足球机器人底层运动控制研究

足球机器人底层运动控制在足球机器人比赛中起着至关重要的作用 .首先通过一系列试验 ,利用函数拟合的方法构造足球机器人的基本运动模型 ,然后在此基础上对足球机器人底层运动控制进行了较深入的分析 .试验结果和实际比赛证明该方法有助于改善足球机器人的运动控制 ,并且可以为更高层次的基本动作和整体决策子系统的研究奠定良好的基础 .     

机器人足球决策软件系统研究与实现

在机器人足球比赛中，决策系统根据视觉系统提供的机器人位姿和足球位置信息，进行快速准确的决策，是取得胜利的关键。介绍了一套机器人足球决幕软件系统的设计实现方案，采用六步推理模型，基于敷组对称和按需首次计算的视觉信息预处理方法；提出基于角色的改进多参考点运动轨迹规划方法。通过实际比赛验证，达到了机器人足球比赛要求，比赛效果较好。     

基于粒子群算法的足球机器人动作选择研究

提出一个基于粒子群算法的足球机器人的动作选择算法。该算法给出了一个足球机器人的动作集合，根据赛场的实际情况为足球机器人分配角色与任务，并利用粒子群算法为足球机器人选择合适的动作。     

仿人智能算法在足球机器人路径规划中的应用

足球机器人比赛是一个动态时变非线性的环境,各运动对象难以建立精确的数学模型,仿人智能算法以人的思维方式、行为和直觉推理为基础,在足球机器人路径规划过程中避开了求解繁琐的对象模型时遇到的问题,显示出了其独特的优势。文中讲述了仿人智能算法在足球机器人路径规划中的应用方法,并通过实例仿真表明了算法的可行性和有效性。     

机器人足球决策软件系统研究与实现

在机器人足球比赛中,决策系统根据视觉系统提供的机器人位姿和足球位置信息,进行快速准确的决策,是取得胜利的关键.介绍了一套机器人足球决策软件系统的设计实现方案,采用六步推理模型,基于教组对称和按需首次计算的视觉信息预处理方法;提出基于角色的改进多参考点运动轨迹规划方法.通过实际比赛验证,达到了机器人足球比赛要求,比赛效果较好.     

一种基于足球机器人踢球动作的运动规划

在足球机器人的比赛中,合理的运动规划是非常重要的.本文提出了一种简单而且有效的轨迹生成方法.这种方法仅使用直线和圆弧,结合考虑机器人、球以及目标点的位置,规划出了基于机器人踢球动作的运行轨迹,并给出了运动控制的方法.     

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.     

机器人足球视觉系统研究与实现

在机器人足球比赛这项综合性的高技术对抗活动中,快速准确地识别足球和机器人是决策系统的基础.提出一套机器人足球视觉软件系统的设计实现方案.采用直接TUV颜色模型输出,目标阈值建立采用手动和自动方式.利用颜色标志设计的对称性,改进累加取平均算法和旋转搜索算法,采用改进跟踪搜索算法进行目标搜索,提出智能组合算法思想.实验测试系统达到30帧/s处理速度,目标搜索准确性达到95%以上.     

基于改进HSIC控制器的全向足球机器人运动研究

RoboCup比赛对足球机器人实时、准确、稳定等性能要求较高,而全向机器人由于自身特性导致在比赛中高速运动时难以实时、准确地跟踪路径规划程序生成的轨迹.针对这一情况,采用改进仿人智能控制(HSIC)算法对机器人的运动进行控制,较好地解决了这一问题.仿真实验结果表明,与常规PID控制相比,该算法能使全向机器人克服振动等扰动影响,准确高效地实现机器人的运动控制.     

人工免疫算法在足球机器人路径规划中的应用

提出了一种人工免疫算法———基于思维进化的人工免疫算法,此算法在人工免疫的基础上吸取了思维进化算法中的优点,提出了趋同半径和异化半径的概念,能够实现算法中抗体的局部和全局求解,使得人工免疫系统和思维进化算法有机地结合起来。同时将算法应用到足球机器人的路径规划中,构建了机器人的数学模型和亲和力函数,并且给出了具体的实现步骤,取得了合理的实验结果,对算法中的一些关键操作也进行了简要的说明。     

基于蚁群算法的机器人足球通信机制

给出了基于蚁群算法实现机器人足球比赛中球员之间协作和通信的机制.选用两只球队分别采用了传统的通信机制和"黑板"通信机制进行实验比较,发现虽然两个球队的整体结构和高层策略相差无几,但是无论从速度、力量还是传接球成功率等方面,Novauro都比ujdb强.该通信机制具有灵活,鲁棒性强的特点,不会由于局部的失误而影响全局的性能.     

基于蚁群算法的机器人足球通信机制

给出了基于蚁群算法实现机器人足球比赛中球员之间协作和通信的机制．选用两只球队分别采用了传统的通信机制和“黑板”通信机制进行实验比较，发现虽然两个球队的整体结构和高层策略相差无几，但是无论从速度、力量还是传接球成功率等方面，Novauro都比ujdb强．该通信机制具有灵活，鲁棒性强的特点，不会由于局部的失误而影响全局的性能．     

基于视觉的足球机器人决策规划研究进展

机器人足球比赛的核心系统是决策规划。对整个机器人足球决策子系统分层加以论述,主要介绍了国内外关于机器人足球决策的一些主要研究成果和最新进展。既介绍了传统的基于规则的方法,也讨论了基于模糊逻辑、遗传算法、强化学习等智能方法的决策技术。并就关键问题进行了分析和探讨,同时对机器人足球的发展趋势做了展望。     

形态学算法在足球机器人视觉中的应用

针对传统视觉系统在机器人足球比赛中获取各实体位置不够准确的问题,提出一种基于形态学的腐蚀与膨胀算法对图像中的目标进行检测和识别,以提高了系统的实时性,减少了程序的运算量.     

足球机器人控制系统的设计与实现

足球机器人小车是机器人足球比赛的执行机构,介绍了一种基于DSP的足球机器人控制系统的实现方案。描述了系统组成各个模块的硬件实现,并给出了相应的软件设计方案。实验证明,该系统不仅简化了系统的外围设备,降低了系统的损耗,而且提高了机器人的稳定性和实时性,获得了更好的控制效果。     

足球机器人的双圆弧射门算法研究

为了提高机器人足球比赛中的成功率,在分析了基本算法不足的基础上,利用能够满足任意端点及其斜率要求的双圆弧曲线来解决机器人小车到达目标点的位置,以及姿态运动过程中遇到障碍物能够保持最佳姿态的射门问题,并利用优化设计中的复合形法进行了运动路径寻优.仿真结果表明,利用双圆弧曲线可保证足球机器人有效地避开障碍物到达目标位姿,且可保证规划路径上的每一点均能满足非完整约束条件,有效地为足球机器人规划出避碰最优路径.优化后的方法简单有效,可对机器人的初始条件不加限制,计算量非常小,因此有较高的实用价值.     

发育学习在足球机器人基本动作技能中的应用

研究了发育学习算法及其在机器人足球比赛技术动作学习问题中的应用。结合发育学习算法的优点,选用合适的强化学习算法,并将其应用于足球机器人动作技能的学习中。无需任何先验知识和环境模型,通过不断与环境交互获得知识,自主地进行动作选择,具有自主学习能力,在自主机器人行为学习中受到广泛重视。最后,给出了试验结果分析,并验证了该算法的优越性和有效性,并且能够满足高水准机器人足球比赛的需要。