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。     

基于神经网络的强化学习在避障中的应用

为了提高移动机器人的自学习能力,在基于行为控制结构的基础上设计了智能控制结构,该结构引入了强化学习模块.神经网络具有很好的泛化能力,该文提出了基于神经网络的强化Q学习算法,克服了表格式Q学习算法只能应用到离散的状态中并需要大量存储空间的不足,最后结合智能控制结构应用到移动机器人的避障中.实验结果表明,该方法能够使移动机器人通过自学习实现自主避障.     

室内动态环境下的移动机器人自主避障策略

针对室内未知动态环境移动机器人自主避障问题,提出一种融合动态障碍物方向判断策略及子目标点更新策略的自适应模糊神经网络优化避障算法,并依据该算法设计移动机器人避障控制系统。首先,分析移动机器人的运动模型,获取机器人的目标角度;然后由超声波传感器获取障碍物距离信息,由障碍物距离信息判断动态障碍物运动方向并更新子目标点;最后利用自适应模糊神经推理系统实时输出机器人的转向角与速度,实现对机器人转向角的控制,使机器人能够无碰撞地到达目标点。研究结果表明:本文提出的算法能够使移动机器人在未知动态环境下识别障碍物、判断动态障碍物的运动方向以实现自主避障;相对于无子目标点更新策略,移动机器人平均移动速度提高11.75%,验证了所提算法的有效性。     

关节式移动机器人自主越障中基于模糊神经网络的障碍识别方法

提出了一种关节式移动机器人自主超障时的障碍识别方法，该方法利用模糊神经网络对障碍物进行识别，确定障碍的类型和特征，并以此来控制移动机器人越障和避障时的行进速度和摆臂的动作，开发了在未知环境中障碍物辨识的模糊神经网络系统。实验证明，该方法是可行有效的。     

随动系统中机器人行走路径的规划研究

把模糊控制算法引入到神经网络中,从而使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力。实验室仿真证明了模糊神经网络在移动机器人路径选择中的智能性。     

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.     

基于综合智能算法的新型救援机器人路径规划研究

为满足救援机器人在特殊工作环境下的成功避障和趋于目标,设计了一种新的机器人总体结构,采用超声波传感器收集周围距离信息并采用生命探测仪扫描周围环境将结果用于指导机器人到达事故地点.为提高结构化和非结构化交互环境下救援机器人的避障成功率,提出一种自适应模糊神经网络路径规划算法,利用障碍物信息生成相应的模糊控制规则,并将模糊算法构建成神经网络结构形式,使得规则的在线精度和神经网络的学习速度均有较大的提高,同样可使救援机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并顺利搜索到指定目标.系统仿真证明了该算法在救援机器人路径规划中的有效性.     

基于多目标优化的移动机器人避障算法

针对移动机器人自主导航过程中由于过多寻求当前时刻最优路径或最优解而产生死锁或震荡现象,提出了一种动态变化权重的移动机器人行为融合避障算法.该算法利用多目标优化方法获得移动机器人最有效解,并把指定目标的移动机器人避障导航过程分解为3个子行为避障系统.通过动态改变子行为函数的权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果表明,该算法可在确保避障过程鲁棒性前提下,有效地改善避障导航的安全性和平滑性。     

模糊神经网络在智能轮椅避障中的应用

针对传统的基于模糊逻辑的智能轮椅避障方法参数选取依赖设计者经验的问题,提出了一种能够自主学习的模糊神经网络智能轮椅避障控制算法.该算法结合模糊逻辑和神经网络各自的优点,并采用状态控制变量记录全向轮椅的运动状态,解决使用者期望目标方向和轮椅避障方向的选择问题,优化了避障路径,更好地满足用户对智能轮椅的舒适性需求.仿真和实物实验证明:该算法提高了避障的智能性和使用者的乘用舒适性,适用于智能轮椅的避障控制.     

