同优先级的多水下机器人避碰控制

根据智能水下机器人(AUV)水下通讯相对困难的特点，在改进势力场法避障的基础上，实现了单机器人的避碰控制，在机器人群体间隐式通讯条件下，应用危险阈值和智能传感器的方法，成功地解决了优先级相同的多水下机器人编队航行过程中的避碰避障问题，并在仿真环境下验证了算法的有效性。     

带有领导者的多智能体避障队形控制

研究了一类带有领导者的多智能体系统队形控制问题,在实现期望队形过程中同时考虑避撞和避障问题.改进了现有避撞与避障势函数的构造方法,并基于势函数的方法设计了控制策略,在控制策略的作用下,带有领导者的多智能体系统实现了期望的队形和避撞、避障控制目标.最后,通过仿真说明所提方法的有效性和可行性.     

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。     

基于记忆矩阵A*引导域的VHF算法改进策略

针对机器人采用VFH算法避障容易陷入局部死区的问题,提出为机器人增加记忆地图的方法.在面对未知环境时,采用了一种新的自适应阈值策略,在一定程度上避开局部死区抵达目标点,同时在首次避障时生成记忆地图.在二次避障过程中通过记忆地图产生低分辨率A*引导域,使用改进的代价函数,使A*引导域与VFH算法有效结合,以较优的路径完成避障过程,同时能实时适应周围环境的变化.最后,在MATLAB上针对不同环境进行算法仿真对比.实验结果表明,使用新的自适应阈值策略能在未知环境下完成避障过程并产生记忆地图;在记忆地图的基础上使用A*域的引导,能使机器人适应周围环境变化的同时以较优的路径顺利到达目标位置.     

基于记忆矩阵A~*引导域的VFH算法改进策略

针对机器人采用VFH算法避障容易陷入局部死区的问题,提出为机器人增加记忆地图的方法.在面对未知环境时,采用了一种新的自适应阈值策略,在一定程度上避开局部死区抵达目标点,同时在首次避障时生成记忆地图.在二次避障过程中通过记忆地图产生低分辨率A~*引导域,使用改进的代价函数,使A~*引导域与VFH算法有效结合,以较优的路径完成避障过程,同时能实时适应周围环境的变化.最后,在MATLAB上针对不同环境进行算法仿真对比.实验结果表明,使用新的自适应阈值策略能在未知环境下完成避障过程并产生记忆地图;在记忆地图的基础上使用A~*域的引导,能使机器人适应周围环境变化的同时以较优的路径顺利到达目标位置.     

面向不稳定障碍物的无人艇自主避障方法

为解决无人艇自主避障中感知系统测得的障碍物信息不稳定问题,提出一种符合国际海事避碰规则(COL-BEGS)面向不稳定障碍物的改进速度障碍算法(Improved Velocity Obstacle,IVO),算法利用最小会遇时间、距离自适应阈值来优化避障状态判断;使用滑动窗口以及前视视线解决无人艇因障碍物信息不稳定导致在进入和退出避障状态时的边界跳动问题;通过设置角度缓冲区降低了避障中避碰规则的频繁切换.最后,在自主开发的无人艇半物理仿真系统中与传统VO算法进行了对比,结果表明,IVO算法在边界判断和避障稳定性上较传统方法更有优势,证明了算法的有效性和可行性.     

基于改进粒子群优化算法的无人水面艇动态避碰方法

针对"蓝信"号无人水面艇的动态避碰问题,提出一种基于改进粒子群优化算法的动态避碰方法.首先,考虑障碍物轮廓的长宽比不同,将障碍物膨化为圆形和椭圆形,并采用速度障碍原理求取避碰模型,同时,在避碰过程中加入国际海上避碰规则约束;其次,对粒子群优化算法进行自适应改进,使其针对避碰策略的求取能够快速收敛到最优解,提高算法的收敛速度与精度,满足避碰算法的快速性要求;最后,搭建虚拟视景仿真平台,模拟航行中的海洋环境,以"蓝信"号无人水面艇为模拟对象,对所提出的避碰算法进行仿真验证.仿真结果表明了该避碰方法的可行性和有效性,为无人水面艇的自主动态避碰提供了一种可行和有效的解决途径.     

