室内动态环境下的移动机器人自主避障策略

针对室内未知动态环境移动机器人自主避障问题,提出一种融合动态障碍物方向判断策略及子目标点更新策略的自适应模糊神经网络优化避障算法,并依据该算法设计移动机器人避障控制系统。首先,分析移动机器人的运动模型,获取机器人的目标角度;然后由超声波传感器获取障碍物距离信息,由障碍物距离信息判断动态障碍物运动方向并更新子目标点;最后利用自适应模糊神经推理系统实时输出机器人的转向角与速度,实现对机器人转向角的控制,使机器人能够无碰撞地到达目标点。研究结果表明:本文提出的算法能够使移动机器人在未知动态环境下识别障碍物、判断动态障碍物的运动方向以实现自主避障;相对于无子目标点更新策略,移动机器人平均移动速度提高11.75%,验证了所提算法的有效性。     

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.     

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。     

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。     

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...     

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.     

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。     

NI机器人起步包实时编程模块避障应用

分析了NI机器人起步包的组成模块,以移动机器人的避障行为为例,给出了一个完整示例。Lab VIEW仿真结果表明:NI机器人在有障碍物的环境下可以自主避障。NI机器人作为机器人开发的基础平台,具有较强的实用价值。     

多智能体编队避障算法研究

利用势函数方法,研究了多智能体在障碍物环境下的追击编队控制.为解决单个智能体在势场中存在局部极小点与动态性能不好问题,引入速度势场建立新的势场函数.并研究了多智能体在不同环境下的编队控制,其中包括无障碍物环境,静态障碍物环境,以及静态障碍物和动态障碍物并存的复杂环境.通过选择与目标,障碍物和编队队形相关的势场函数,提出一种新的分布式编队避障控制算法.仿真结果表明所提算法能有效地解决多智能体编队避障问题.     

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。     

基于改进VO算法与动态窗口法的自主避障

针对复杂动态环境下,无人机自主规避动态障碍物的问题,提出了一种改进的速度障碍法,以提高无人机在复杂环境中自主避障的能力。首先,根据速度障碍法原理,构建数学模型,判断无人机与动态障碍物是否存在冲突;然后,加入了自适应安全距离的同时用卡尔曼滤波对动态障碍物的下一时刻的位置进行预测,重构一个速度障碍区;最后,通过改进动态窗口法对可行避障区域进行最优避障策略的求解。通过不同场景和多障碍物连续避障的仿真实验,验证了所提算法的可行性和有效性。     

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.     

智能机器人的模糊神经网络避障算法

针对机器人避障过程中影响因素复杂及难以建立精确模型的问题,采用超声波传感器和定位传感器获取机器人所处环境的输入信息,对其进行模糊处理,并建立三层BP神经网络,进而提出机器人模糊神经网络避障控制算法。仿真结果表明:机器人能从起点安全、无碰撞地避开途中的障碍物,顺利到达终点,实现了安全避障,进而证明该算法能够使机器人在未知环境中准确地避障。     

基于自适应动态规划算法的小车自主导航控制策略设计

小车自主导航系统是路径规划领域研究的难点问题。本文利用自适应动态规划算法对小车自主寻路、避障的控制策略进行了设计。介绍了仿真过程中小车检测环境状态量的方法,提出了小车通过连续型奖励/惩罚信号自主学习寻路、避障的控制策略,并结合虚拟现实技术创建了不同路径和不同障碍物状态的仿真环境。通过不同路径状态的仿真实验,验证了自适应动态规划算法在解决小车自主导航避障控制策略问题上的可靠性和稳定性。     

自主导航避障移动机器人仿真软件设计

设计了一款可实现移动机器人自主导航避障的仿真软件,该软件包括机器人运行环境仿真与机器人运动控制仿真2部分.其中运行环境仿真部分提供了机器人的障碍环境即运行地图,机器人运动控制仿真部分分别模拟了机器人雷达、导航避障算法及机器人运动.首先讨论了软件框架,实现了机器人“传感-思考-执行”的运行机制;然后详细介绍了机器人雷达仿...     

基于加速度信息的移动机器人动态实时避碰

提出了一种移动机器人对动、静态障碍物实时动态避碰的新方法.相对坐标系中,采用包含相对加速度信息的避碰算法,通过动态实时地调整机器人加速度的大小和方向,使其避开障碍物.仿真实验证明了此方法的有效性.     

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。     

动态环境下基于势场原理的避障方法

在保留传统人工势场法原理简单、易于实现优点的基础上,对其应用在具有移动障碍物的动态环境中所表现出的缺陷进行了改进,用碰撞时间参数代替相对位置参数并辅以碰撞角度约束来消除无渭的避碰运动,同时又引入障碍物作用于机器人、方向指向目标点的分力和局部波动函数,较好地解决了因局部最小以及障碍物与目标点相距太近造成的不能成功到达目标点的问题．仿真结果表明此方法能够使机器人在具有静态和移动障碍物的复杂环境中安全避障．     

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.