基于模糊行为融合的移动机器人避障算法

为了减少移动机器人自主导航过程中过多寻求当前时刻最优路径或最优解而产生的死锁或震荡现象,根据多目标优化理论,提出了基于模糊行为融合的移动机器人避障算法.该算法把指定目标的导航过程分解为具有三个子行为的系统,根据传感器信息动态改变各子行为函数的区间权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果证明:该算法可以有效减少导航过程中的死锁和震荡现象,提高避障过程的鲁棒性和实时性.     

轮式机器人遗传模糊神经网络转向控制

针对数学模型复杂的轮式机器人的转向控制问题，使用基于遗传算法的模糊神经网络转向控制方法．首先建立车辆的神经网络模型，然后构造模糊神经网络控制器，再用遗传算法寻找模糊神经网络控制器的参数，最后提高控制器对速度变化的适应性．仿真表明，该方法可以对机器人的转向进行有效控制，效果良好，能适应各种不同速度变化，是一种有实用意义的控制方法．     

基于视觉传感器的移动焊接机器人测控系统

设计焊枪侧置的轮式移动焊接机器人并搭建基于虚拟仪器的移动焊接机器人测控系统.在分析移动焊接机器人特点的基础上,设计由PC,NI-PCI7344,NI-DAQ6015以及图像采集卡等组成的硬件系统结构,采用LabVIEW编程平台编制测控系统软件.设计自适应模糊控制器和高斯基模糊神经网络控制器对十字滑块和车轮进行协调控制.采用高斯函数作为模糊神经网络的隶属函数,利用BP算法实现模糊隶属函数和控制规则的在线修改.实验结果表明:该测控系统运行稳定可靠,其跟踪精度可始终控制在-0.4～0.4n'mm以内,满足实际焊接工程的需要.     

用于移动机器人的新型模糊神经元速度控制器

文中提出一种新型的模糊神经元速度控制器 ,为移动机器人解决位移转换成速度这个逆运动学问题 它把模糊论和预确定策略集成到神经元网络系统中 ,使得它能利用路径信息去控制机器人达到所希望的运动速度 模拟研究显示了它能控制机器人在静态或者动态的环境中 ,不通过学习就能沿着动态的避碰路径去捕捉目标 另外 ,可将其集成到其他的系统中去控制速度 ,或者作为一个独立的系统使用传感器信息去控制机器人的运动     

基于神经网络和模糊推理的移动机器人行为决策与控制

以足球机器人系统为实验平台 ,针对移动机器人智能决策中的实际问题 ,提出了一种基于径向基函数神经网络的机器人行为决策方法 ,通过神经元学习和训练以及自身的泛化能力 ,可以很好地利用多源信息进行机器人行为决策 ,以提高行为决策的有效性 .同时为了保证行为决策的实施效果 ,将模糊推理技术与传统的PID控制相结合 ,既保证了移动机器人系统运动控制的准确性和稳定性 ,又缩短了动态调整时间 ,取得了较好的控制效果 .     

移动机器人自主越障反应控制行为组合方法

介绍了关节式移动机器人运动系统的元(基本)行为,提出了用模糊逻辑组合方法将原子行为(动作)组合生成高层复杂行为的行为模糊逻辑组合方法;描述了模糊逻辑组合方法组合生成的移动机器人自主越障行为.通过凸台、凹坑和楼梯等典型障碍的越障实验证明,该方法所生成的行为控制自主越障动作协调性好,具有较高的实时性、快速性和可靠性.解决了关节式移动机器人在城区和建筑内运动的越障稳定性和移动性问题.     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

爬壁式机器人安全系统的动力学模糊神经网络控制研究

对带有安全装置的一种新型的爬墙式机器人的安全系统的动力学问题及其模糊神经网络控制进行了研究 ,采用的动力学模糊神经网络控制技术可以较好地解决爬壁式机器人安全系统的摆动和纵向振动问题 .