基于混合智能算法的机器人避障路径规划研究

为提高智能机器人在市场内的使用率,优化机器人的使用性能,开展基于混合智能算法的机器人避障路径规划方法的设计。结合动力学扰动行为的分析,获取机器人不同关节有效运动参数,通过对不同运动姿态的有效融合,建立机器人障碍规划运动学模型;基于栅格法,对障碍物环境进行网格划分,基于蚁群算法,定位机器人避障最优参数,以此实现对避障路径规划中参数的设定;利用OAO的局部定位与全局检索能力,构建一个环境障碍物随机树,将其与蒙特卡洛算法进行融合,进行机器人规划初步行进路径的设计。实验结果证明,设计的路径规划方法,在实际应用中,可以起到缩短并优化避障路径的作用,以此种方式,提高机器人行进的速度与效率。     

基于红外的障碍场中集群微机器人的控制方法

对多障碍物环境下微机器人集群运动的控制问题进行了研究.结合微机器人尺寸小的特点,采用低功耗的红外传感器感知外界环境.设定机器人的安全区域,根据机器人运动过程中避障和路径规划所要满足的边界条件,提出了基于人工蜂群问题优化的路径规划控制模型,实现了微机器人的避障和路径规划.仿真结果验证了该控制方法的有效性.     

基于激光雷达局部地图构建的机器人避障路径规划

机器人周围环境的光照、阴影及物体遮挡等条件易导致环境信息采集出现误差，影响机器人建图精度。为优化障碍物的探测准确度和机器人的避障速度，提出基于激光雷达及模糊比例积分微分(PID)的机器人避障路径规划方法。利用Kinect传感器采集机器人环境深度信息，并将其转化为3D信息，构建全局地图。利用激光雷达，通过坐标转换、线段分割，构建局部地图，补充全局地图的不足。结合Cartographer算法优化机器人控制参数，利用模糊PID控制器完成机器人避障路径的规划。实验结果表明：该方法在普通避障环境和复杂避障环境下，均能够成功躲避障碍物，且避障路径均较短。     

基于视觉跟踪的移动机器人路径规划研究

针对复杂环境下含有外部干扰的移动机器人系统,进行路径规划和避障时算法移植性差收敛速度慢、控制系统开放性低容易陷入局部最优,提出一种不依赖滤波器函数和专用通信协议,能够同时满足时效性和精准度的路径规划算法。设计的路径规划算法将机器人运动控制与视觉控制集成一起,随着机器人的运动计算角位移和目标距离,通过以太网进行数据传输,利用相似度不断关联目标路径,最终快速准确地定位目标动态实现路径规划和避障。与传统路径规划算法相比,所提出的模型简单,无需进行复杂的机器人运动学分析,同时在集成系统中引入预设性能评价函数,合理利用系统资源保证了系统的安全性和稳定性。通过李雅普诺夫第二方法稳定性分析,验证算法的稳定性和有效性。     

基于道路场景理解的巡检机器人避障方法研究与应用

为提升巡检机器人的导航避障能力,本文将深度学习技术应用于场景识别中,提出了一种基于道路场景理解的巡检机器人自主避障方法(Road Scene Understanding Net, RSUNet).该方法首先将多层卷积与LeakyReLU激活函数相结合,并以残差结构和金字塔上采样结构的方式,构建高精度道路场景理解网络;其次,设计自适应控制模块来对比前后两帧图像的深层特征信息,并根据特征差异大小自动控制后续网络层的特征计算,避免相似特征重复提取,保障网络效率;最后,将场景理解结果转化为巡检机器人前方不同区域的目标信息,通过分析机器人前方可行道路区域以及障碍物所处位置来指导巡检机器人实现导航避障.实验结果表明,所提方法有效的平衡了场景理解网络的识别精度与计算效率,同时,在实际变电站巡检机器人平台上,该方法也表现出较强的适应性,并能准确高效的为机器人提供场景信息,辅助机器人完成实时自主避障.     

