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.     

动态环境下基于子目标的移动机器人路径规划方法

在移动机器人路径规划领域中,沿墙行走策略是解决人工势场法局部极小问题的一种简单但有效的方法。然而,已有的沿墙行走方法往往只适用于静态环境。为了在解决人工势场法局部极小问题的同时,保证其在动态环境中的有效性,本文对沿墙行走方法进行了改进,提出了一种基于子目标的方法,利用机器人周边的动态斥力势场调节沿墙运动的距离,通过设置子目标引导机器人躲避运动障碍物。仿真研究验证了该方法的有效性。     

基于T-S模型的迭代学习控制算法及其在机器人点位控制中的仿真研究

考虑了一类特殊的迭代学习控制问题，即用迭代学习方法解决机器人的点位控制问题。采用T-S模型描述机器人系统，在T-S模型的基础上，运用并行分配补偿方法(PDC)确定T-S模型的迭代学习控制器结构，并给出了误差收敛条件。为避免迭代过程的初始定位操作，丈中还设计了模糊循环迭代学习律。最后以在垂直面内运动的单关节的机器人为例说明了所提出方法的有效性。     

基于关键状态的虚拟人组合任务分层规划方法

运动规划是虚拟人运动合成中的热点和难点.虚拟人通过推理决策,选定最优运动序列完成给定目标.然而现有的运动规划方法由于维数爆炸问题难以规划具有多个子任务的组合任务.为此提出一种基于关键状态的虚拟人组合任务分层规划方法.该方法分为两层:上层的层次增强学习模型在状态空间中稀疏采样并搜索某些局部任务的成功路径,将被访问频次最大的状态作为关键状态从而将组合任务分解为若干子任务;底层的增强学习模型将运动片段抽象为行为,将环境信息抽象为状态,采用试错搜索策略分而治之地规划子任务.合成运动时虚拟人只需遵循各子任务的控制策略,依次选择运动片段并顺序拼接即可.实验结果表明该算法能够生成逼真的虚拟人运动以完成组合任务,并且大大减少规划所需的计算时间和存储空间.     

基于基本变量集的仿人机器人在线运动规划

仿人机器人在线规划方法对于其走向实际应用具有重要作用.通过对仿人机器人运动规划方法的调研以及实时性需求分析,提出了一种基于基本变量集的仿人机器人在线规划方法.该方法将运动规划问题转化为反映机器人运动状态的基本变量集的规划问题,通过对基本变量的规划和计算,得到基于关节空间的运动状态序列.该基本变量集包含零力矩点、仿人机器人重心(CoG)、髋部中心(CoC)、脚掌位置及相关关键姿态关系,所提方法结合仿人机器人动力学约束和物理约束,给出了关键变量集的规划和计算方法.最后,通过仿真实验,对规划结果的可行性进行了验证,实现了仿人机器人的稳定行走.     

动态网络中机器人信息的感知与搜索策略

为建立一个机器人信息动态交互平台,提出机器人自主感知模型,动态建立机器人路径,并基于遗传算法优化多机器人路径。机器人自主感知模型通过抽象各种网络实体,对网络信息进行分类搜索,自主感知实时的网络传感信息,从而动态规划机器人路径。遗传算法优化用于解决多机器人的路径交叉问题,避免机器人工作空间的资源竞争。仿真和实验表明,机器人自主感知模型具有很强的扩展能力和合理的构架,突破了以往移动机器人仅仅使用自身传感器或网络固定传感器的局限,能够完成超过机器人视野范围的任务。     

5连杆双足机器人建模和控制系统仿真

步行机器人作为一种载运工具适应地况能力强,结构复杂,运动控制难.实现类人型机器人动态行走,必须对机器人进行动力学建模、步态设计和稳定姿态控制算法设计.研究了一种5连杆双足机器人的动力学建模和控制系统仿真方法.建立两足步行机器人腿的可参数化仿真模型,对5平面双足机器人的运动情况和控制输入输出进行仿真,得出试验结果.并对影响步行机器人稳定性能的参数进行分析,为后面机器人样机的研制提供理论及数据依据.     

