模糊控制在机器人超声避障系统的应用

本文介绍模糊控制技术与智能轮椅机器人超声波避障技术相结合的应用.本系统使用超声波的探测距离作为输入信号,经模糊控制技术处理后,输出机器人左右轮的转动速度来实现超声波避障.在MATLAB环境下开发模糊控制器并仿真出模糊控制策略.在智能轮椅机器人超声避障系统中得到成功应用.     

基于模糊避障算法的履带式搬运机器人的设计

以HC-SR04超声波传感器模块获取机器人周围环境信息,以链式叉车作为搬运货物的执行机构,以STM32F103单片机作为机器人控制器,设计了一种自动搬运并且避障的小型履带式搬运机器人。针对局部静态环境下多障碍物对系统避障的复杂性,引入了模糊控制算法,通过对机器人与障碍物之间的距离进行模糊化,建立模糊规则,实现搬运机器人的避障控制。为了提高机器人的稳定性及避障的可靠性,对直流电机建立了数学模型,并利用积分分离PID算法进行仿真,最后实验结果表明该算法提高了直流电机的控制性能。     

智能移动机器人的超声避障研究

智能移动机器人是机器人研究领域的重要方向,是当前机器人领域中最活跃的研究主题之一.在分析了智能移动机器人避障常用传感器的基础上,提出了基于多超声传感器的移动机器人的超声避障系统.介绍了超声避障系统的模糊控制规则和非模糊化,并给出了实验结果.实验结果表明,模糊控制机理和策略易于接受和理解,便于应用开发,模糊避障算法对环境有很大的适应性,机器人在不同的环境条件下实现了避障.     

基于模糊逻辑的机器人动态避障方法

本文提出了一种动态环境下基于模糊逻辑的机器人动态避障方法。该方法采用包容式结构中基于优先度的行为决策方法,通过模糊规则将机器人工作空间中的动态信息模糊,再转化为对机器人在动态环境中的控制,同时提出接近度的概念,简化了模糊控制输入状态空间,从而减少模糊规则的数量,提高算法的实时性。实验表明,该动态避障方法能够使机器人躲避动态障碍物,并快速准确到达目标位置。     

基于对方信息的足球机器人攻防策略研究与设计

通过引入人类足球比赛中的战术思想,对半自主足球机器人系统的攻防策略进行了详细分析和深入研究.提出了在危险区域盯人防守的概念,并详细介绍了该防守角色的具体设计和实现.对于进攻中基于对方信息的避障方法进行了研究,通过对比赛中多种情况的具体分析,重点针对无球避障和带球避障建立了数学模型,根据不同的回避方式分别规划机器人队员的进攻路径,在实际系统中的应用取得了良好效果.     

基于复形法求解多智能体避障问题的研究

该文基于最优化方法中的复形法,对多智能体领域里的机器人足球避障问题,给出了最短路径的解决方法。它在机器人足球避障问题的解法中有其突出的特点。首先,在执行避障动作时,以尽可能小的动作幅度完成了动作执行,此方法应用于多球员的比赛,如11对11,较其它方法尤具优势。其次,以往有关避障问题的解法,计算量大,对机器人奔跑速度影响较大,该文采用复形法求解的数学模型公式,克服了此类缺点,方法简单,计算速度快。在仿真实验里,取得了理想的效果。     

未知环境下基于可拓遗传算法的避障算法

为了提高避障机器人的避障能力和对环境的自适应能力,基于可拓遗传算法,对避障机器人的避障方法进行了研究。通过对避障机器人的可拓分析,提出了一种避障机器人物元模型,通过可拓变换重新认知环境信息,设计了相应的可拓适应度函数,改进了遗传操作。通过仿真分析,结果表明,改进后的可拓遗传算法优化了避障机器人的性能,提高了避障机器人对环境的鲁棒性。     

基于C8051F340的超声避障机器人设计

智能移动机器人是当前机器人研究的一个重要领域,具有广阔的应用潜力.以C8051F340单片机为核心,设计了一种基于超声测距的智能避障机器人,介绍了系统软硬件电路的设计与实现,设计了由舵机和超声渡传感器构成的测距模块.在不影响机器人避障的情况下,有效的减少了传感器数量,简化了硬件电路.实验结果表明模糊控制算法对环境有很大的适应性.能够实现机器人的自主避障.     

