为智能勘探与侦察的自动化装备,在航天探测、军事侦察、抢险救灾等领域具有广阔的应用前景.兼具良好的机动性及越障性是移动机器人快速适应非结构化复杂环境的首要性能指标,结合轮式行进机构强机动性与腿式行进机构优越障性的变形轮腿式移动机器人受到普遍青睐.然而,现有变形轮腿式移动机器人在设计与优化方面仍存在变形形式过于复杂、设计方法缺乏理论依据等不足.针对上述问题,提出一种结构紧凑、操作简便的新型轮腿变换结构,借助电磁离合器分离运动的原理,通过改变轮-腿变形动力输入促使轮与腿相对运动,以曲柄滑块机构触发轮-腿结构径向扩展,完成由轮式变形为腿式的过程.定义变形过程中曲柄滑块机构的压力角为机动性指标、变形前后结构的展开比为越障性指标,进而开展变形结构的尺度综合,优化结果表明新型变形轮腿式移动机器人的展开比为1.92,可越过高度为150 mm的障碍物.基于优化后的尺度参数,建立变形轮腿式移动机器人越障过程的动力学模型,确定驱动电机参数,设计并制造物理样机.最终开展软件仿真与实验研究,仿真结果与理论分析结果一致,表明优化设计方法与动力学建模方法的有效性,实验结果证明所设计的变形轮腿式机器人具有...     

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.     

UCLINUX下自主移动机器人运动系统设计

设计了在嵌入式操作系统UCLINUX下的自主移动机器人运动系统。该系统主控制器采用了ARM7微处理器,操作系统使用UCLINUX,利用脉冲宽度调制(PWM)技术对直流电机转速进行控制。详细介绍了UCLINUX下电机控制器的设备驱动程序设计和移动机器人基本动作的应用程序设计。该系统已经应用于一个移动机器人原型中,能够成功地实现各种动作。     

自主移动机器人的模糊智能导航

移动机器人在运动过程中所获得的传感器信息是动态且不确定的。移动机器人的控制采用了基于行为的结构，它能够克服环境的不确定性，可靠地完成复杂任务，且效率高，鲁棒性好。为了实现机器人在未知、动态、复杂环境下具有一定智能的自我决策的能力，利用模糊控制器来完成移动机器人的各种自主行为，所有被激活的行为采用分划方法来融合，可以很好地处理不确定的情况。最后通过仿真验证了该方法对移动机器人导航的有效性和可行性。     

基于实际误差函数和隶属函数机器人避障算法

介绍一种机器人在不确定环境下，通过探障传感器，在探测过程中采用一种模糊神经网络来躲避障碍物的方法。该模糊控制采用有明确意义的模糊隶属函数，由采用有明确物理意义误差评价函数的神经网络来实现，以避免模糊控制的死点从而完成避障路径规划。计算机仿真实验的结果验证了该方法的有效性和实用性。     

结合模糊逻辑和改进人工势场的局部路径规划

针对人工势场法的死点问题和较为复杂的局部障碍物环境,采取模糊逻辑与改进的人工势场相结合的方式,提出了一种结合模糊控制器与人工势场算法的并行避障处理结构。依据静态目标点位置与多路超声波传感器返回的障碍物距离信息,实行稳定环境的人工势场路径规划与危险环境的模糊控制,使移动机器人能够到达预定目标点。在Mobotsim仿真软件中验证了算法的可行性与有效性。     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而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。实验室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。     

变结构陆空机器人自主跨域越障技术研究

陆空机器人因其灵活的机动能力而备受关注,为了更好地发挥陆空机器人的跨域越障特性,以变结构陆空机器人为平台,对深度图像进行二值化处理以提取前方障碍物的边缘轮廓,采用最小矩形匹配法对障碍物进行建模,获取障碍物的距离及高度信息.根据障碍物距离和高度的检测结果及平台地面移动越障极限,提出了一种自主跨域越障策略.试验结果表明,机器人可以准确检测判断出行驶前方障碍物的距离及高度信息并可以顺利自主跨域越障,到达目标点,提出的障碍物检测方法及自主跨域越障策略是有效的.      

基于激光雷达的移动机器人实时避障策略

以激光雷达为主要传感器, 对移动机器人设计一种实时避障算法. 该算法考虑到机器人的非完整约束, 利用基于圆弧轨迹的局部路径规划和控制使之能够以平滑的路径逼近目标位置. 采用增强学习的方法来优化机器人的避障行为, 利用激光雷达提供的报警信息形成刺激-反应式行为, 实现了动态环境下避障行为, 具有良好的实时反应能力. 该控制算法采用分布式软件设计方法, 各功能模块异步运行, 较好地实现了局部规划与全局导航目标的结合. 该策略针对移动机器人MORCS在未知环境下实现了实时、有效避障, 动作稳定流畅, 轨迹平滑, 具有良好的效果.     

基于异质传感器信息融合的移动机器人SLAM研究

针对采用单一传感器在移动机器人同步定位与构图(SLAM)中存在定位精度低、构图不完整等问题,提出一种基于Kinect视觉传感器和激光传感器信息融合的SLAM算法。首先将Kinect传感器获取的深度图像经过坐标系转换得到三维点云、通过限制垂直方向滤波器过滤三维点云的高度信息、再将剩余三维点云投影到水平面并提取边界点云信息转化为激光扫描数据;然后与激光传感器的扫描数据进行数据级的信息融合;最后输出统一数据实现移动机器人的构图及自主导航。实验结果表明,该方法能够准确的检测小的及特征复杂的障碍物,能够构建更精确、更完整的环境地图,且更好地完成移动机器人自主导航任务。