基于一种新误差模型的移动机器人模糊控制

建立了移动机器人的数学模型,并进行离散化. 针对大初始偏差问题提出一种新的误差模型,设计了2个基于人工驾驶思想的模糊控制器. 角速度控制器用距离误差和角度误差作为控制量,加速度控制器用距离误差作为控制量,同时对角速度和加速度进行控制以实现移动机器人路径跟踪. Matlab仿真结果表明该控制器的有效性.     

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.     

采用模糊免疫PID控制的移动机器人避障误差仿真研究

当前,移动机器人运动规划路径较长,实际运动轨迹与理论运动轨迹误差较大。对此,设计了移动机器人模糊免疫PID控制系统,并对控制系统输出误差进行仿真验证。建立移动机器人平面简图,给出机器人运动方程式,采用平面栅格来描述机器人运动规划路径。引用传统PID控制器并进行改进,设计了模糊免疫PID控制系统,给出了移动机器人PID控制输出系统在线调节流程。采用MATLAB软件对机器人输出误差进行仿真,比较PID控制和模糊免疫PID控制输出误差大小。结果显示:移动机器人采用传统PID控制系统,稳定调节时间为1.0 s,产生的最大误差为0.83 mm,系统输出误差较大;移动机器人采用模糊免疫PID控制系统,稳定调节时间为0.5 s,产生的最大误差为0.59 mm,系统输出误差较小。移动机器人采用模糊免疫PID控制系统,响应速度快,追踪误差较小,从而提高系统的稳定性。     

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.     

移动机器人路径跟踪模糊整定的比例微分控制

针对数学模型复杂的移动机器人的路径跟踪问题,使用模糊整定的比例微分控制算法.该控制方法参考模糊控制的思想,将位置和方向误差分成若干个模糊集合,使比例微分控制器参数能够根据机器人的状态进行调节.仿真结果表明,该方法在机器人的路径跟踪控制中效果良好.     

非完整移动机器人的路径跟踪控制、

针对非完整四轮式移动机器人,基于人工驾驶的思想,在初始偏差较大的情况下调整机器人的角度并规划临时路径,采用模糊控制技术,分别设计了角速度和速度控制器,实现了机器人跟踪路径的目的。通过对初始角度的精确调整,使得角速度模糊控制器变得简便,提高了跟踪的效率。对直线和圆形路径进行了跟踪仿真,结果表明跟踪效果良好稳定。     

基于分层模糊控制的移动机器人路径规划

针对移动机器人的路径规划中,应用模糊控制算法时模糊控制变量过多以及响应速度较慢等问题,简化模糊控制器与移动机器人本身的关系,设计出一种简单的双层模糊控制器实现算法,第一层模糊控制器以距离和方位角为输入量,转角为输出量;第二层以距离和转角为输入量,步长为输出量。解决了一般模糊控制器中规则库爆炸的问题,提高移动机器人路径规划算法的效率。经MATLAB仿真,证明算法有效性。     

基于变结构的移动机器人侧向控制器的设计

采用基于后推与模糊滑模控制相结合的方法设计了移动机器人的变结构状态反馈控制器,实现了对道路跟踪侧向误差的渐近镇定控制.应用Lyapunov定理推导了移动机器人满足非完整性约束的时变光滑状态反馈镇定控制律;将状态控制区域分为远离奇异点的稳定工作区域与含有奇异点的非稳定区域2部分.设计模糊控制嚣来控制移动机器人的状态从非稳定区域向稳定区域转变,并采用移动机器人Amigobot作为实验平台验证了控制器设计的有效性.研究结果表明:侧向误差较大时,模糊控制器确保移动机器人在稳定区域内沿着模态切换线减小误差;当侧向误差较小时,时变光滑状态反馈控制实现对移动机器人的平稳镇定.在控制器设计中,将移动机器人的平移速度视为渐变参数,根据侧向误差能量函数的变化进行模糊自适应调节.     

四轮差动全方位移动机器人路径跟随控制分析

研究了一种新型四轮差动全方位移动机器人的路径跟随控制问题.基于运动学模型及人工驾驶的思想,设计了一种异于传统单点跟随控制的新型双点跟随方法,采取前后驱动单元主从控制的模式,将差动单元角速度和速度控制分离,分别设计模糊控制器.最后,对具有代表性的正弦曲线进行路径跟随仿真实验,结果表明设计的路径跟随控制策略可行、超调小、响应快,解决了采用单点跟随控制中出现的高耦合复杂系统问题.     

