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。     

基于实时滚动亚目标的遥控移动机器人局部路径规划方法

在机器人前部一定范围内虚拟出8个亚目标,采集前部8个超声波传感器数据,根据工作场所障碍物分布情况,分析指定范围内有无障碍物,结合机器人航向偏离目标的角度,选择最佳亚目标.若机器人航向在一个规定的小角度范围内对准目标且机器人正前方无障碍物,机器人作直线运动;其他情况下,机器人以圆弧接近最佳亚目标.在运动过程中,最佳亚目标滚动更新,运动轨迹随之变化.该方法克服了机器人避障时速度慢的缺点,避障流畅,路径平滑且能以较短路径接近目标,实用快捷.     

多移动机器人保持队形路径规划

将多移动机器人的运动控制和路径规划有机结合,提出了多移动机器人的队形模型和保持队形的定义.在此基础上,以基于行为的导航算法为基础,将机器人队列的运动过程划分为正常运动、避障和恢复队形3个阶段.在避障阶段,引入虚拟机器人使队形保持部分完整;当队形被严重打乱时,规划机器人的局部目标位姿使队列快速恢复队形.仿真实验表明,该控制方法不仅使多移动机器人安全避障,而且队形保持较完好.     

基于自适应模糊神经网络的机器人路径规划方法

为了解决传统反应式导航中的复杂陷阱问题,优化导航控制,减少计算复杂度,提出了基于自适应模糊神经网络的机器人导航控制及改进型虚目标路径规划方法.首先根据移动机器人运动学模型,融合神经网络的自主学习功能与模糊控制的模糊推理能力,提出了基于自适应模糊神经网络的机器人导航控制器,将生成的Takagi-Sugeno型模糊推理系统作为机器人局部反应控制的参考模型.该自适应模糊神经网络控制器实时输出扰动角度,在线调整移动机器人的预瞄准方向,使移动机器人能够无碰撞趋向目标.然后,提出了一种改进型虚目标方法,优先选择机器人可能逃脱陷阱状态的路径,简化了设计难度,改变了虚目标切换方式,避免了大量复杂计算.实验结果表明,提出的方法可以帮助机器人在全局信息未知的复杂环境中导航,在趋近目标点的过程中能有效避障,无冗余路径产生,且轨迹平滑.     

基于三阶段蚁群算法的土地利用核查 路径规划与目标导航

针对当前土地利用监管外业核查难以快速、准确地遍历所有待核查地块等问题,进行了土地核查路径规划与目标导航定位技术研究。提出了基于改进蚁群算法的土地核查路径规划与目标导航问题的三阶段求解方法,即“先分群,再搜索阶段最优路径,最后实现全局最优路径规划”,将大区域的多辆车路径规划问题简化为小范围单辆车路径规划与目标导航,利用改进蚁群算法求解出土地核查全局最优路径和导航信息。在此基础上对扬州市面积约6 600 km²范围内580个待核查图斑开展土地核查,利用该算法将外业核查车辆行驶路程由2 250 km缩短为1 683.3 km,缩短了25.2%。精准的目标导航方法较采用商用导航仪提高了工作效率和核查目标导航的准确性。     

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。     

一种基于遗传算法参数优化的改进人工势场法

人工势场法是一种简单有效的移动机器人路径规划算法.针对传统人工势场法在路径规划中的一类目标点不可达问题,提出了一种在局部最小点改变斥力角度和设定虚拟最小局部区域的解决方案,同时采用遗传算法对改进算法中斥力改变角度以及虚拟最小局部区域的半径两个参数进行优化.仿真实验说明本文所提算法能在起点和终点之间规划出一条简捷、光滑和安全的路径.     

基于导航势函数法的六自由度机械臂避障路径规划

以MOTOMAN MH6型机械臂为研究对象,运用导航势函数法对机械臂的无碰撞路径规划展开研究. 根据机械臂的几何特点对机械臂进行简化,并结合球型包络算法分析了障碍物与机械臂碰撞的临界条件,计算出机械臂运动的自由空间. 导航势函数法有效解决了传统人工势场法的"局部极小值陷阱"问题,由于预先消除了目标点以外的极小值,机械臂能够顺利到达目标点. 通过数值仿真,解决了导航势函数控制参数的选取问题,并在基于OpenGL的虚拟实验平台中进一步验证了该方法的有效性和可行性.      

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.     

基于人工免疫网络的机器人局部路径规划

为解决复杂环境下机器人路径规划问题,提出了基于人工免疫网络(artificial immune network,AIN)的移动机器人局部路径规划算法。建立了AIN与机器人局部路径规划问题的映射关系,给出了算法流程,最后对提出的方法进行了仿真验证,并与人工势场法进行了比较,结果表明该方法在复杂障碍物环境下是可行和有效的。     

进化学习模糊规则实现移动机器人的自适应导航

给出了一种轮式移动机器人导航的方法，机器人由一组动态变化的模糊规则集控制，通过遗传算法在线调整和学习模糊规则．根据机器人的运动模型构造了模糊控制器，采用变长度编码方法对规则编码，减少了染色体的尺寸和复杂度，提高了学习速度．通过竞争型小生境遗传算法解决了模糊规则的学习问题法，并分析了设计中遇到的如多条模糊规则同时激活的信度分配等问题．学习过程在二维仿真环境下完成，在自行开发的全局视觉平台上对学到的规则进行了验证．实验结果证明，该方法是正确可行的．     

