基于环境建模与自适应窗口的机器人路径规划

为解决未知环境下移动机器人的实时路径规划问题,提高路径的综合性能,采用多约束局部环境建模方法,综合考虑了各行进方向上的可通行性、安全性、运动平稳性和目标引导性等因素;在环境建模基础上,将Bug算法与基于滚动窗口的路径规划相结合,提出一种改进的路径规划算法,该算法为机器人设计了趋向目标行为和克服局部极小的沿墙行走行为,其滚动窗口的大小能够根据环境进行自适应动态调整.仿真结果表明,提出的环境建模及路径规划方法具有较好的避障能力和环境适应性.     

基于正态密度函数的滚动窗口路径规划方法

路径规划是移动机器人智能化的标志.在原有滚动窗口路径规划方法基础上,提出基于正态密度函数的滚动窗口路径规划方法.通过实时检测滚动窗口内的环境信息,结合移动机器人与障碍物之间的距离关系,利用正态密度函数改变机器人偏转角度,实现避障.通过对方法的仿真,表明了所提方法的有效性.     

滚动窗口局部路径规划在未知环境中的应用

为了实现未知复杂环境下机器人的局部路径规划,提出了一种新的局部路径规划方法,使机器人自主探测周边障碍物情况.通过滚动窗口计算局部目标等途径进行路径规划,从而实现机器人无碰撞到达全局目标点.该方法可以使机器人在未知复杂环境中较快较好地进行路径规划.仿真试验表明该方法具有可行性、有效性和实时性.     

基于模糊滚动RRT算法的移动机器人路径规划

研究了环境未知情况下的移动机器人路径规划问题,将快速扩展随机树(RRT)算法与基于滚动窗口的路径规划相结合,提出一种新的移动机器人路径规划算法,克服了RRT算法通常只能在已知环境中进行移动机器人路径规划的限制。规划时只考虑窗口环境地图,提高了RRT算法规划效率,保证了算法的实时性。针对RRT算法路径规划缺乏确定性的问题,结合人类经验及模糊控制理论,以概率来随机取点,并引入启发式估价函数,使随机树易于朝目标点方向生长。同时运用回归分析生成新节点,增强了算法搜索未知空间的能力,避免了可能产生的局部极小。最后仿真实验验证了该算法的有效性。     

基于滚动优化的离散事件系统控制

将预测控制的广义原理应用到离散事件系统（Discrete Event System,DES)的控制理论中，得出了DES基于滚动窗口监控的一般方法。根据系统行动 描述定义了受控DES的行为模型，并提出了DES的预测模型集、子预测模型集和基于滚动窗口的监控算法。     

多机分布式协同搜索方法及模糊算法求解

针对未知环境下多无人机(UAV)分布式协同搜索问题,对分布式搜索的通信交互和决策最优性进行了分析,给出了分布式纳什均衡解的求解方法.在分布式控制框架下,建立了基于滚动优化的多机搜索的问题描述和状态空间模型,并针对传统协同收益指标的不足,提出了基于人工势场的协同收益模型,与模糊控制相结合,建立模糊规则求解协同收益,增加了决策的鲁棒性.仿真实验验证了提出的协同搜索方法的有效性.     

移动机器人混合式全遍历覆盖路径规划算法

针对移动机器人在未知环境下的全遍历覆盖任务,将滚动规划与已知环境下的搜索策略相结合,设计了一种混合式的全遍历覆盖路径规划算法.对声纳传感器探测到的环境信息进行滚动规划,把未知区域转化为已知区域.在已知区域,采用有限状态机方式来组织全遍历覆盖路径规划算法,状态之间的转换通过二叉树搜索策略、目标栅格选取策略和两点法搜索策略来实现,并对算法进行仿真.结果表明,移动机器人能全遍历覆盖整个工作区域,重复率低,能有效提高工作效率.     

融合视觉的柔性虚拟夹具辅助遥操作研究

提出了一种融合视觉的柔性虚拟夹具方法,用于辅助未知环境中的机器人遥操作.通过引入柔性系数实现机器人倾向于理想运动方向程度的调节,保证已知环境中遥操作的安全性和操作性能.利用基于颜色识别的视觉方法对环境中的障碍物大小和位置进行识别,从而实现对柔性虚拟夹具的柔性系数自动选择,扩展该方法应用于未知环境中的遥操作,保证未知环境遥操作的安全性和操作性能.在未知环境中进行了曲线跟踪避障实验,验证了该方法的有效性.     

动态滑动窗口加权互信息流特征选择

特征选择是解决数据高维性的一种有效方法,传统的特征选择算法常用经典信息论知识去度量特征的重要度,却忽略了标记和未标记数据的互相影响;同时,这些方法主要基于静态数据的多标记特征选择,很难直接应用到动态流数据环境中.而现实世界中,由于动态环境之下特征到达的数目和顺序都是未知的,并且研究者往往可能只对最近到达的特征感兴趣,所以滑动窗口机制能很好地解决此类问题.基于此,首先引入一种具有补性质的模糊信息熵,并考虑标记和未标记数据的互相影响,提出一种加权的模糊互信息度量方法,然后结合滑动窗口机制,分别提出基于固定滑动窗口的加权模糊互信息特征选择(Feature Selection with Weighted Fuzzy Mutual Information based on Sliding Window,FS-FMI)和基于动态滑动窗口的加权模糊互信息流特征选择(Streaming Feature Selection with Weighted Fuzzy Mutual Information based on Dynamic Sliding Window,SFS-FMI-DSW)两种算法.实验结果表明,SFS-FMI-DSW算法更加有效,统计假设进一步说明了算法的有效性.     

基于蚂蚁导航的未知环境下机器人路径滚动规划算法简

研究了一种栅格法环境建模下机器人路径滚动规划新方法.在未知环境内机器人根据视野域栅格环境与目标点信息,基于蚁群算法巧妙规划出局部导航优化路径.机器人沿着导航路径按照一定的步长前进一步,并重新动态规划出新的导航路径.机器人始终沿着较优化导航路径前进,机器人路径不断动态修改,当目标点在视野域范围内时直接规划出局部优化路径并直接到达目标点.该方法克服了传统子目标映射的复杂度高和智能化程度低等问题,仿真实验验证了本文方法的有效性.