基于Webots仿真软件的仿生六足机器人机构设计与步态规划

仿真技术在机器人机构设计与运动分析的研究与应用中发挥着重要的作用,可提升机器人机构设计的质量和改善机器人的运动性能.在六足纲昆虫观测实验的基础上,模仿六足纲昆虫的躯体形态和结构特征,以蚂蚁爬行的三角步态为摹本,对仿生六足机器人进行了机构设计与步态规划,并在Webots移动机器人仿真软件的环境下完成了仿生六足机器人的实体造型,编制了相应的运动控制程序,且通过仿真实验验证了仿生六足机器人机构的合理性和运动的灵活性.     

基于OpenGL的仿人机器人步行仿真研究

已有的仿真建模中,为了减少复杂性,大多将人足模型简化为点或圆弧,这与实际情况相差较远.在C++Builder 6.0环境下利用“Open GL”图形库建立了3D仿人型机器人双足步行仿真系统,用多关节串联机构模拟足部,实现包括由前脚掌支撑、足部转动的多种步态方式,并分析步行中各种步态间的转换,根据机器人脚跟、脚尖与地面接触状态的变化动态切换不同的步态方式,符合人足步行的实际情况,增强了机器人步行的灵活性与拟人性.该系统的控制部分采用位置反馈与正弦驱动相结合的行走控制方法,通过对人足模型的多关节动力学建模,有效地实现了机器人的稳定步行仿真,并实现了步行过程中的实时步态调整.     

基于影响系数原理的六足机器人运动状态分析

采用螺旋理论与影响系数原理对六足爬壁机器人进行运动学分析。首先,对六足机器人单腿应用螺旋理论建立机器人运动学模型;其次,在螺旋理论基础上,利用影响系数原理提出一阶和二阶影响系数矩阵,对机器人末端进行速度和加速度分析,此外该文提出用4个加速度影响因子分析对加速度变化的影响。最后,运用ADAMS建立虚拟样机得到直线行走步态下各关节运动参数数据,并通过华南理工大学研发的实际六足爬壁机器人实验验证了运用螺旋理论分析六足爬壁机器人运动学的正确性和合理性。仿真结果表明,角加速度和一阶影响系数矩阵的变化对加速度的变化起主要作用,为步态轨迹规划提供了有价值的参考。     

双臂空间机器人的通用运动学路径规划算法

提出了一种基于通用运动学模型的双臂空间机器人在自由浮游状态下捕捉目标并避免碰撞障碍物的路径规划算法。过去的双臂空间机器人路径规划问题主要研究双臂的避碰问题 ,而忽略了机器人本体的避碰问题。实际上 ,当机械臂运动时 ,机器人本体也在相对运动 ,这个相对运动随机械臂质量与本体质量之比的增大而增大。利用通用运动学模型计算出双臂空间机器人的各点 (包括本体 )的速度 ,并在路径规划过程中根据机器人本体的速度计算出本体平动的距离 ,克服这个平动来避免与障碍物碰撞。最后 ,通过路径规划算法的计算机仿真结果证明了所提出路径规划算法的可行性     

基于安全性目标多足爬壁机器人足力优化分配

针对多足爬壁机器人高空作业时的安全性问题,引入安全系数概念,提出基于安全性多足爬壁机器人足力优化分配方法.在建立关节驱动力和足底接触力转换基础上,推导多足爬壁机器人的动力学模型,确定机器人运动学、动力学约束条件,用粒子群算法求解在能耗最优目标下安全系数与吸盘吸附力的关系.该方法有效减少优化变量数量,同时还反映了机器人安全系数与未知环境(主要指真空吸盘吸附力)的关系,提高了机器人的环境适应能力.最后通过实例验证了该方法的可行性与有效性.     