基于机器视觉的输电线路巡检路径三维自适应调度模型

为准确规划输电线路巡检路径,提出基于机器视觉的输电线路巡检路径三维自适应调度模型。以无人机群为飞行平台,采集并拼接目标巡检区域的输电线路图像;通过逐一构建杆塔、导地线及其他输电设备三维模型,获取整体输电线路三维模型;建立输电线路巡检路径智能规划模型,通过模糊状态寻优控制方法,规划无人机群巡检路线并寻找最优路线;引入码间干扰抑制法去除干扰因子,优化通信的连续性,实现输电线路巡检路径三维自适应调度。实验证明,该模型能合理地规划输电线路巡检路径,实现输电线路巡检路径三维自适应调度,同时可以输出全面、清晰的巡检图像。     

基于动态障碍物的机器人避障路径规划方法

针对传统机器人路径规划只适用于障碍位置固定的环境中,无法避开动态障碍物的问题,提出一种融合动态障碍物信息的机器人避障路径规划方法.对传统动态窗口法(Dynamic Window Approach,DWA)进行改进,融合动态障碍物信息与机器人运动学分析,来解决机器人在动态环境下的避障问题,并与改进的A*算法融合,来保障机器人路径规划的全局最优性.实验结果证明,所提出的方法在动态环境下适应度高、安全性强,具有一定的应用价值.     

机器人避障中最短路径的算法研究及应用

基于机器人在平面区域运动的避障问题,通过单一障碍物路径长度设计算法,利用MATLAB软件进行分别计算,综合比较得出机器人从区域起点到达目标点的避障最短路径。     

一种飞行巡线机器人的设计与实现

针对2019年全国大学生电子设计竞赛中要求设计制作一款四旋翼飞行器的巡线机器人来实现对电力线路进行自动巡检、巡查和巧遇故障时自动拍照存储记录等功能,设计提出了一种基于四旋翼飞行器的巡线机器人的设计方案。采用高性能微控制器TM4C123GH6PM作为巡线机器人的飞控主处理器,为了满足自动巡检任务,在飞控板上增加了视觉Open MV传感器、姿态传感器和超声波模块协同作用来识别线缆、定高和测距。实验结果表明,设计的四旋翼巡线机器人能够在多种飞行速度和无路径规划条件下完成正常的电力线路巡检任务。     

基于CNN的移动机器人局部路径激光雷达辅助规划方法

移动机器人在开展局部路径规划时,对障碍物的准确识别及避障路径规划效果会直接影响机器人的安全运行。为此,提出基于CNN的移动机器人局部路径激光雷达辅助规划方法。该方法首先依据CNN方法建立障碍物定位模型,结合设计的视觉控制器,完成场地内障碍物位置的定位;再使用激光雷达采集机器人与障碍物位置之间的距离,再通过VFH算法对距离量化,利用自适应阈值计算机器人移动时的转向,从而确定机器人的局部航向,实现机器人的局部路径规划。实验结果表明,使用该方法实施路径规划时,规划出的路径长度最多为82 m,规划时间最多为5.12 s,规划效果好。     

模糊神经网络信息融合方法在机器人路径规划中的应用研究

多传感器信息融合技术在机器人领域有着非常广泛的应用前景。文中对移动机器人避障及路径规划问题,结合模糊逻辑和神经网络的特点,提出了一种基于T-S（Takagi-Sugeou）模型的模糊神经网络的多传感器信息融合方法。该方法对障碍物信息进行综合处理,用于移动机器人的避障。并通过实验仿真验证了该方案在移动机器人避障和路径规划中的可行性和有效性。     

基于K60芯片智能车系统的设计

本文介绍了一款可实现远程控制、自动避障、路线规划等功能的智能车系统的设计.智能车以K60为中心微控制单元,采用ESP8266WiFi模块与上位机通信,L298N芯片驱动电机控制运动,此外还包括电源模块、显示模块等.智能车借助车前后的激光雷达来检测路面情况,实现有效避障、合理规划行驶路径的目的.     

动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.     

