一种动态不确定环境下的机器人路径规划算法

为了提高机器人在动态不确定环境下的实时性和适应能力,提出了一种机器人实时路径规划新方法.采用环境信息处理算法,通过搜索实时局部环境信息特征信息的方式对环境信息进行分析和处理.该方法能够捕捉动态障碍物并对动态障碍物的运动规律进行预测,将特征信息及时更新给运动动作规划算法部分.运动动作规划算法是通过引入启发式思想选择双安全子目标点,完成规划运动动作并实现优化路径.在不同环境下进行仿真实验,检验了算法的有效性,证明算法在动态不确定环境下具有良好的实时性和适应性。     

强化学习方法在移动机器人导航中的应用

路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.     

递归神经网络的进化机器人路径规划方法

针对机器人递归神经网络控制器在进化优化过程中存在的问题,利用改进的进化算法对递归神经网络控制器进行优化设计,提出了一种基于递归神经网络的进化机器人路径规划算法,该算法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整.给出了算法的具体步骤,并与基于标准前馈网络的路径规划方法进行了比较.仿真结果表明递归神经网络控制器对动态未知环境具有更好的适应性.     

基于DGSOM_A*的移动机器人地图创建和路径规划

针对移动机器人未知环境路径规划问题,基于动态自组织特征映射网络提出了一种自组织网络动态生成A*的算法(dynamic growing self-organizing map with A*,DGSOM_A*),并将其应用于移动机器人地图创建和路径规划.该方法利用Mobotsim二维仿真软件构造了环境模型,机器人通过无碰自由巡航获取环境信息,然后把上一步得到的环境信息作为DGSOM_A*算法样本通过SOM神经元自主生长进行地图创建,生成以少数SOM图神经元分布描述环境特征信息的拓扑地图,最后完成起始点到目标点的导航任务.实验结果表明,相比传统的SOM算法,基于DGSOM_A*算法机器人能有效地通过对环境地图的绘制熟悉复杂环境并能实现最优路径选取.     

机器人避开多随机障碍物的路径规划遗传算法

针对当前路径规划中存在的诸多问题,提出了基于遗传算法的机器人避开多随机障碍物的路径规划方法。首先提出障碍物环境的神经网络模型,并利用该模型建立机器人动态避碰路径与神经网络输出的关系,将需规划路径的二维编码简化成一维编码,并把动态避碰要求和最短路径要求以及边界约束条件融合成一个适应度函数。通过对该算法进行实验仿真,证明该方法具有良好的动态避障性能,是有效和正确的。     

搜索双安全边缘点的实时路径规划方法研究

针对未知不确定性环境下机器人路径规划的特点,提出了基于搜索双安全边缘点的实时路径规划新方法.该方法从有限的实时环境信息中搜索躲避障碍物和保证机器人到达目标点的双安全边缘点信息,并结合启发式算法,实现了基于双安全边缘点的实时路径规划.机器人的实际工作环境是十分复杂的,要求路径规划算法有较高的适应能力,特别在u型环境中要求算法能够脱离死区.仿真实验在2种U型环境和复杂环境中进行,仿真结果表明,该方法具有反应灵敏、实时性好的特点,对不确定环境具有良好的适应性,能够实现未知复杂环境下的路径规划.     

基于人工智能算法的采摘机器人最优路径规划研究

在复杂多变的工作环境,特别是在多丘陵等特殊地理位置,快速选择最优路径,避开障碍物,完成作业,需要进行采摘机器人的路径规划.基于改进蚁群算法对拣选机器人路径进行规划,搜索效率较低,存在早熟收敛的可能,基于此,提出基于人工智能算法的采摘机器人最优路径规划方法.构建环境模型,为减少初始寻路时间,提高搜索速度,增强全局优化能力...     

基于模糊神经网络算法的机器人路径规划研究

路径规划是移动机器人研究的关键技术之一.在研究模糊理论和神经网络的基础上,提出了一种新的算法,即模糊神经网络.模糊神经网络既可以像神经网络那样并行处理、自行学习,又可以像模糊理论处理模糊信息、完成模糊推理功能.采用模糊神经网络来对移动机器人的路径进行规划,充分发挥模糊理论和神经网络的各自优势,从而获得从起始点到目标点的最优路径.在环境信息完全未知且静态的情况下进行了仿真实验,结果表明：该算法效率高、收敛速度快,有效提高了移动机器人的智能化水平.     