基于强化学习的多机器人系统的环围编队控制

针对机器人对未知目标的编队跟踪问题,建立机器人运动控制模型,提出了基于强化学习的目标跟踪与环围控制策略。在强化学习策略驱动下,机器人探索发现目标点位置并展开跟踪,使用环围编队运动模型对机器人跟踪策略进行实时优化,实现对逃逸目标点的动态跟踪与环围控制。搭建了多机器人运动测试环境,实验表明结合强化学习的方法能够缩短多机器人编队调节时间,验证了多机器人环围编队控制策略的有效性。     

模块化自重构机器人变形算法的仿真研究

自重构机器人是一个由众多模块组成的非线性复杂系统,非线性造成的计算复杂性使得传统的控制算法难以解决机器人的运动和变形规划问题。我们提出了一种全离散变形方法,针对不同的系统和不同的任务建立不同的模块运动规则,再由模块根据局部感知信息和相应的运动规则同步运动来获得合理的运动序列,实现全局变形。这可以大大简化自重构机器人变形的复杂性,简化变形步骤,并且实现自重构机器人的自组织变形。本文建立了仿真平台对几个典型的2维系统的变形算法问题进行了研究和验证。     

基于HMCD的仿人机器人步态规划

结合机器人本体结构设计和自由度配置,分析、调整了HMCD(Human Motion Capture Data)。采用模仿法把调整后的步态应用于步态规划。根据目前大多采用的两步规划法的不足,给出了改进后的三步规划法,并结合零力矩点(ZMP)稳定判据方法规划得到机器人稳定行走的关节运动曲线。最后对机器人前向运动、侧向运动进行了仿真,仿真结果表明基于HMCD的三步规划法可行。     

虚拟现实训练系统中基于手势的人机交互

给出了虚拟手建模和数据手套校正的方法和步骤。通过数据手套与位置跟踪设备的结合使用,得到现实世界中手的姿势以及位置,并以此驱动虚拟世界中的虚拟手进行交互操作。运用神经网络和逻辑组合的方法分别对定义的静态手势和动态命令进行识别,形成相应的操作命令。为验证所提方法的有效性和实用性,将基于手势的人机交互技术应用于某型自行火炮的虚拟驾驶训练中,受训者可以像在真实世界中一样操纵虚拟训练环境中的虚拟物体和部件,取得了满意的训练效果。     

考虑测量误差和随机效应的设备剩余寿命预测#br#

针对非线性退化设备的剩余寿命预测问题,尚未系统研究考虑测量误差和随机效应的退化建模、先验参数估计及相应的剩余寿命预测方法。首先建立考虑测量误差和随机效应的非线性Wiener退化模型;利用同类设备历史监测数据,基于期望最大化算法估计出退化模型中固定系数和随机系数先验分布;采用状态空间模型描述目标设备当前监测状态,基于Kalman滤波算法迭代估计出随机系数后验分布和当前真实退化状态;利用全概率公式,推导出考虑隐含状态估计不确定性的设备剩余寿命的概率密度函数;仿真实例分析表明,所提方法较现有方法在参数估计误差和剩余寿命预测精度上具有一定优势。     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

基于SIFT匹配算法的移动机器人单目视觉定位研究

以单目视觉为模型给出基于视觉的移动机器人目标定位系统算法,利用尺度不变特征变换匹配方法(SIFT)求得基本矩阵与本质矩阵,分解本质矩阵后进一步得到相机的运动参数,最后结合立体视觉方法以及运动恢复结构方法获得目标的深度信息,实现目标定位。给出了三维信息获取过程与计算机仿真结果。实验结果表明,算法能满足移动机器人对目标实现定位的精度要求。     