基于模糊自适应PID的无人驾驶车辆路径跟踪控制

在无人驾驶车辆路径跟踪控制过程中,针对控制对象发生变化时传统PID控制器难以对其控制参数进行实时调整的问题,提出一种以预瞄理论为基础的模糊自适应PID控制方法.以前轮转角作为控制系统的输入,设计基于横向偏差和航向偏差的模糊自适应PID路径跟踪控制器.分析量化因子和比例因子的选取原则,利用模糊理论对PID参数进行自适应调整;基于Carsim与Simulink对所提算法进行联合仿真实验.仿真结果表明:模糊自适应PID较传统PID改善了控制器的动态性能且具有较好的自适应能力.     

基于车载摄像机移动机器人的模糊神经网络跟踪

针对车载单目摄像机的轮式移动机器人的目标跟踪问题,提出一种模糊跟踪控制方案.方案分为两部分,分别为摄像机控制部分和轮式移动机器人控制部分.摄像机控制部分通过相关特征点之间的连线的夹角设计摄像机云台控制器,使摄像机能够实时跟踪目标,保持目标在图像平面的期望位置上.轮式移动机器人控制部分通过设计T-S模糊神经网络控制器使其能够在视觉伺服反馈下实时调整速度和姿态,实现目标的有效跟踪.仿真结果表明了本文方法的有效性.     

非完整约束下的轮式移动机器人轨迹跟踪

研究轮式移动机器人运动控制中非完整约束系统的轨迹跟踪性能。从非完整约束定义入手,通过非完整约束系统的判据和特点,推导几类典型的轮式移动机器人的运动学模型。通过一类控制Lyapunov函数来构造系统的控制器。利用Matlab/Simulink建立了非完整约束下的二轮和三轮机器人运动学模型,设计控制器实现机器人对圆形轨迹的跟踪。仿真结果显示:该控制器轨迹跟踪性能为稳态。通过轨迹曲线得到2种机器人的运动特点和相互关系。     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于传感器数学模型的数据融合方法及避障研究

文章介绍了超声波传感器测距中存在的问题,提出了基于传感器数学模型的数据融合方法,在此基础上建立基于信息融合的移动机器人导航系统;结合模糊逻辑控制的方法,设计了符合人类驾驶经验的模糊控制器,以实现移动机器人在障碍物环境下的自主导航;最后用MATLAB模糊工具箱对该模糊控制器进行了仿真,结果表明,机器人能够自主避开障碍物,到达目的地。     

轮式移动机器人大转向航向跟踪控制

为了防止轮式移动机器人在大弯道路跟踪时出现过度转向而引起较大跟踪误差或偏离预定路径,提出了种能适应大转向的航向跟踪控制方法,利用机器人前轮偏角的绝对方向作为控制器反馈航向,仿真实验结果表明,该方法与以机器人车体航向作为反馈量的常规方法相比,在大转向航向跟踪时能有效志改善系统的动态特性,减少超调和振荡,提高基于航向控制的轮式移动机器人大弯道路径跟踪性能。     

基于综合导向的轮式移动机器人自适应轨迹跟踪控制

分析了不确定的具有非完整约束轮式移动机器人系统的轨迹跟踪问题,提出了一种自适应的轨迹跟踪控制方法,该方法在运动学模型的基础上通过引入状态微分反馈实现.同时,该控制方法提出在对轮式移动机器人进行导航时引入人工场,使其和位姿误差一起作用完成导航控制.基于轮式移动机器人的仿真实验,以及实际轮式移动机器人的控制实验表明,该方法可以对不确定的轮式移动机器人轨迹跟踪进行有效控制,而且在导航中使轮式移动机器人具有更理想的轨迹.     

用于移动机器人的新型模糊神经元速度控制器

文中提出一种新型的模糊神经元速度控制器 ,为移动机器人解决位移转换成速度这个逆运动学问题 它把模糊论和预确定策略集成到神经元网络系统中 ,使得它能利用路径信息去控制机器人达到所希望的运动速度 模拟研究显示了它能控制机器人在静态或者动态的环境中 ,不通过学习就能沿着动态的避碰路径去捕捉目标 另外 ,可将其集成到其他的系统中去控制速度 ,或者作为一个独立的系统使用传感器信息去控制机器人的运动     

移动机器人PID运动控制器参数的模糊自整定

通过对移动机器人运动学模型进行分析 ,以基于视觉的双轮机器人为实验平台 ,论证了参数模糊自整定的PID控制技术应用于移动机器人运动控制中的可行性 .该方案根据控制要求 ,运用模糊推理技术 ,模仿人工整定控制器参数时的思维方式 ,对控制器参数进行调整 .不仅保证了准确性 ,提高了快速性 ,还增强了自适应能力 .实验证明此方法对移动机器人的运动控制是有效的 .