基于简化可视图的环境建模方法

针对移动机器人全局路径规划中环境地图的构建问题，提出一种基于简化可视图的环境模型建立方法.该建模方法通过剔除环境中对路径规划结果不造成影响的障碍物来简化环境模型的表示.在环境建模期间，利用机器人的起点和目标点以及环境中保留的障碍物建立一种可视边的数量足够少的简化可视图，简化可视图中的可视边即为移动机器人的可行路径.根据简化可视图建立的环境地图提高了后续移动机器人路径规划算法的执行效率.仿真结果表明该建模方法简单且有效.     

六主动轮移动机器人的建模及路径跟踪

为了研究轮式移动机器人的控制问题,用Newton-Euler法建立了一个具有6个主动轮且都能独立转向的移动机器人的动力学模型。用一种智能比例微分(PD)控制方法,实现了机器人的路径跟踪。该控制方法参考模糊控制的思想,将位置误差和方向误差分成若干个模糊集合,使控制器的参数能根据机器人的状态及外部环境进行调节,同时解决了各轮控制命令的协调问题。仿真结果表明,该控制策略是行之有效的。     

基于碰撞危险度和运动预测的多移动机器人避碰规划

针对自主移动机器人决策处理的滞后问题，采用预测算法对其它移动机器人的速度信息进行预测，并把速度信息用到碰撞危险度避碰策略中，机器人便可进行下一步的避碰行动决策，最后给出了这种方法的避碰仿真研究，结果表明该方法可行且有效。     

动态环境中基于遗传算法的移动机器人路径规划的仿真

动态环境中 ,移动机器人的动态路径规划是一个较难解决的课题 .提出了一种基于遗传算法的移动机器人的路径规划方法 .该方法采用实数编码和有明确物理意义的适应度函数 ,可以加快实时的运算速度和提高运算精度 .同时 ,该方法充分挖掘了可应用遗传算法解决移动机器人动态路径规划的潜力 .计算机仿真表明 ,仿真该控制方法具有良好的动态路径规划能力     

移动机器人滑模路径的跟踪控制

针对移动机器人的路径跟踪问题,基于反演思想设计了滑模路径跟踪控制器,并利用低通滤波器有效地减弱了控制过程中的干扰.由于该控制器的动态性能不理想,因此采用有界输入的方法对其进行控制律的改进,并简化了控制器的设计.仿真结果表明,改进后的滑模控制器跟踪效果良好,动态响应快,且保证了移动机器人的全局渐近稳定路径跟踪控制.     

考虑绕障时耗的四轮全向移动机器人轨迹跟踪控制

为保证移动机器人动态环境下的运行安全性,须结合轨迹重规划实现实时绕障;针对路径重规划会带来额外的计算负担、难以保证控制系统实时性的问题,为实现高效高精移动机器人运动控制,提出考虑绕障时耗的四轮全向移动机器人轨迹跟踪控制器．首先,将参考曲率引入四轮全向移动机器人的跟随误差模型,对控制时域和预测时域进行动态优化,提高弯曲复杂路径的跟踪精度;在此基础上,分析控制时域与重规划时耗的映射关联,设计自适应步长的调节策略,提升绕障模式下的控制实时性．测试结果表明：与比例-微分(PD)控制和传统滚动时域控制相比,所提出算法考虑绕障过程的跟踪控制性能更好,实时性更优．     

基于模糊控制器的移动机器人路径规划仿真

借鉴模糊控制的思想来解决移动机器人路径规划中的避碰问题，介绍了模糊控制的理论基础，对路径规划算法进行了推导，在总结经验建立模糊规则的基础上，运用模糊推理，构造出一张实践效果较好的控制响应表．仿真结果表明，该算法应用于移动机器人路径规划具有正确性、实用性和智能性等，该方法计算量小，运算速度快，提高了机器人控制的速度．     

基于五次Hermite插值的移动机器人路径规划方法研究

根据五次Hermite插值所得的曲线具有曲率连续的特点,提出了基于五次Hermite插值的移动机器人路径规划新方法,并应用该方法对前轮驱动兼操舵式移动机器人进行路径规划.实验结果表明,所提出的移动机器人路径规划方法不但可满足移动机器人在目标点时的姿态要求,而且可使前轮驱动兼操舵式移动机器人的操舵角连续变化,有利于移动机器人跟踪规划路径.     

