未知环境中移动机器人的环境探索与地图构建

研究了未知环境中移动机器人同时进行环境探索和地图构建问题.基于实时获取的激光传感器数据,设计了具有避障功能的环境探索策略,并对候选观测点的产生和评估方法进行了改进,使选择出的候选点能同时兼顾信息增益的最大化与环境信息的完整性,保证了环境探索的连续性和遍历性.在环境探索基础上,提出了以增长神经气网络的网络节点作为拓扑网络节点的环境地图模型,该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图.仿真试验验证了本文所提方法的有效性.     

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.     

未知环境中自主机器人环境探索与地图构建

研究了未知环境中自主机器人同时进行环境探索和拓扑地图构建问题．基于实时获得的激光传感器数据,提出了具有避障功能的环境探索策略．在环境探索的基础上,提出了以增长的神经气网络的网络节点作为拓扑网络节点的环境地图模型．该模型利用神经气网络的增长特性,通过不断增加新的拓扑网络节点来对机器人周围未知环境的整体性知识进行抽取与表达,构建出了易于机器人理解的环境地图．仿真试验验证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.     

时延力觉临场感遥操作机器人系统预测控制研究

通讯时延是造成力觉临场感遥操作机器人系统不稳定和操作性能下降的关键因素 ,针对时延问题 ,提出了一种适用于时延力觉临场感遥操作机器人系统的广义预测控制方法 ,该方法通过预测控制器产成实时的预测力反馈以消除时延的影响 .此外 ,为使该方法应用于遥操作机器人未知环境作业 ,本文采用AUDI辨识算法对环境模型进行辨识 .构造实验系统 ,通过实验验证了该方法的有效性 .     

基于指数饱和函数的非线性系统自适应模糊控制

为减小模糊逻辑系统的逼近误差,引入指数饱和函数项对一类未知非线性系统进行间接自适应模糊控制.直接用模糊逻辑系统逼近未知非线性函数,基于广义误差对模糊逻辑系统中的未知参数进行自适应调整,并用指数饱和函数项对逼近误差进行补偿.该方法不但能使跟踪误差收敛到原点的一个小邻域内,而且通过适当减小控制器中设计参数,可使跟踪误差减小.仿真验证了该方法的有效性.     

属性权重未知情形下的区间直觉模糊多属性决策方法

针对区间直觉模糊信息环境下属性权重未知的多属性决策问题,提出了一种新的决策方法.在回顾相关基础理论知识基础上,定义了区间直觉模糊数的得分函数与精确度函数,提出了基于离差最大化的属性权重确定方法,然后基于区间直觉模糊加权平均算子给出了属性权重未知情形下属性信息为区间直觉模糊数的多属性决策方法.最后将该方法运用到突发事件应急预案有效性评价问题,通过实例分析验证了该方法的有效性.     

基于智能预测的力/位混合控制方法

针对机器人在形状未知接触环境表面上进行柔顺力控制问题,在传统的力/位混合控制模型中采用一种智能预测算法,此算法通过三种预测因子预测并调整未来采样时刻的力/位混合控制模型中的期望轨迹,并考虑环境曲率和刚度变化的特点.为了验证预测算法的有效性,构建了开放式的机器人力控制系统,在不同期望力、不同跟踪速度下对非规则受限表面进行了力控制实验研究,分析了受限系统中未知环境参数对接触力的影响.实验结果证明该方法对未知接触环境的变化具有较强的适应能力.在实验条件下,稳定状态下的力控制误差可以控制在3%之内.     

未知环境下机器人定位与运动目标侦测

提出了一种基于扫描点匹配的未知环境下机器人定位与运动物体侦测方法.该方法利用同一性检验原则完成扫描点类型判断,有效减小由环境运动物体引起的机器人定位误差,提高了动态环境下机器人同时定位与地图构建的准确性.该方法的引入提高了基于扫描点匹配的 SLAM 方法在实际环境中的应用价值,同时拓展了传统SLAM 的研究和应用范围,使之可以与目标跟踪方法相结合.通过实体机器人实验证明了该方法的有效性.     

基于椭圆建模和NLP算法的移动机器人路径规划研究

针对移动机器人在未知环境中探测和规避障碍物困难等问题,提出一种基于椭圆建模和自然语言处理(nataral language processing,NLP)算法的移动机器人路径规划方法。首先将激光采集的点信息进行分类和最小椭圆包围,建立障碍物的椭圆模型并估算出障碍物的速度。然后采用NLP算法,把移动机器人在未知环境中的路径规划问题,描述成了满足一组非线性约束和目标函数最小的非线性规划问题,从而实现复杂未知环境下机器人的路径规划。最后进行物理与仿真实验,验证了该方法的有效性。