基于无人机的风电智能巡检系统分析

阐述无人机故障识别路线和无人机飞行控制，包括风电巡检风险评估、风电巡检避障策略、三维激光扫描技术、风电自主巡检，探讨风电智能巡检技术应用功能。     

煤矿井下基于Q—learning算法的移动机器人路径规划

机器人的路径规划一直是机器人研究领域的难点问题。针对煤矿井下环境的不确定性,环境的复杂使机器人很难得到好的规划结果。采用强化学习算法中的Q-learning算法实现井下移动机器人的局部路径规划,并对Q函数中的即时回报进行加权修正,使算法更有效地利用环境特征信息,进一步提高了避障能力。最后通过VC 进行仿真和模拟。仿真实验说明该方法的有效性和可行性。     

面向动态障碍物的三维A*优化避障算法研究

针对空间站舱内漂浮物、太空碎片密集区域等复杂场景下的动态避障问题,本文提出了一种面向动态障碍物的三维 A*优化避障算法,主要用于完成空间站舱内飞行器和小型空间机器人在上述环境下的路径规划任务。该算法把传统二维 A*算法推广到了三维,然后通过模糊判断规则对路径进行优化,实现运动路径的实时优化,降低在三维无重力环境下的能量消耗。仿真结果表明,该算法可以对三维环境下动态障碍物进行有效避障,并且优化指标提高将近一倍, 能够有效降低能量的消耗。     

一种改进RRT的多机器人编队路径规划算法

多机器人路径规划是机器人领域的一个热点问题,相比于单机器人路径规划,其算法难度和复杂度都有所增加,在规划时需要兼顾多机避障、相互协作等难点问题.本文提出一种改进快速扩展随机树的多机器人编队路径规划算法,用于解决多机器人在复杂环境下的编队路径规划问题.针对多机器人在编队规划中的位置约束问题,定义机器人之间的领航-跟随结构,并对机器人队形建模.针对规划过程中编队朝向变化问题,建立搜索树扩展方向与队形方向之间的联系,通过调整队形方向改变规划时的编队朝向.针对具有质点模型和非完整约束动力学模型两种不同模型的多机器人系统,分别进行了仿真实验.仿真结果表明该算法在处理多机器人编队路径规划问题时可以取得良好的效果.     

基于STM32的双足避障机器人设计

本文计了一种基于STM32的双足避障机器人,机器人主体使用超轻材质的铝合金搭建,结构稳定可靠,环境适应能力强.采用高性能的STM32单片机为系统主控芯片,配合外围传感器信息采集系统和舵机驱动控制系统,能够完成自主行走,躲避障碍,路径规划等任务.经实验验证,该机器人系统能很好的实现自主避障行走,可以有效减少机器人在避障行走中对环境的依赖性,满足设计要求.     

基于双层蚁群算法和动态环境的机器人路径规划方法

针对动态环境未知时变的特点,提出一种机器人路径规划新方法.在该方法中,首先对栅格法建立的环境模型进行凸化处理,以避免机器人沿规划路径移动时陷入U型陷阱,从而加快路径规划的速度;其次,提出双层蚁群算法（DACO）,在每次迭代中先用外层蚁群算法寻找一条路径,然后以该路径为基础构造一个小环境,接着在该环境下用内层蚁群算法重新寻优,若寻得的路径质量更高,则更新路径并执行本文给出的一种新型信息素二次更新策略;最后,针对环境中不同动态障碍物的体积和速度,提出三种避障策略.动态环境下,机器人先由DACO算法规划一条静态环境下从起点到终点的全局最优路径,然后从当前起点开始,通过自带传感器获取动态环境信息,并根据需要执行等待、正碰或追尾避障策略,到达新的起点.仿真实验表明,该方法可以在动态环境下实时地为移动机器人规划出一条安全且最短的路径,是求解移动机器人路径规划问题的一种切实有效的方法.     

仓储物流机器人集群避障及协同路径规划方法

基于智能机器人的智能仓储系统为解决因电子商务兴起带来的仓储物流压力提供了有效的方案。而机器人集群的避障及路径规划问题是智能仓储系统能否正常运行以及提升其运行效率的关键所在。该文创新地提出一种在交通规则和预约表约束下的基于改进Q-Learning算法的仓储物流机器人集群避障及协同路径规划方法。通过改进的Q-Learning算法规划出每个机器人完成任务目标的最短路径并形成预约表,利用交通规则和预约表解决仓储物流机器人集群在运行时发生的碰撞和死锁问题,并根据所设定的协同机制,减少机器人无任务的待机状态,平衡各机器人之间的工作量,最终实现在保证系统安全运行的基础上缩短系统运行时间的目的。通过Matlab对该文所设计的算法进行仿真,以系统无碰撞完成所有任务的运行总时间即系统中最后一个完成任务的机器人无碰撞运行的总步数为评价指标,验证了该方法的有效性。