液压四足机器人的仿生运动控制研究

动物的节律运动具有规则的运动形式和良好的稳定性、适应性,因此这种运动方式适合用于腿式机器人的运动控制.针对四足机器人难以协调控制的问题,通过对高等动物神经学理论和节律运动的研究、改进与仿真,设计了一种基于中枢模式发生器(CPG)的运动控制方法,并借助Matsuoka振荡神经元模型建立了完整的四足机器人坊生运动控制网络模型.以自激行为产生不同相位的节律运动信号并控制执行器进行相应的动作,实现了一系列典型的四足机器人运动步态和足端轨迹的生成与转化,有效地解决了机器人四足协调运动控制的难题,提高了机器人在复杂环境中的运动和适应能力.     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于振荡器模型的蛇形机器人的步态仿真

自然界中的生物蛇具有多种周期性运动方式如蜿蜒运动、直线运动和侧移运动等,步态的多样性极大的提高了自然蛇对复杂环境的适应性.生物学家通过研究证明脊椎动物的这种节律性运动方式是由中枢神经模式发生器(CPG)控制的.针对蛇形机器人高自由度的机械结构和不同步态的运动特点,利用Hopf振荡器模型的稳态特性建立了蛇形机器人的CPG步态模型,通过ADAMS仿真实现了1种九连杆八关节机器人样机的蜿蜒运动和三维空间内的侧向蜿蜒运动,并讨论了 2种步态之间的切换.仿真分析结果证明该CPG模型在实现蛇形机器人2种步态控制上的有效性.     

移动机器人在线路径规划算法研究

主要讨论了不确定环境下移动机器人运动路径的在线规划算法。在此方法中 ,预定目标被定为吸引子 ,而障碍物被定为排斥子。这样 ,路径规划就转换为应用牛顿定理进行迭代计算。该算法简便 ,实时性强 ,能自动地适应工作环境中障碍物的位置变化和随机出现 ,使机器人准确避开障碍 ,安全到达目的地。实验结果表明 ,此算法效果良好。     

仿生六足机器人稳定性的仿生实验研究

阐述了六足机器人稳定性研究对于机器人稳定性、足端轨迹规划以及脚力分配等方面的影响,从对蚂蚁的观察实验出发,重点分析蚂蚁在水平面上直线前进和转向运动的稳定性问题,总结归纳了一系列规律用于指导仿生机器人开发.同时借鉴蚂蚁仿生规律,指出了通常六足机器人在稳定性方面的缺点,提出了提升机器人稳定性的简单有效的办法,并展望了更进一步提升机器人稳定性和运动性能的设计趋势.     

检测低信噪比运动目标的改进DP算法

研究了用于检测低信噪比目标的动态规划(dynamic programming, DP)算法。鉴于传统各DP算法对低信噪比运动目标的检测能力较弱的问题,提出了一种改进算法。该算法利用二阶Markov模型描述目标的状态转移过程,并在此基础上将DP的目标寻优过程改进为一系列二维寻优的嵌套。这样,在充分考虑目标的各种运动可能性的前提下,改进算法仍能具有较小的目标搜索范围,从而改善了DP对低信噪比运动目标的检测性能。     

基于增强学习的关节型机器人动态操作任务运动规划

提出增强学习(RL)解决机器人动态操作任务运动规划的方法。对动态操作任务,分析了如何确定输入输出变量以及强化函数的设计问题;给出用于连续输入输出问题的自适应启发评价(AHC)算法。增强学习解决动态操作任务的运动规划问题,只需要机器人正解进行反复尝试即可学会动作,从而避免了常规运动规划方法中涉及的复杂逆解运算;最后以平面3连杆机器人接取自由飞行的球为例进行仿真研究,结果表明了方法的有效性和可行性。     

基于隐马尔可夫模型的动态规划检测前跟踪算法

传统的动态规划检测前跟踪(dynamic programming track-before-detect, DP-TBD)算法能有效实现对匀速直线运动目标的检测跟踪,但其忽略了目标帧间状态转移概率,因此在对机动目标进行检测跟踪时容易受噪声干扰,产生错误的状态关联。对此提出了一种基于隐马尔可夫模型的DP-TBD算法。该算法利用隐马尔可夫模型对目标的运动过程建模,用一系列隐状态表示目标转弯速率并利用隐马尔可夫模型的隐状态估计理论实现对转弯速率的估计和预测,进而得到当前目标状态的预测值,根据此预测状态与下一时刻回波数据分辨单元间的距离来计算转移概率。然后将转移概率应用于DP-TBD算法的能量积累过程中以提高检测跟踪性能。仿真实验基于机动目标,给出了所提算法的检测跟踪性能,并与传统的DP-TBD算法、方向加权DP-TBD算法以及线性最小二乘DP-TBD算法进行了分析比较,验证了该算法的有效性。     