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.     

船舶自动避碰仿真研究

针对海上交通环境复杂、内河航道易于碰撞的问题,研究可辅助船舶操纵的自动避碰系统.分析了船舶避碰的影响因素、船舶受力对船舶航行的影响,并对人工势场法进行改进,优化了船舶行驶路径.基于改进的人工势场法设计船舶路径规划流程,以长江水域为例进行弯曲航道的模拟.结果表明,采用人工势场法可以辅助船舶自动航行,在安全的情况下获得较短的避障路径.通过增加转向点可以减小人工势场法局部极小点的发生概率.     

基于遗传算法的船舶避浅航线的设计

针对VTS(vessel traffic services)值班员在实际工作中凭借感觉和经验引导船舶避浅所存在的弊端,以及目前国内外对船舶避浅的研究主要集中在搁浅概率的计算,提出了采用遗传算法设计船舶避浅航线的思想,并讨论其可行性和有效性.算法以航程最短和航线转向幅度角最小为目标,以避开搁浅危险区域和不偏离航道作为约束条件构造适应度函数.实验结果表明,算法用时短,种群迭代次数少,能够迅速收敛至唯一解.在相同背景条件下,采用不同航线转向点数所求避浅航线基本相同,严格符合避浅航线的设计规则,表明该方法有效、可行.     

考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略

汽车加速度和速度因交通环境障碍物实时动态变化,智能汽车避障实时参考轨迹不光滑变化;参数摄动,车速实时变化和采集信号干扰,将造成智能汽车动态侧向避障精准控制困难。为此,提出考虑参数摄动的智能汽车动态侧向避障鲁棒控制策略。该控制策略分为动态轨迹规划层和动态轨迹跟踪层;动态轨迹规划层依据障碍物汽车加速度和速度动态变化,采用基于避障极限位置的动态轨迹规划算法,以规划能够保证智能汽车侧向安全避障的实时参考轨迹;动态轨迹跟踪层设计了考虑了质量、转动惯量和前后侧偏刚度参数摄动的鲁棒控制器,以实现实时动态参考轨迹精准跟踪。最后,利用Matlab/Simulink和Trucksim软件联合仿真,进行所提控制策略仿真验证。仿真结果表明：动态轨迹规划层能够依据障碍物汽车加速度和速度实时变化,实时规划了安全侧向避障动态参考轨迹;轨迹跟踪层克服了质量、转动惯量、前后侧偏刚度参数摄动,以及实时参考轨迹不光滑动态变化,平滑良好地跟踪了侧向避障实时参考轨迹。因此,所提控制策略实现了智能汽车安全动态侧向避障,同时确保了避障过程汽车横摆稳定性。     

多车环境下智能货车的紧急转向决策及轨迹规划

决策与规划是实现自动驾驶的关键技术,针对自动驾驶货车在紧急转向避障时需要考虑换道时目标车道的安全性和规划出最优避障轨迹的问题,采用将换道时左右车道上的车辆与自车的相对距离和换道的最小安全距离的差值分别建立模糊关系的方法,通过比较模糊规则推理设计的安全值,选择更安全的车道进行转向避障,为了迅速规划出最优避障轨迹,采用三阶贝塞尔曲线,通过设计4个控制点坐标形成避障曲线,为了防止转向时横向加速度过大导致货车发生侧翻和速度过快与前车发生碰撞,设计车辆的稳定性边界和碰撞边界对控制点进行约束,使用MATLAB中的函数求解出不同车速下的最优换道轨迹,最后使用仿真软件进行仿真验证,结果表明设计出的避障决策和轨迹规划可以安全、有效地避开障碍。     

