仿人智能算法在足球机器人路径规划中的应用

足球机器人比赛是一个动态时变非线性的环境,各运动对象难以建立精确的数学模型,仿人智能算法以人的思维方式、行为和直觉推理为基础,在足球机器人路径规划过程中避开了求解繁琐的对象模型时遇到的问题,显示出了其独特的优势。文中讲述了仿人智能算法在足球机器人路径规划中的应用方法,并通过实例仿真表明了算法的可行性和有效性。     

基于自学习可见图的机器人路径规划

针对未知环境下的机器人路径规划问题 ,提出了一种基于自学习可见图与局部最优的路径规划算法 .在这种算法中 ,采用自学习可见图来表示环境 ,并在路径规划的过程中逐步建立自学习可见图 .在避障上设计一个局部最优算法并提出了一种局部路径规划算法 .实验表明 :该方法规划速度快 ,并且能规划出局部最优的路径 ,满足未知环境下机器人路径规划的要求 .     

足球机器人路径规划技术的现状与展望

综述了足球机器人路径规划的研究现状,重点介绍了足球机器人路径规划的方法,并对各种方法的优缺点进行了比较。     

模拟退火算法在机器人路径规划中的应用研究

本文分析了模拟退火算法在路径规划中的应用。研究结果表明 :它能够有效地提高路径规划的计算速度和保证路径规划的质量     

基于改进人工鱼群算法的机器人路径规划

为改进人工鱼群算法在路径规划中的寻优作用,利用改进视觉范围和拥挤度因子函数,提高鱼群算法在机器人路径规划中的寻优工作。在传统鱼群算法中,视觉范围是恒定不变的。视觉范围决定寻优的全局和局部工作,拥挤度因子对算法收敛性具有影响。同时,在传统鱼群算法中,每次都选取最优解来执行,在栅格环境中往往会导致全局最优和局部最优互扰,导致路径规划不合理,为此,利用改进视觉范围拥挤度因子,同时记录可行解,当存在鱼群找到目标点时,就记录下找到目标点的鱼群轨迹,形成路径规划的可行解,在可行解中,选取路径最短为最优,保证路径的规划的合理性。与传统鱼群算法对比,证实研究算法在路径规划中具有更好的寻优工作,通过MATLAB仿真实验,验证了算法的有效性和稳定性。     

基于蚁群算法的三维空间机器人路径规划

将蚁群算法应用于三维空间机器人路径规划问题.首先将机器人所在位置(原点)与目的点之间的空间划分成立体网格,同时定义原点与目的点之间的有效路径.蚁群从原点出发,独立地选择有效路径,最终到达目的点,从而求出从原点到目的点之间的最优路径.实验结果表明,该算法不仅有效,而且具有较快的速度.     

双臂机器人传接位置选取与路径规划方法

为提高物体在机器人双臂之间的传接效率,从优化传接操作过程角度出发,提出了一种传接位置选取和双臂移动路径规划方法.通过对传接过程进行分析建立双臂机器人传接位置优化模型,将传接位置选取问题转变为一个非线性约束优化问题.使用改进的遗传算法进行求解,为机器人双臂传接过程选择基于时间最佳的传接位置.在Moveit!规划框架下,采用双向快速扩展随机树(RRT-Connect)算法完成传接过程中的双臂路径规划,使得双臂免于碰撞.利用保存的历史规划信息对随机采样算法存在的不可重复性问题进行优化,找到耗时最短的双臂移动路径.仿真和实验结果表明:提出的方法可以为机器人双臂之间的传接操作找到基于时间最佳的传接位置,并且为双臂规划到达目标传接位置的近似耗时最短路径,提高双臂传接的效率.     

煤矿救援机器人全局路径规划

全局路径规划是煤矿救援机器人自主导航的关键技术之一,其任务是按照某一最优指标寻找一条从起始点到目标点的安全避碰路径。文中针对矿难发生后,井下部分巷道的局部环境不确定的特点,提出以矿难前的已知GIS系统为基础,结合改进蚁群算法获取环境不确定情况下的优化路径,从而获得全局最优路径的策略;依据安全性、路径最短原则设计了适应值评价函数,依此作为路径评价和信息素更新的依据;为避免停滞现象,采用确定性选择和随机选择相结合的路径选择策略。实验结果验证了算法的正确性和有效性。     

基于改进蚁群算法与Morphin算法的机器人路径规划方法

 针对动态复杂环境下的机器人路径规划问题,建立栅格地图模型,研究一种改进蚁群算法与Morphin 算法相结合的动态路径规划方法。改进蚁群算法引入拐点参数评价路径优劣,并对路径进行拐角处理以及变更拐角处信息素更新机制,使规划的全局路径更加平滑;Morphin 算法则在机器人行走时,根据全局路径的局部环境实时规划局部路径,使机器人有效地躲避障碍物。仿真试验结果表明,该方法结合全局规划与局部规划的特点,能够使机器人沿着一条短而平滑的最优路径快速、安全地到达目标点。     

下肢外骨骼机器人控制策略分析与展望

针对医疗康复领域,下肢外骨骼机器人控制策略决定了机器人在运行过程中的安全性、稳定性和快速性,从基于模型的控制策略和受生物启发控制策略两方面简述了下肢外骨骼机器人控制策略研究现状,特别对基于行为的机器人控制和中央模式发生器(central pattern generator,CPG)生物控制作了重点介绍。最后分析了下肢外骨骼机器人控制策略研究趋势并提出基于本体感受的反应式行为控制的智能行为技术。     

穿戴式下肢外骨骼机器人研究现状

近年来,随着国家人口老龄化问题的加重,医疗技术的限制及青壮劳力的减少,穿戴式下肢外骨骼机器人在医疗、搬运、军事方面上的显著功能获得科研人员的广泛关注.本文试图摒弃传统功能层面的描述,从穿戴式下肢外骨骼机器人的结构层面梳理该类外骨骼机器人近年来的研究进展,进而分析了穿戴式下肢外骨骼机器人应用的新技术材料,然后重点阐述了其...     