控掘机器人作业过程中局部自主避障控制

研究了挖掘机器人如何探测和处置力与几何障碍,阐述了挖掘机器人的避障方法. 在事先规划机器人挖掘和运土路径时,不考虑意外出现的障碍物;而在挖掘过程中,模糊局部 自主控制器将油缸压力、压力变化和位移信息作为模糊控制规则的输入量,产生处理力障碍 的控制信号.在运土过程中,通过构造几何障碍物前的"虚拟阻力区"和采用阻抗控制,实现障 碍的自主回避.实验表明所提出的方法是可行的.     

挖掘机器人作业过程中局部自主避障控制

研究了挖掘机器人如何探测和处置力与几何障碍,阐述了挖掘机器人的避障方法.在事先规划机器人挖掘和运土路径时,不考虑意外出现的障碍物;而在挖掘过程中,模糊局部自主控制器将油缸压力、压力变化和位移信息作为模糊控制规则的输入量,产生处理力障碍的控制信号.在运土过程中,通过构造几何障碍物前的"虚拟阻力区"和采用阻抗控制,实现障碍的自主回避.实验表明所提出的方法是可行的.     

Research into the application of AI robots in community home leisure interaction

This paper focuses on comprehensive application of artificial intelligence robots for community-based leisure interaction. We propose a multiple-layer perceptron network to design and implement the intelligent interactive home robot system, which includes establishment of an environment map, autonomous navigation, obstacle-avoidance control and human–machine interaction, to complete the positioning and perception functions required by the robot in the home environment. With this system, community residents use an interactive interface to manipulate robots remotely and create an environmental map. In order for the robot to adapt in this changing environment, the robot needs to have a completely autonomous navigation and obstacle-avoidance-control system. In this study, a long-distance obstacle-avoidance fuzzy system and a short-distance anti-fall obstacle-avoidance fuzzy system were used to enable the robot to accommodate unforeseen changes. This technology proved itself capable of navigating a home environment, ensuring that the robot could instantaneously dodge nearby obstacles and correcting the robot’s path of travel. At the same time, it could prevent the robot from falling off a high dropping point and thereby effectively control the robot’s movement trajectory. After combining the above-mentioned multi-sensor and image recognition functions, the intelligent interactive home robot showed that it clearly has the ability to integrate vision, perception and interaction, and we were able to verify that the robot has the necessary adaptability in changing environments and that the design of such interactive robots can be an asset in the home.

     

大时滞系统自适应模糊Smith控制

针对大时滞对象，把史密斯（Smith）预估控制原理和模糊控制器参数的自适应调整方法结合起来，即在Smith预估控制系统中，利用自适应机制在线整定模糊控制器的参数，即根据控制系统在各个阶段呈现出的不同特点来适时调节模糊控制器的量化和比例因子，以适应对象特性的变化。仿真研究表明，所提方法能有效克服普通模糊控制算法不适应大时滞系统控制和常规Smith算法过于依赖模型精度的缺陷，提高了普通模糊控制器对大滞后系统的控制能力。同时该算法还具有很强的鲁棒性和良好的控制品质。     

光源跟踪伺服系统模糊PID控制的仿真研究

在光源跟踪控制方面，采用传统PID控制器的响应速度、调整时间和稳定性等存在一定不足。该文利用模糊控制原理，采用模糊推理的方法，实现对PID控制器的参数在线整定，并利用MATLAB工具箱，对光源跟踪伺服系统进行仿真研究。仿真结果表明，对于固定特性的对象或变结构对象，相对于常规PID控制，采用参数模糊白整定的PID控制器能使超调和反应时间大幅减小，为在实际应用中进一步提高光源跟踪速度和精度提供了理论依据。     

基于单神经元的参数自学习模糊控制器的研究

为进一步改善永磁交流伺服系统的动静态性能,该文设计了一种基于单神经元的参数自学习模糊控制器,它在控制规则数与二维控制器相当的基础上,可实现三维模糊控制的效果。引入的单神经元采用改进的BP算法来实现比例因子的在线自学习。控制器具有结构及算法简单、易于解析实现的特点。为验证其有效性,该文通过仿真试验,将其与采用常规的PI调节器的控制系统进行比较,结果表明,这种模糊控制器具有较好的控制效果。     

