神经网络在移动机器人路径规划中的应用

对于环境信息完全已知的移动机器人的全局路径规划问题,应用了一种并联的神经网络结构与模拟退火算法相结合的方法,并提出了一种局部路径修正算法,最终得到一条最优的平滑路径。计算机仿真研究表明,该算法计算简单,收敛速度快,规划的路径为一条最短无碰且安全的平滑路径。在计算机仿真验证的基础上,以P3-AT型轮式移动机器人为平台,通过机器人模拟实验验证了该算法的有效性。     

未知环境下改进的基于BUG算法的移动机器人路径规划

对未知环境下移动机器人路径规划的方法和发展现状进行了概述总结,指出了各种方法的优点和不足.同时研究了环境未知情况下的移动机器人实时路径规划问题,将Bug算法与基于滚动窗口的路径规划相结合,提出了一种改进的移动机器人路径规划方法.规划时只考虑当前状态下所必须的传感数据,不必计算障碍物的边线解析式,节省了存储空间,提高了规划效率,保证了算法的实时性.算法采用两种行为模式,为了保证路径规划的完备性和全局收敛,同时给出了全局收敛标准.由于算法的固有原理,在陷阱区域移动机器人容易左右徘徊,无法达到目标点.针对算法的这个问题,利用虚拟障碍的概念提出了基于局部切线图算法的移动机器人路径规划.最后对本算法的收敛性和完备性给予了证明.仿真实验验证了该方法的有效性.     

移动机器人路径规划技术的现状与展望

移动机器人技术研究中的一个重要领域是路径规划技术。它分为基于模型的环境已知的全局路径规划和基于传感器的环境未知的局部路径规划。综述了移动机器人路径规划技术的发展现状，指出了各种方法的优点与不足。最后对移动机器人路径规划技术的发展趋势进行了展望。     

基于粒子群优化算法的无人战斗机路径规划方法

对于无人机的路径规划问题,从和机器人路径规划问题的差别入手,通过粒子群优化算法对有限数目的采样航点的优化,使用高次B样条曲线拟合出满足路径最短且威胁最小的无人战斗机的飞行路径。研究了路径规划约束的数学模型、粒子构造方式和粒子的评价适应度函数。通过仿真对目前出现的基于粒子群优化算法的无人机路径的多项式拟合方法和所提出的基于B样条拟合的方法进行了比较。仿真结果表明,使用粒子群算法优化出来的B样条曲线比多项式拟合法和几何方法更加合理有效。     

整车物流网络规划问题的混合粒子群算法研究

综合考虑整车物流系统中的运输规模经济效应、库存控制策略、设施、服务质量等决策因素,建立了整车物流网络规划集成优化模型.给出了一种流预测算法和粒子群算法相结合的求解方法,用粒子群算法搜索物流网络可行结构,用流预测算法确定其最优运输路径,二者相互协调实现最优解的搜索.在粒子群搜索过程还加入了交叉变异操作来增加种群的多样性,以避免早熟收敛.实例仿真表明混合粒子群算法的运行效率有显著提高,且有更高概率搜索到全局最优.     

基于人工免疫网络机器人路径规划算法的进一步研究

本文进一步完善了基于人工免疫网络的移动机器人路径发现与规划算法,给出了算法的设计思想和流程详细的描述;并基于马尔可夫链理论,从数学上证明了该算法的收敛性;通过势场法、神经网络算法和遗传算法三种常用的移动机器人路径发现与规划算法的对比实验,表明文章所设计的算法具有很好的柔性,能够适应于不同的规划环境,解决了其它规划算法无法克服的规划难题以及欺骗性问题,表现出了高度的智能性。     

移动机器人在线路径规划算法研究

主要讨论了不确定环境下移动机器人运动路径的在线规划算法。在此方法中 ,预定目标被定为吸引子 ,而障碍物被定为排斥子。这样 ,路径规划就转换为应用牛顿定理进行迭代计算。该算法简便 ,实时性强 ,能自动地适应工作环境中障碍物的位置变化和随机出现 ,使机器人准确避开障碍 ,安全到达目的地。实验结果表明 ,此算法效果良好。     

基于滚动窗口的移动机器人路径规划

借鉴预测控制滚动优化原理 ,研究了全局环境未知且存在动态障碍物情况下的移动机器人路径规划问题。提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息 ,并通过有效的场景预测 ,以滚动方式进行在线规划 ,结合了优化和反馈机制 ,具有计算量小、反应迅速的特点。大量仿真结果表明 ,该方法能很好地适应动态不确定环境。     

基于多层Hopfield神经网络的配电网网络规划

分析了配电网网络结构规划模型,在此基础上提出用Hopfield神经网络进行网络结构规划.针对城市电网辐射状运行的特点,提出多层Hopfield神经网络模型、对应的能量函数以及参数选择规律.多层Hopfield神经网络的每一层对应于一个负荷点的供电线路,能量函数的建立同时考虑到各层的状态.提出一种新的基于多层Hopfield神经网络的配电网网络结构的规划算法,该算法通过使能量函数降到最低值,可以求得配电网网络规划问题的最优或近似最优解.新算法无需对线路编码、无需对数据进行归一化处理,更加易于编程实现.实例计算表明该方法可行、有效.     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

