移动机器人避障路径规划改进人工势场法

针对路径规划中的大型障碍物,机器人、障碍物与目标点三者一线,以及局部最小值等困难问题,提出了相应的改进人工势场算法。针对大型障碍物问题,采用障碍物边界斥力算法改进传统人工势场斥力函数,确保算法的实用性。针对机器人、障碍物与目标点三者在同一条直线时目标不可达问题,应用虚拟子目标引力算法,确保目标点是机器人的势场全局最小点,使得机器人能顺利到达目标点。针对在障碍物环境下的局部最小值问题,采用区域隔离障碍物的方法,使机器人快速走出局部最小值区域。仿真结果验证了改进算法的有效性。     

轮式移动机器人在未知环境下路径规划

本文首先对轮式移动的机器人进行运动学分析,建立运动学模型及控制模型。采用直线和圆结合的方式对路径进行规划,然后采用模糊控制方法对机器人在路径规划基础之上进行路径跟踪控制,并且用计算机进行仿真。通过和不加模糊控制的机器人路径跟踪对比,采用模糊控制的机器人路径跟踪其运动轨迹相对平缓,波动少,且收敛到预期轨迹的速度快,其动态和稳态输出特性都较好。     

基于改进势场法的移动机器人避障路径规划

分析了机器人路径规划方法中的人工势场法的不足,提出了改进势场法.该方法改进了斥力函数,增加了安全距离并将障碍物的影响距离根据障碍物的密集程度设置成一个动态值,并解决了抖动问题.针对局部极小问题采用虚拟障碍的概念,虚拟障碍是靠近局部极小点,用于把机器人从局部极小点区域驱逐出去,从而脱离局部极小并成功绕过障碍物到达目标点.改进势场法成功地应用于未知复杂环境下移动机器人的路径规划中,仿真实验证明了该方法的正确性和有效性.     

基于机器人避障问题的数学模型

研究了移动机器人避障最短路径和最短时间路径问题。根据路障的具体位置和大小确定出机器人可行路径。针对每条可行路径求出其上的最短路径。由于机器人不可折线行走,紧靠着障碍物朝向目标点行走,且只在障碍物的拐角处以弧线行走,这样的以直线和弧线的交替行走的路径即为最短路径。     

基于极限环导航方法的移动机器人动态避障路径规划

结合最小二乘法方法,提出一种新的极限环导航方法。它可以在诸如机器人足球比赛等高度动态环境中,为自主移动机器人进行很好地实时路径规划。首先运用最小二乘法方法得到赛球运动的直线轨迹模型,参照此模型构建出描述赛球运动趋势的椭圆极限环,然后从机器人位置向椭圆作切线,机器人以椭圆上的切点作为路径跟踪的目标点奔向椭圆;通过改变椭圆极限环的半径获得动态路径规划,最终完成目标拦截行为。这种方法将机器人直接奔向赛球的走行方式,改变为奔向赛球运动区域的走行方式;使得机器人在快速到达目标的同时具有很平滑的避障能力。仿真和试验都表明了这种方法在机器人足球比赛中的应用价值。     

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。     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

动态障碍物环境下移动机器人路径规划

以机器人基本避障碍策略与启发式动态规划法相结合的方法，研究了在障碍物轨迹已知的动态环境中机器人的路径规划问题，根据机器人与单个障碍物可能的碰撞情况，分别提出了几种避障碍,伙子目标和相应的速度。根据这些策略，在机器人当前视窗内，将形成一个策略树，采用启发式动态规划算法，依据时间和路径费用最小原则，找出一个最优策略集，即最优子目标集，这种规划方法大大缩小于机器人子目标搜索空间。     

移动机器人路径规划算法综述

为提高机器人路径规划的搜索速度,缩短搜索时间,总结归纳移动机器人在路径规划问题上的算法及其特点。首先回顾移动机器人发展历史,并对路径规划技术进行概述; 其次对移动机器人路径规划进行分类总结,并从移动机器人对环境掌握情况的角度出发,将移动机器人路径规划分成全局规划和局部规划两类,然后对全局规划和局部规划的相关算法进行综述,同时对相关算法发展现状及优缺点进行总结。最后指出机器人路径规划技术在改进算法、混合算法、多机器人协作、复杂环境以及多维环境下进一步深入研究的未来发展趋势。     

基于改进蚁群算法的移动机器人路径规划

针对蚁群算法应用于移动机器人路径规划时存在易于陷入局部最优解、收敛速度慢的问题,提出了一种适用于静态障碍环境下基于改进蚁群算法的移动机器人路径规划方法。该方法改进了节点间的状态转移规则,增加了得到最优路径的概率;自适应调整启发函数,提高了算法的搜索效率;基于狼群法则对信息素进行更新,有效避免了算法陷入局部最优解;动态调整了衰减系数,在后期增加了蚂蚁对最优路径的选择概率,加快了算法的收敛速度。仿真实验表明,与其他算法在相同环境下比较,该改进算法在路径规划结果相同的情况下具有较快的收敛速度;且改进算法在不同复杂程度环境中均得到了最优路径,也表明了该算法的有效性和可靠性。该算法具有良好的寻优能力,可以适用于不同复杂环境中的移动机器人路径规划。     

Optimal trajectory planning based on Hamiltonian function of a spherical mobile robot

Designed for planetary exploration, a spherical mobile robot BHQ-1 was briefly introduced. The motion model of BHQ-1 was established and quasi-velocities were introduced to simplify some dynamic quantities. Based on the model, the time- and energy-based optimal trajectory of BHQ-1 was planned with Hamiltonian function. The effects of three key coefficients on the shape and direction of the planned trajectory were discussed by simulations. Experimental result of the robot ability in avoiding an obstacle was presented to validate the trajectory planning method.     