高速高精度平面并联机器人模糊自调整PID控制方法的研究

针对推力波动、负载变化等非线性因素对高速高精度平面并联机器人系统稳定时间的影响，本文设计了一种新颖的模糊自调整PID控制器：系统的位置偏差较大时，采用PI控制器，保证系统的平滑、稳定；当系统发出停止命令后，引入模糊增益参数自调整机构，加快静差消除．模糊增益参数调整机构采用“一维输入-二维输出”的推理结构，消除了参数调整中的“耦合影响”；为缩短整定时间，减少整定参数的数量，不同增益，误差E的模糊论域划分各不相同．经实验验证：引入该模糊自校正PID控制器后，机器人系统的稳定时间有显著改善．     

基于模糊高斯基函数神经网络的遥感图像分类

针对遥感图像分类的特点,提出了一种基于模糊高斯基函数神经网络的遥感图像分类器。该分类器将模糊技术与神经网络相结合,采用神经网络来实现模糊推理,利用神经网络的学习能力来达到调整模糊隶属函数和模型规则的目的,从而使系统具备了自适应的特性,实验结果表明,这种基于模糊高斯基孙数神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

基于AdaBoost算法的智能轮椅避障研究

随着计算机图像处理能力和技术的发展,视觉传感器在移动机器人导航和障碍物识别中的应用越来越受到重视.将AdaBoost算法用于智能轮椅的障碍物识别,在Visual C++6.0平台下,用AdaBoost算法训练得到用于障碍物检测的强分类器,然后利用该分类器进行检测出目标障碍物,并用模糊神经网络的方法对轮椅的声纳信息,视觉...     

Online-learning and Attention-based Approach to Obstacle Avoidance Using a Range Finder

The problem of developing local reactive obstacle-avoidance behaviors by a mobile robot through online real-time learning is considered. The robot operated in an unknown bounded 2-D environment populated by static or moving obstacles (with slow speeds) of arbitrary shape. The sensory perception was based on a laser range finder. A learning-based approach to the problem is presented. To greatly reduce the number of training samples needed, an attentional mechanism was used. An efficient, real-time implementation of the approach was tested, demonstrating smooth obstacle-avoidance behaviors in a corridor with a crowd of moving students as well as static obstacles.     

基于模糊神经网络的六足机器人自主导航闭环控制系统设计

针对未知环境中六足机器人的自主导航问题,设计了一种基于模糊神经网络的自主导航闭环控制算法,并依据该算法设计了六足机器人的导航控制系统．算法融合了模糊控制的逻辑推理能力与神经网络的学习训练能力,并引入闭环控制方法对算法进行优化．所设计的控制系统由信息输入、模糊神经网络、指令执行以及信息反馈4个模块组成．环境及位置信息的感知由GPS（全球定位系统）传感器、电子罗盘传感器和超声波传感器共同完成．采用C语言重建模糊神经网络控制算法,并应用于该系统．通过仿真实验,从理论上论证了基于模糊神经网络的闭环控制算法性能优于开环控制算法,闭环控制算法能够减小六足机器人在遇到障碍物时所绕行的距离,行进速度提高了6.14%,行进时间缩短了8.74%．在此基础上,开展了实物试验．试验结果表明,该控制系统能够实现六足机器人自主导航避障控制功能,相对于开环控制系统,能有效地缩短行进路径,行进速度提高了5.66%,行进时间缩短了7.25%,验证了闭环控制系统的可行性和实用性．     

Multi‐Variable Direct Self‐Organizing Fuzzy Neural Network Control for Wastewater Treatment Process

A multi‐variable direct self‐organizing fuzzy neural network control (M‐DSNNC) method is proposed for the multi‐variable control of the wastewater treatment process (WWTP). In this paper, the proposed control system is an essential multi‐variable control method for the WWTP. No exact plant model is required, which avoids the difficulty of establishing the mathematics model of WWTP. The M‐DSNNC system is comprised of a fuzzy neural network controller and a compensation controller. The fuzzy neural network is used for approximating the ideal control law under a general nonlinear system. Moreover, the neural network is designed in a self‐organizing mode to adapt the uncertainty environment. Simulation results, based on the international benchmark simulation model No.1 (BSM1), demonstrate that the control accuracy is improved under the proposed M‐DSNNC method, and the controller has a much stronger decoupling ability.