基于模糊神经网络的AGV避障路径研究

通过对AGV运动学模型进行分析,针对AGV在未知环境中的避障问题,将模糊控制与神经网络相结合,形成模糊神经网络控制器,对AGV行驶环境进行分析,将障碍物信息输入控制器,从控制器输出数据中找出避障最佳路径,利用模糊神经网络自学习和自适应能力,提高AGV避障的成功率。     

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.     

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。     

基于神经网络的多传感器信息融合技术在移动机器人中的应用

基于模糊神经网络的多传感器信息融合,提出了一种简单、有效的分区算法来确定障碍物的距离和方位。采用BP神经网络对障碍物环境进行分类以及模式识别,为移动机器人的导航和避障提供了一种有效的方法。     

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。     

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....     

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。     

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。     

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。     

基于模糊算法的AUV避障与姿态控制

为了实现水下机器人(autonomous underwater vehicle,AUV)在水下的避障与姿态的稳定控制,提出了一种基于模糊算法的避障与姿态控制算法.通过分析AUV在水下的水平面和竖直面状况,分别构造满足其水平面和竖直面避障和姿态控制的模糊算法,并设计了相应的控制系统.设计的控制系统主要由2个模糊控制器组成,通过模糊控制器输出AUV的左、右和下潜加速度,利用模糊逻辑系统对其速度进行逼近,并利用AUV的速度信息实现AUV水平面和竖直面的避障与姿态的控制.通过在不同位置放置障碍物构建模拟场景,采用Matlab进行仿真试验.仿真结果表明,设计的基于模糊算法的避障与姿态控制方法能够满足设计要求.     

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.     

基于符合控制算法的全向移动平台设计与实现

设计并制作了一款基于麦克纳姆轮的全向移动平台,为保证移动平台的高精度运动和灵活避障,提出了一种复合控制算法。移动平台采用4个麦克纳姆轮为驱动轮并建立了在环境坐标系下的数学模型,采用上、中、下3层分布的电路控制系统,并以二维模糊PID(proportion integral differential)控制器、Bang-Bang算法和提出的避障算法构成复合控制器,实现移动平台在室内灵活避障和高精度运动。研究结果表明:设计的移动平台运动方式灵活,能够在二维环境下保持良好的避障能力和较高的运动精度。     

轮履复合式农业机器人越避障控制研究

轮履复合式农业机器人具有行走灵活,通过能力强的特点,本文将模糊逻辑理论应用于轮履复合式农业机器人的越避障控制,设计了模糊控制器,建立了模糊控制规则,MATLAB仿真实验证明,该控制器可有效控制机器人攀越和避过障碍物.     

拱泥机器人避障运动分析及其系统仿真

路径规划问题是拱泥机器人研究中的一项关键技术。在概述拱泥机器人的基本构成,分析其规划策略的基础上,提出拱泥机器人避障运动控制器路径规划算法,并通过仿真实验得以验证,实现了局部规划与全局导航目标的有机结合。基于该规划策略及其算法,设计集数据接口、硬件接口、数学运算接口和图形化接口为一体的避障运动仿真系统。结果表明,该规划策略对拱泥机器人在未知泥土环境下实现动作稳定、轨迹平滑的避障运动具有良好的效果。     

变电站巡检机器人避障方法研究与应用

为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障.     

三种未知环境中局部危险避规方法的分析与比较

以智能车辆在部分或全未知环境中局部危险避规为研究对象,以二维雷达和摄像机为传感器实时检测局部障碍物信息. 通过对比分析普通加权、粒子吸引、仿生学筛选方法在触须避规路径选择上的应用,不同方法在规划时间、最优性、平滑度因素对纯避障环境中安全行驶的影响,确定不同环境应用的方法,实车验证了三种算法的正确和有效性,在2010年中国智能车未来挑战赛的单项纯避障环境中,应用该三种算法在不同的环境条件下取得了很好的效果.     

基于改进双向A星和向量场直方图算法的无人机航路规划

现代无人机的行驶环境复杂多变,对无人机的航路规划不仅要求路径最短,同时还要满足实时性以应对突发威胁。提出一种离线规划和在线避障结合的航路规划方法。首先利用改进的双向A*算法对已知环境进行离线规划,并提出基于碰撞检测的动态步长和双向去除冗余点方法,在不影响路径精度的同时,缩短离线规划时间和路径。在无人机按照离线路径行驶过程中,当规划路径中出现突发威胁,利用VFH算法进行实时避障;对避障算法设置子目标,使无人机完成避障后能迅速回到离线轨迹,不影响全局路径的最优性.仿真实验表明,所提方法规划的路径长度短、耗时少,并能有效避开突发威胁,充分结合了双向A*算法路径最优和VFH算法的快速实时避障性的优点。