模糊控制在移动机器人中的应用

针对具有引导线环境下自主式移动机器人寻线和运动控制这一工程实际问题，给出了基于嵌入式PC模块用于机器人小车的控制系统设计。在此基础上运用模糊逻辑推理方法解决了自主式移动机器人的导航和避障问题。仿真研究与实际运行表明了该方法的有效性。     

基于行为竞争的智能机器人动态导航方法研究

利用非线性微分动力系统稳定性理论,构造了移动机器人的点吸引子奔向目标行为和点排斥子避障行为两种行为模式,并将奔向目标行为和避障行为相结合,利用遗传算法控制这两种行为的权值系数,使机器人能够根据所处环境的变化调整行为模式的权值,实现行为间的竞争,从而建立起基于动态方法的智能机器人行为动态导航模型.仿真结果表明,该导航方法规划的路径轨迹曲线过渡光滑,易于实现机器人运动控制,说明该导航方法可行且有效.     

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.     

基于模糊控制的自主移动机器人系统设计

针对在有引导线的环境下自动导航机器人寻迹运动控制的问题,介绍了一种基于AVR单片机的自动导航机器人运动控制系统设计方案.在此基础上运用模糊逻辑推理方法解决了自主式移动机器人的导航问题.实际运行表明了该方法的有效性.     

室内机器人导航系统的设计及仿真验证

针对室内机器人在未知环境下的自主导航问题,以机器人操作系统ROS为开发平台,基于Gmapping、Amcl、Move_base等开源功能包设计自主导航系统,使搭载此系统的机器人能够学习未知环境下的地图信息,并基于地图实现定位、路径规划、避障等功能.通过三维物理仿真软件Gazebo模拟环境并加载设计的URDF机器人模型,...     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

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Raspberry Pi的轮式移动机器人设计及运动控制

基于卡片电脑Raspberry Pi完成了移动机器人从硬件搭建到运动控制的工作.通过Raspberry Pi与传感器的配合对机器人运动环境进行检测.采用模糊控制算法,根据不同环境设计了不同的运动机制,保障移动机器人运动的安全性.利用实验检验并完善了机器人的避障性能,实现了机器人在复杂环境中的运动控制,包括机器人的遥控以及自主漫游运动.     

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Motor Schema的移动机器人反应式导航

针对移动机器人的导航问题,采用基于Motor Schema的结构,设计了三种基本行为：趋向目标行为,避障行为和随机扰动行为.通过调整机器人几种行为的控制参数,实现了不同条件下的机器人安全导航.仿真实验结果验证了所提方法的可行性与有效性.