基于NTSM的航天器特征点凝视跟踪控制

针对航天器特征点凝视以及随动跟飞问题,提出了一种建立在目标特征点指向(feature point directing, FPD)坐标系下的相对运动动力学模型,并基于非奇异终端滑模方法(nonsingular terminal sliding mode, NTSM)实现了航天器的相对姿轨耦合控制。首先,以凝视跟踪的目标特征点为原点,跟踪指向轴为主轴,建立了FPD坐标系下的特征点相对运动模型,该模型在控制过程中可以保持特征点相对运动期望状态稳定不变,从而降低了末端约束的处理难度。其次,基于NTSM方法设计了一种有限时间控制律,并对其稳定性和滑模到达时间进行了分析,理论证明了该控制律满足Lyapunov稳定性条件,且系统能在有限时间内迅速收敛到平衡状态。最后,仿真结果表明FPD坐标系下的特征点相对运动模型以及NTSM控制律在求解特征点凝视跟踪问题上具有良好的性能和普适性,研究成果对空间在轨维护、空间操控以及深空小天体悬停着陆等具有一定的理论参考价值。     

重复使用运载器末端能量管理段轨迹线设计

为了研究重复使用运载器末端能量管理段的下滑轨迹线设计,给出了基于高度和动压的质点动力学的设计方法。首先,将基于时间历程的质点动力学方程转化为基于高度剖面的质点动力学方程,同时利用动压代替速度,使轨迹形状直接和动压约束相关。接着,利用基于动压和高度剖面的质点动力学方程,结合末端能量管理段制导与控制的特点,将不同的轨迹设计问题转化为不同的数学优化问题,并且给出了轨迹设计的数学方法和步骤,主要包括:最陡下滑、最大升阻比下滑和参考下滑轨迹剖面的设计。最后利用上述方法,针对所研究的重复使用运载器的对象特性,设计了具体的轨迹剖面和能量走廊。结果表明此方法具有较强的实用性和工程性。     

一种基于期望满意的群决策方法

提出了可期望水平和可期望保留水平的概念 ,并给出了一种估计各个群成员的可期望水平和可期望保留水平的方法 ,在此基础上提出了一种基于期望满意的群决策方法.     

空间目标动态电磁测量数据仿真方法研究

空间目标由于高速运动和微运动在电磁波上的调制效应,其动态实测的雷达散射截面(radar cross section,RCS)和高分辨一维距离像(high resolution range profile,HRRP)与暗室测量或电磁计算数据存在较大的差异。针对空间目标外场动态测量数据难以获取的难题,提出了用目标静态数据生成动态RCS和一维距离像数据的方法。该方法首先确定目标的轨道和雷达的布站坐标及工作模式,而后计算目标在雷达观测视线(line of sight,LOS)方向上的姿态和运动参数,最后根据空间目标高速运动、自旋、进动等在电磁波上调制的数学模型生成动态测量数据。给出了该方法的具体步骤,仿真实验证明了方法的有效性。     

基于自适应和模糊控制的新型XY平台同步控制研究

高性能XY平台普遍应用于集成电路(IC)制造和封装设备中.为获得较高加速度,提出了一种单边双直线电机冗余驱动的新型XY定位平台.冗余驱动系统在高速和高加速运动时均存在同步运动精度问题.针对X轴向双直线电机的同步驱动控制,建立了冗余驱动数学模型,并基于模型参考自适应控制和自适应模糊控制算法,设计了运动控制器,确保了同步运动精度.仿真结果表明,在较高加速度运动时,系统具有良好的静态、动态性能和较高的同步运动精度.     

基于强化学习的机器人模糊控制系统设计

研究了基于强化学习(RL)的模糊逻辑控制器(FLC)设计方法,并将该控制器作为反应式自主移动机器人的控制系统。在缺乏专家知识的情况下,将模糊推理系统(FIS)和强化学习理论相结合构成模糊强化系统,通过强化学习算法获取FLC得模糊规则库,从而有效地解决了复杂未知环境的机器人导航问题。实验结果表明,由强化学习设计的模糊控制器的有效性,同时具有较强的适应能力,可以应用于不同的复杂环境。