不确定环境下集矿机环境感知与实时避障研究

通过对海底集矿机作业特点及作业环境分析可知,采用传统势场法避障要解决的关键问题主要为局部极小问题,由此提出了基于人工势场法的改进算法。重新定义势函数,对斥力函数作了改进,建立了履带式集矿机的运动学模型,并成功应用于海底不确定环境下集矿机的实时避障。仿真结果表明:改进后的避障算法能够使机器人逃离局部极小,顺利避障并到达目标,具有较强的实用性与可行性。该研究对于海底采矿及水下机器人的避障具有一定的指导意义。     

变电站巡检机器人避障方法研究与应用

为提升变电站巡检机器人的导航避障能力,将深度学习技术应用于变电站场景识别中,提出了一种基于深度卷积神经网络的避障方法.该方法联合图像分类和语义分割两个分支来共同辅助机器人导航避障,分类分支通过获取图像全局信息,保证机器人正确行驶方向;而语义分割支路则根据图像局部信息以及机器人前方目标类别,指导机器人准确避障.实验结果表明,避障方法可以高效地对图像进行分类和分割,同时,在实际变电站环境中,该方法也能为巡检机器人提供有效的避障信息,实现实时自主避障.     

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 ,结果能够以很高的比率收敛于最优解     

室内服务机器人路径导航系统设计及算法

随着各行业智能化的快速发展,室内服务机器人逐渐地走进了人们的日常生活中。针对日益复杂的室内环境以及对机器人路径规划技术要求的不断提高,本文采用激光雷达、底盘驱动、人机交互等功能模块相结合,设计了一种室内服务机器人路径导航系统。同时对传统蚁群算法进行改进,提出了自适应信息素浓度和动态信息素挥发因子,使改进后的蚁群算法具有较高的全局搜索能力,避免了传统蚁群算法前期易陷入局部最优的问题,最后将改进后的蚁群算法应用到移动机器人路径规划上。为了验证改进蚁群算法的有效性,用MATLAB软件进行仿真分析,仿真结果证明了改进蚁群算法在移动机器人路径规划时具有较强的全局寻优能力,同时提高了收敛速度。     

基于视觉目标跟踪的侦察机器人导航方法

针对未知环境下侦察机器人的自主导航问题,提出了一种基于视觉目标跟踪的侦察机器人导航方法.首先利用二进制鲁棒独立元素特征(BRIEF)提取方法来检测和描述待跟踪视觉目标的局部不变特征点,在快速的特征匹配计算基础上提出由粗到精的目标定位两步法实现机器人导航过程中视觉目标的实时准确跟踪.其次对基于视觉目标跟踪的自主导航任务进行行为分解和实现,在行为中集成视觉目标跟踪算法.最后利用基于宏行为的机器人事务执行机制实现移向视觉目标的自主导航控制.实验结果表明,提出的方法能够使侦察机器人实时准确地跟踪视觉引导目标,在复杂障碍物环境下可靠地完成移向目标的自主导航任务.     

Using local geopotential model to implement underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of Inertial Navigation System (INS). This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

A local geopotential model for implementation of underwater passive navigation

A main aspect of underwater passive navigation is how to identify the vehicle location on an existing gravity map, and several matching algorithms as ICCP and SITAN are the most prevalent methods that many scholars are using. In this paper, a novel algorithm that is different from matching algorithms for passive navigation is developed. The algorithm implements underwater passive navigation by directly estimating the inertial errors through Kalman filter algorithm, and the key part of this implementation is a Fourier series-based local geopotential model. Firstly, the principle of local geopotential model based on Fourier series is introduced in this paper, thus the discrete gravity anomalies data can be expressed analytically with respect to geographic coordinates to establish the observation equation required in the application of Kalman filter. Whereafter, the indicated gravity anomalies can be gotten by substituting the inertial positions to existing gravity anomalies map. Finally, the classical extended Kalman filter is introduced with the differences between measured gravity and indicated gravity used as observations to optimally estimate the errors of the inertial navigation system （INS）. This navigation algorithm is tested on simulated data with encouraging results. Although this algorithm is developed for underwater navigation using gravity data, it is equally applicable to other domains, for example vehicle navigation on magnetic or terrain data.     

基于改进ACS算法的移动机器人路径规划研究

针对蚁群系统(Ant Colony System,ACS)算法存在收敛速度慢、路径不平滑、易陷入局部最优等缺点,提出了一种基于万有引力搜索策略的ACS算法.为了解决算法初期由于地图信息匮乏,导致蚁群寻路盲目性较大的问题,提出了简化ACS算法对初始信息素浓度进行更新.引入万有引力算法搜索策略,提升了算法收敛速度,且有效解决了局部最优问题.对每次迭代获取到的最优路径进行优化,减少了路径的转折点数量、提升了路径平滑性.仿真试验表明,改进算法能够有效提升算法的收敛速度、路径平滑性.将改进算法应用到实际的移动机器人导航试验中,试验结果表明,改进算法能够有效解决移动机器人的路径规划问题,且有效提升移动机器人的导航效率.     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。