基于动力学系统的非完整移动机器人的跟踪控制

为解决具有两个驱动轮的受非完整约束移动机器人的轨迹跟踪问题,文章从机器人的动力学和运动学模型出发,设计出一种结构简单的控制器,该控制器利用单神经元网络的自学习和自适应能力,来克服未建模的系统扰动,并用Lyapunov函数对所设计的控制器进行了稳定性分析。最后仿真结果验证了所设计的控制器的有效性。     

复杂柔性车载液压机械手振动主动控制方法研究

利用动态子结构法和神经网络直接逆自适应控制研究一种柔性车载液压机械手的弹性动力学建模和振动主动控制方法。根据机械手各部件的实际边界约束条件,将机械手系统分解成由不同约束的连续梁构成的九个子结构。在建立各子结构的动力学控制方程后,借助边界条件经综合得到系统的动力学模型;在液压作动器的作用点设置边界坐标,极方便地得到系统的状态控制方程。通过神经网络学习该动力学模型的逆模型,从而产生液压作动器的电压控制信号,在控制过程中神经网络能够自适应的调整控制参数,使系统的输出达到最佳控制状态。系统仿真结果表明,神经网络直接逆自适应控制技术明显优于传统的PID控制算法,且该方法具有很强的鲁棒性和良好的减振效果。     

移动机器人多超声波传感器信息融合方法

采用多超声波传感器来获取移动机器人的环境信息,并利用人工神经网络对获取的信息进行分析和融合,从而达到对被测物体影像比较准确的认识,试验表明效果良好,具有很好的使用价值。     

全方位轮式移动机器人控制器设计与实现

全面介绍了一种全方位移动机器人的控制系统体系结构及软件的控制策略 ,包括采用的超声和激光传感器系统、网络化无线通讯系统、基于上下位机的计算机控制系统等方面。重点介绍了基于LM6 2 8的系统的伺服控制方法 ,并给出了机器人运动实验的结果 ,证明了系统的可行性。该系统适合在非结构化动态环境中进行分布式多Agnet(智能体 )、多机器人的协作与协调、移动机器人路径规划与避碰等研究。     

动态环境中基于模糊神经网络的AGV路径规划

动态环境中AGV路径规划是一较难解决的问题,针对该问题提出了一种基于速度障碍、碰撞危险度概念的动态环境模型,并在此基础上结合模糊神经网络给出了AGV的路径规划方法。最后给出了在有静止和运动障碍物的动态环境中路径规划仿真结果,结果表明该方法是可行的。     

基于观测器设计的移动小车自适应轨迹跟踪控制研究

提出了一种基于观测器设计的自适应轨迹跟踪控制算法，在无法准确测量移动机器人位姿的情况下，基于其完整动力学模型，实现机器人轨迹跟踪控制问题。方法考虑了实际参数的移动机器人完整动力学模型，将位姿观测器和自适应控制策略相结合，设计了一种移动机器人完整的自适应观测器轨迹跟踪控制策略。仿真结果表明该控制策略的正确性和有效性。     

基于粒子滤波的机器人定位及动态目标跟踪

提出了一种基于粒子滤波的动态跟踪算法,解决了传统SLAM理论在处理动态目标时误差不断累加的问题。通过分析移动机器人和激光测距仪,里程计的原理,建立了机器人的运动和观测模型。将数据关联的方法用于动态环境中则提高了系统的稳定性和定位的精度。仿真结果表明此算法能够比较精确地估计出机器人的位姿以及动态目标在地图中的位置,为开展将静态与动态相结合的定位与地图构建的研究提供了一种可行方案。     

空间机器人的增广自适应神经网络补偿控制

研究了具有外部扰动空间机器人系统的补偿控制问题。首先,给出了漂浮基空间机器人系统的动力学方程。进而借助于增广变量思想,针对系统存在有未知惯性参数及外部扰动的复杂情况,先后设计了空间机器人系统关节运动、末端爪手运动的增广自适应神经网络补偿控制方案。所提控制方案无需对载体的位置、线性速度和线性加速度进行实时地测量与反馈;且较比传统自适应控制方法,又不要求动力学方程满足关于系统惯性参数的线性函数关系,因此有效避免了对系统回归矩阵进行繁琐提取的麻烦。仿真运算,验证了上述控制方法的有效性。     

移动机器人的快速终端滑模轨迹跟踪控制

针对基于动力学模型描述的非完整移动机器人轨迹跟踪问题,给出了一种快速终端滑模控制器设计方法,该方法结合反演(backstepping)设计和快速终端滑模控制的思想,实现了非完整移动机器人全局快速轨迹跟踪控制,并且能够在有限时间内完全跟踪上期望轨迹。该方法将系统分解为低阶子系统来处理,利用中间虚拟控制量简化了控制器的设计,具有直观的稳定性分析,设计方法简单。仿真结果验证了该控制器的正确性和有效性。