未知环境中机器人避障路径规划研究

针对人工势场法机器人路径规划具有目标不可达与存在局部极小值点等问题,提出了改进后的人工势场法模型,将未知环境中的障碍以网格地图的形式设计出来,使机器人通过感知来规避障碍朝目标移动。运用MATLAB GUI设定形成一个包含障碍与目标点的二维坐标系统环境,在其平面地图中使机器人从初始位置到期望位置进行最优轨迹移动仿真试验。试验显示,改进后的人工势场法能使移动机器人在未知环境中导航避开障碍并找出合适路径,以达到无碰撞要求。仿真结果接近预期效果,表明该方法能有效提高移动机器人在未知环境中路径规划的可行性及其避障的有效性。     

基于模糊神经网络的无人机实时避障算法

针对模糊控制避障算法在障碍物信息未知的环境中适应性不强,难以有效规避"凹多边形"障碍物的问题,提出了一种基于模糊神经网络的无人机实时避障算法.采用等效夹角对模糊控制器的输入变量进行优化设计,克服了单一角度或距离在障碍物表征方面的局部片面性.基于BP神经网络理论设计了模糊控制器的初始隶属度函数和模糊神经网络架构;将模糊控制器在多个未知环境下生成的有效避障数据作为训练数据集,对模糊神经网络进行训练.仿真结果表明:所提出的模糊神经网络方法与模糊控制器相比具有更强的适应性,在面对未知复杂障碍物时避障更加灵活、路径更短,避障成功率更高.     

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。     

基于Dubins路径的无人机避障规划算法

研究了一种基于Dubins路径的无人机的避障规划算法. 通过采用遗传算法,结合无人机的飞行性能和最小转弯半径,提出了一种在已知障碍空间位置前提下的无人机路径规划方法,并通过算法改进,将其推广成为在未知障碍位置等先验知识的前提下的无人机实时避障算法. 仿真结果表明,该算法原理正确,对于多障碍环境下无人机避障策略的获取具有较好效果.      

移动智能机器人避障规划研究

文章针对环境信息不确定情况下的避障问题,利用摄像机逆透视映射原理,实现单摄像机获取环境深度信息,并提出了一种基于视觉的局部路径规划的算法,实现了移动智能机器人在不确定环境中利用视觉传感器实时获取外部信息进行路径规划,仿真与实验结果表明,移动智能机器人能快速地跟踪规划路径,实现避障。     

单目视觉引导下的无人艇局部避障方法

针对无人艇（unmanned surface vehicle,USV）在作业过程中,需要及时躲避未被标注在地图上的漂浮障碍,并及时返回规划航道的问题,提出一种基于单目视觉的无人艇局部避障方法。避障方法使用YOLO网络识别图像中的障碍物,结合针孔成像原理和水体自由断面特点,解决单目视觉尺度不确定问题,从图像中恢复出障碍物的宽度及深度信息;针对无人艇惯性大,机动性差的特点,引入虚拟水道宽度等信息素,提出了改进的向量场直方图算法（vector field histogram plus,VFH+）;算法参考当前障碍疏密,动态调整不同信息素对最佳航向角计算的影响,引导无人艇在兼顾全局导航信息情况下,应对未知漂浮障碍物快速自动局部避障。基于水动力模型和Gazebo仿真引擎搭建无人艇避障的仿真实验平台。在仿真中快速迭代研究算法的参数范围及控制效果,实现了无人艇在舱内空间和能量均有限的工况下,仅使用单目视觉传感器,兼顾全局路径规划和局部障碍信息,自动化高效躲避漂浮障碍,并在脱离障碍后回归原有规划路径的功能。     

基于LMS的AUV空间避障模拟方法研究

为了模拟自主式水下航行器（AUV）在复杂海洋环境中对未知环境的感知以及避障过程,设计了AUV空间避障模拟试验系统．介绍了模拟平台的硬件结构和参数设计,应用激光测距系统（LMS）模拟水下声纳,建立了AUV空间避障仿真环境,设计了基于Q—Learning的避障算法,并完成了模拟试验．试验结果表明：AUV空间避障模拟平台可以较真实地反映AUV在水下复杂环境中的空间运动,避障算法可行有效．