基于改进人工势场法的移动机器入路径规划

在移动机器人路径规划任务中,针对传统人工势场法中存在的目标不可达问题,提出了一种新的斥力改进函数的设计方法。在原来的斥力函数中加入一个调节因子,并对障碍物的作用范围采用人为分段的方式,有效解决了目标不可达问题,使机器人能够顺利到达目标点。将改进后的人工势场法应用于移动机器人路径规划,并利用M atlab软件进行了仿真实验。实验结果表明,基于改进人工势场法的移动机器人路径规划算法简单、有效。     

Two-grade search mechanism based motion planning of a three-limbed robot

A novel three-limbed robot was described and its motion planning method was discussed. After the introduction of the robot mechanical structure and the human-robot interface, a two-grade search mechanism based motion planning method was proposed. The first-grade search method using genetic algorithm tries to find an optimized target position and orientation of the three-limbed robot. The second-grade search method using virtual compliance tries to avoid the collision between the three-limbed robot and obstacles in a dynamic environment. Experiment shows the feasibility of the two-grade search mechanism and proves that the proposed motion planning method can be used to solve the motion planning problem of the redundant three-limbed robot without deficiencies of traditional genetic algorithm.     

基于改进TEB算法的阿克曼机器人运动规划系统

TEB(timed elastic band)算法通过修饰全局路径规划生成的初始轨迹来优化机器人轨迹,得到一条满足机器人运动学动力学约束,避开障碍物,时间较优的轨迹。加速度的变化率过大会使机器人底盘电机输出的力矩突变引起机器人受到冲击震荡,加加速度的约束可使加速度的变化率限定在一个合理的范围,在TEB方法中缺少加加速度约束的基础上,对原始TEB算法进行改进,在轨迹优化过程中构建了具体的加加速度的约束,并在Stage仿真平台对改进TEB算法进行了仿真和在真实的阿克曼机器人上进行了实现,实验结果表明:得到的轨迹满足运动学、动力学,避开障碍物的要求而且平滑,真实机器人运动平顺。可见,改进的TEB算法适用于阿克曼机器人,规划的轨迹效果较好。     

Relay switched, scalable topology control for mobile robot networks based on motion synchronization

A mobile robot network is said to be easily scalable to any number of robots if its performance is kept almost fixed after these robots are added or some fail in the network. An interaction dynamics model based on motion synchronization is first established. Considering the mobility of mobile robot networks, we propose a relay switched, distributed topology control for the scalable network to drive newly added robots to the most suitable positions with more neighbors as well as self-heal the blank positions of failed robots, and give a metric of the topology structure for evaluating the performance of network topologies. Then, we prove the stability of motion synchronization with the individual control based on Lyapunov exponent. Finally, the results of simulations have demonstrated the validity of the proposed modeling and control methods.     

Mechanism design and motion planning of M-Cubes robot

A homogeneous and lattice self-reconfigurable robot module is designed, and each module is composed of a center body and six connection planes which can independently rotate. A module can independently connect or disconnect with other modules, and then change its connection by collaborating with other modules. We discuss how to describe and discover configuration of robot. Furthermore, we describe its motion planning based on the appraisal function and the adjacency matrix which is effective to solve the computationally difficult problem and optimize the system motion path during the self-reconfiguration process. Finally, a simulation experiment is demonstrated, which verifies the correctness of locomotion method.     

基于粒群行为与克隆的移动机器人进化路径规划

针对移动机器人路径规划, 将粒群行为和生命科学中的免疫克隆原理、进化算法相结合, 将过去进化过程中的经验通过粒群行为来体现, 提出了一种结合粒群行为和免疫克隆的移动机器人进化规划, 较快速地规划出性能是全局优化的可行路径. 分析了粒群行为的二种学习方式对路径规划的作用, 研究了通过调整粒群行为操作中的参数实现多路径规划. 通过仿真实验, 对上述算法进行了验证.     

基于行为的多自由度机器人运动规划

提出了一种有效的基于行为的多关节机械手的运动规划。该规划将低级的运动规划和高级的行为决策结合在一起，在将位于机器人工作空间中的障碍物快速映射到姿态空间中的算法基础上，通过传感信息来计算局部障碍物的信息，从而形成姿态空间中障碍物的模型。定义了几种类型的行为来描述机械手的运动，并给出了选择行为的规则。而这些行为都是用基于姿态空间的算法可实现的。该方法适于多关节机器人在非确定环境中实时规划的要求。