穿戴式下肢外骨骼康复机器人机械设计

本文设计了一种用于下肢功能障碍患者康复治疗的外骨骼机器人。根据外骨骼机器人的功能与工作原理,分析了其结构组成与设计过程中的关键问题。并从仿生学角度为外骨骼机器人配置自由度,设定关节活动范围及连杆尺寸,对机械结构进行了初步分析与优化设计。为进一步的研究、分析、设计工作打下了基础。     

下肢外骨骼康复机器人设计及其运动学分析

采用电机驱动方式,设计一种用于辅助行走和康复训练的人体下肢外骨骼康复装置.将下肢外骨骼简化为矢状面内的五杆机构,建立相应的D-H(Denavit-Hartenberg)模型,推导出一个步态周期内髋关节、膝关节、踝关节和脚尖的坐标方程.在ADAMS环境下,对下肢外骨骼进行运动学仿真分析,所得到的髋关节、膝关节和踝关节的坐标变化曲线表明:下肢外骨骼各关节在空间中具有连续的运动轨迹.     

基于迭代学习控制算法的下肢外骨骼机器人跟随特性研究

目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,本文提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学模型;其次,基于迭代学习控制算法建立下肢外骨骼机器人随动控制模型;最后,利用Matlab软件设计指数变增益闭环D型运动控制系统,分析收敛速度与谱半径的关系,追踪得到人体下肢髋关节和膝关节期望轨迹。仿真结果表明该算法能够有效提高下肢外骨骼机器人步态轨迹跟踪精度,提升人机系统随动性能。     

下肢外骨骼康复机器人人机交互力自适应导纳控制

对于下肢具有残余肌力的下肢瘫痪病人,基于标准步态轨迹被动训练的康复方案无法满足锻炼肌肉的康复训练需求,为此提出了一种人机交互力自适应控制的下肢外骨骼康复机器人控制策略,并设计了可实现康复训练的控制方法。该方法以健康人体行走步态为下肢外骨骼康复机器人的位置控制参考,以穿戴者的自身腿部用力作为力控制约束,根据穿戴者自身腿部力量大小,智能控制和调整步态曲线,以更加适应穿戴者的康复训练需求。仿真试验结果表明,相对于完全被动的康复训练模式,自适应力控制模式能够有效地调整康复过程中人机交互力,可以适应多种不同的康复训练需求,从而大大提高受损患肢运动功能恢复的康复治疗进程,具有实际的应用价值。     

外骨骼机器人手指鲁棒跟踪控制

基于外骨骼机器人手指系统动力学,提出了机器人鲁棒μ控制器的设计方法。分析了系统模型的不确定性,将负载动力学作为系统的反馈不确定,建立了合理的被控对象标称模型。基于高速DSP实现鲁棒控制器的数字化,在μ控制器设计和数字实现过程中考虑了机器人系统的计算延时。通过实验评估采样延时对机器人控制器鲁棒性能的影响。实验结果表明,μ控制器能够抑制干扰和模型不确定对机器人系统的影响,系统具有很好的鲁棒稳定性和鲁棒性能。     

基于三维动态捕捉系统和Matlab的穿戴式下肢外骨骼步态分析

使用三维动态捕捉系统获取人体下肢关键点的运动轨迹和三维数据,用Matlab软件分析数据,绘制时间-坐标图形,建立穿戴式下肢外骨骼的三维模型,为进一步研究穿戴式下肢外骨骼奠定基础。     

下肢外骨骼矫形器运动学分析

基于减重步行训练原理,研究下肢外骨骼矫形器康复系统.针对下肢康复训练机器人不存在固定基座,利用常规的方法进行运动学分析较困难的问题,引入参考坐标系的坐标变换矩阵,建立下肢康复训练机器人运动学模型,推导出步行训练机器人正逆运动学公式.最后规划步态轨迹,利用ADAMS软件进行运动学仿真和双腿外骨骼矫形器样机试验,验证了运动学模型及其推导公式的正确性.     

基于DSP的助行外骨骼机器人步态控制

助行外骨骼机器人是一种帮助老年人和下肢不便的残疾人扩展行走能力的助力装置.提出一种基于数字信号处理（digital signal processing,DSP）系统的步态控制方法,首先,将连续步态数据离散处理后的结果作为DSP系统的输入,通过执行机构实现机器人的步态行走;然后,在每个步态周期结束之后,通过编码器对步态角度实时采样;最后,控制系统对反馈数据处理后实现步态误差的周期补偿.通过样机试验验证上述方法,得到较好的结果.