基于前视声呐信息的AUV避碰规划研究

在复杂海洋环境中,利用前视声呐获取的障碍物信息指导自治水下机器人（AUV）进行局部避碰。主要采用强化学习的方法对AUV进行控制和决策,综合Q学习算法、BP神经网络和人工势场法对AUV进行避碰规划。强化学习的方法强调AUV在环境的影响中学习,通过环境对不同行为的评价性反馈信号来改变行为选择策略。并且在环境发生变化时,AUV通过学习来实现对新环境的适应,不断改进其自治能力,进而实现在不确定环境下的避障任务。开发了AUV运动规划的虚拟仿真软件系统,仿真实验证明了算法的合理性与可行性。     

基于相关机会规划的多机器人觅食过程的参数优化

针对随机环境中以觅食为任务的多机器人系统,在建立其整体数学模型基础之上,利用随机规划中的相关机会规划对影响整体系统性能的两个重要参数进行了优化分析,并采用基于随机模拟的遗传算法得到了优化结果.仿真结果表明,利用该方法可以实现随机环境下的系统优化控制,从而可为多机器人系统的行为规则优化提供理论依据.     

杂波环境下基于距离航速航向信息的多目标跟踪

针对杂波环境下的多目标数据互联问题,提出了基于距离、航速和航向信息的多目标数据互联算法。该算法首先以不同目标状态更新向量中的位置元素为中心,基于距离门限对测量数据进行选择,然后在此基础上利用目标航速和航向信息对选择的测量数据做进一步判断,具体方法是由当前时刻目标测量数据和前一时刻目标的状态来估计相应目标的航速和航向,并通过设定的航速和航向门限对保留的测量数据进行选择,实现复杂环境下的多目标数据的有效关联;然后计算有效回波是正确量测的概率,并以这些概率值作为权值对目标状态进行加权融合,实现杂波环境下多目标的可靠跟踪;最后通过仿真实验对算法的有效性和可行性进行了验证。     

基于仿射混杂系统控制设计的机器人导航控制

根据单纯形仿射混杂系统的可达性分析设计控制律,使机器人在平面任意两点间运行,保证其安全性并考虑其最优性.对机器人的状态空间进行三角划分,根据目标吸引原理来建立其对偶图,针对对偶图提出路径规划算法得到最短路径穿越的三角形序列.然后根据仿射系统在单纯形中的性质,提出运动规划算法,得到机器人的角速度和线速度,控制机器人穿越给定的三角形序列到达目标点.仿真结果表明了方法的有效性.     

基于激光传感器的动态拟合避障控制与仿真

考虑未知动态环境下机器人系统的运动规划问题,提出了一种避障规划策略.针对一类圆形动态障碍,机器人通过激光传感器采样获得障碍边缘,采用最小二乘法对障碍边缘进行拟合.经过多次估计动态中心位置和大小,获取障碍物的相对速度和方向.综合考虑机器人、动态障碍以及目标点间的相对关系,确定机器人的最优运动方向,以保证机器人安全运行和任务完成.在此基础上,进一步给出了多机器人系统在未知动态环境下的编队控制策略.所提出的避障控制策略通过仿真实验进行了验证.     

认知雷达中基于Q学习的自适应波形选择算法

自适应波形选择器是认知雷达中智能发射器的重要组成部分。有效的波形选择能够在不同的环境下选择发射最优的波形序列,从而以更高的精度追踪目标。针对雷达目标转移概率未知这一特点,把自适应波形选择问题建模为随机动态规划模型,提出应用Q学习的方法来解决这个问题。仿真结果说明,该算法接近于最优波形选择方案,并且状态估计的不确定性低于固定波形。     

基于图模型自主优化的多无人机多目标攻击

为在多无人作战飞机(unmanned combat aerial vehicle, UCAV)执行多目标攻击中适时确立决策优化的方向、改变任务优化所需的基本条件,采用图模型中的动态贝叶斯网络(dynamic Bayesian network, DBN)构建了空天威胁体感知模型,提出了基于图模型自主优化系统的分层架构和多UCAV自主协同规划方法。该方法利用数据融合形成的DBN状态转移网络及观测转移网络参数的变化表现复杂空天环境的变化,并充分利用DBN的学习和推理算法,实现了对威胁体的在线动态感知,达到了按照确定原则完成UCAV攻击目标重新分配与航迹协同等任务的目的。仿真结果表明了这种自主优化规划方法的正确性和可行性。