基于滚动优化原理的类车机器人路径跟踪控制

针对存在非完整约束的类车移动机器人路径跟踪问题,提出了带约束曲线拟合的路径跟踪策略。借鉴预测控制中的滚动优化原理,通过运用微分平坦方法对所规划路径进行轨迹生成,进而完成路径跟踪过程。同时,基于滚动优化原理的跟踪方式也满足了路径跟踪对实时性的要求,移动机器人在遇到未知障碍情况下能够完成主动避障动作。为验证该方法的有效性,文章最后进行了仿真实验,结果表明,类车机器人在满足执行机构约束以及几何约束的条件下,能够成功避开障碍物,并且具有良好的跟踪性能。     

动态环境中基于模糊神经网络的机器人路径规划的一种新方法

动态环境中，移动机器人的动态路径规划是一个较难解决的课题，提出了一种基于模糊要领的动态环境模型和在此模型基础上结合模糊神经网络的机器人路径规划方法。这种方法利用动态环境中物体的信息动态调整模糊神经网络的权值，加快整个神经网络的收敛速度，以达到对机器人的下一步动作进行动态控制的目的。该方法充分挖掘了应用人工神经网络、模糊推理解决移动机器人动态路径规划的潜力，通过计算机仿真表明该控制方法具有良好的动态路径规划能力。     

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GIS地图的移动机器人路径规划

针对移动机器人路径规划实现条件的限制,提出基于GIS (geographic information system)地图的移动机器人路径规划.该方法应用改进A*算法,较好地实现了移动机器人的最优路径规划.在任意给定的地图中,只要确定了机器人的起点和终点,就可以找到该机器人在实际工作环境中符合需求的路径规划轨迹.应用VC++编程进行实验,证明了该方法的有效性.     

轮式移动机器人大转向航向跟踪控制

为了防止轮式移动机器人在大弯道路跟踪时出现过度转向而引起较大跟踪误差或偏离预定路径,提出了种能适应大转向的航向跟踪控制方法,利用机器人前轮偏角的绝对方向作为控制器反馈航向,仿真实验结果表明,该方法与以机器人车体航向作为反馈量的常规方法相比,在大转向航向跟踪时能有效志改善系统的动态特性,减少超调和振荡,提高基于航向控制的轮式移动机器人大弯道路径跟踪性能。     

室内移动机器人路径规划研究

路径规划是自主移动机器人的研究重点。针对传统的A*算法搜索出的路径存在途径危险区域,未考虑机器人外形尺寸、路径不平滑等问题,提出了一种改进A*算法的路径规划方法。在新的栅格化环境地图中,通过改进的搜索策略进行路径搜索;并对路径点删减和优化,通过分段多项式曲线平滑路径。实验仿真结果表明,新方法生成的路径满足移动机器人的动力学和运动学特性,且更符合室内移动机器人的轨迹跟踪和运动控制,该方法简单有效。     

基于模糊控制的移动机器人的路径规划

提出了一种在未知环境下移动机器人路径规划算法－模糊控制算法,并对此算法进行了推导与仿真。仿真结果表明,此算法鲁棒性强,可消除传统算法中存在的对移动机器人的定位精度敏感,对环境信息依赖性强等缺点,使移动机器人小车的行为表现出很好的一致性、连续性和稳定性。     

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.     

履带式移动机器人动力学模型及其反馈控制

履带结构被广泛地应用在移动式机器人的设计当中。为提高其反馈控制模型的精度,该文详细分析了履带式机器人的受力特点,提出了一种适于进行控制器设计的履带机器人模型,并在此基础上,按照反馈线性化的思想,提出了一种履带式机器人稳定路径跟踪控制器的设计方法,同时给出了方法的非奇异条件。该文提出的控制系统模型和路径跟踪方法,为履带式机器人控制系统设计提供了理论依据。     

基于嵌人式环境的智能移动机器人跟踪控制

基于自主搭建的履带式移动机器人研究了 一个P型迭代学习控制算法,它使移动机器人 能够根据位置和速度偏差的大小及方向,实时控制其在运动过程中的变化趋势,以获得合适的学习 增益矩阵,达到更好的控制效果.利用设计的P型迭代学习控制算法,对履带式移动机器人的路径 规划与路径跟踪实现准确的控制.实验结果表明,迭代学习控制可使履带式移动机器人在路径跟踪 控制过程中有更好的稳定性、准确性和快速性.     

采用模糊免疫PID控制的移动机器人避障误差仿真研究

当前,移动机器人运动规划路径较长,实际运动轨迹与理论运动轨迹误差较大。对此,设计了移动机器人模糊免疫PID控制系统,并对控制系统输出误差进行仿真验证。建立移动机器人平面简图,给出机器人运动方程式,采用平面栅格来描述机器人运动规划路径。引用传统PID控制器并进行改进,设计了模糊免疫PID控制系统,给出了移动机器人PID控制输出系统在线调节流程。采用MATLAB软件对机器人输出误差进行仿真,比较PID控制和模糊免疫PID控制输出误差大小。结果显示:移动机器人采用传统PID控制系统,稳定调节时间为1.0 s,产生的最大误差为0.83 mm,系统输出误差较大;移动机器人采用模糊免疫PID控制系统,稳定调节时间为0.5 s,产生的最大误差为0.59 mm,系统输出误差较小。移动机器人采用模糊免疫PID控制系统,响应速度快,追踪误差较小,从而提高系统的稳定性。