机器人BP神经网络避障控制模型构建及仿真

针对传统BP神经网络在未知环境下机器人路径规划及避障算法中存在权值调节收敛速度慢、易陷入局部极小点、网络结构不稳定等问题,基于权值调节收敛速度与学习率之间的关系,通过引入调节因子及设置参数kinc和kdec对传统BP神经算法进行了改进,实现了学习率的大小动态调节,优化了权值的收敛.利用改进后BP神经网络算法,给出了一种新型机器人二级BP神经网络避障控制模型.仿真结果表明:该模型用于障碍物实时识别及机器人快速避障时有效可行,障碍物识别率达到80.5%~99.5%,避障路径趋近最优直线路径.     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

非平坦地形下移动机器人航迹推测方法研究

精确可靠的航迹推测是实现移动机器人自主导航的一个极为关键的环节.针对一个3 摇杆6驱动轮的移动机器人实验平台,本文提出了其在非平坦地形下的航迹推测方法.通过运动机构的分析,获得了移动机器人自身的位姿及运动参数.基于非平坦地形下运动机构间的刚体约束,建立了机器人的运动学模型.采用编码器、光纤陀螺仪和倾角传感器等测量机器人的动态参数信息,依据其运动学模型实现非平坦地形下的航迹推测、仿真,并分析验证了航迹推测方法的有效性,从而提高了移动机器人自主导航的定位精度.     

非平坦地形下移动机器人航迹推测方法研究

精确可靠的航迹推测是实现移动机器人自主导航的一个极为关键的环节.针对一个3摇杆6驱动轮的移动机器人实验平台,本文提出了其在非平坦地形下的航迹推测方法.通过运动机构的分析,获得了移动机器人自身的位姿及运动参数.基于非平坦地形下运动机构间的刚体约束,建立了机器人的运动学模型.采用编码器、光纤陀螺仪和倾角传感器等测量机器人的动态参数信息,依据其运动学模型实现非平坦地形下的航迹推测、仿真,并分析验证了航迹推测方法的有效性,从而提高了移动机器人自主导航的定位精度.     

动态环境下自主移动机器人的导航复杂性

在自主移动机器人相关技术的研究中，导航技术是其研究核心.动态不确定环境下的路径规划是自主移动机器人导航的关键环节之一，受到了许多学者的关注.多障碍环境下的路径规划，尤其是多障碍动态环境下的路径规划，是一个比较复杂的问题.通过混沌现象对自主移动机器人在动态环境下，利用传感器信息导航的复杂性进行了探讨.通过计算最大Lyapunov指数和描绘功率谱分析图这两种方法，确定了自主移动机器人从传感器上获得的机器人与障碍物间距离信息的时间序列存在混沌现象，揭示了自主移动机器人在动态环境下导航复杂性的原因.     

安全屏障机制下基于SAC算法的机器人导航系统

为了提高移动机器人自主导航系统的智能化水平和安全性,设计了安全屏障机制下基于SAC(Soft Actor-Critic)算法的自主导航系统,并构建了依赖于机器人与最近障碍物距离、目标点距离以及偏航角的回报函数.在Gazebo仿真平台中,搭建载有激光雷达的移动机器人以及周围环境.实验结果表明,安全屏障机制在一定程度上降低了机器人撞击障碍物的概率,提高了导航的成功率,并使得基于SAC算法的移动机器人自主导航系统具有更高的泛化能力.在更改起终点甚至将静态环境改为动态时,系统仍具有自主导航的能力.     

基于路径识别和跟踪的视觉导航

路径识别和路径跟踪是轮式移动机器人视觉导航的两个关键问题,本文利用带状路径标示线的直线信息对路径进行识别,采用模糊控制器实现对路径的跟踪控制。通过仿真实验表明,该方法具有很高的实时性和很好的控制精度,能够满足轮式移动机器人视觉导航的需要。     

自主移动机器人局部优化导航算法研究

自主移动机器人在未知环境下需要依靠自身装配的传感器不间断地获得周围环境信息,辨别出障碍物的位置,进行计算和自主决策.现有导航算法在面临U型等复杂环境时容易在僵死路径上产生反复,导致导航不能继续.文中提出了一种基于模糊逻辑的局部优化导航算法,采用"辨识-记忆"策略来处理传感器信息.在路径规划中保留最近走过路径的位置和角度特征等相关资源,形成"记忆".当前规划路径形成死区并反复运行时,会形成"辨识"并重新规划路径和导航决策以避免障碍物碰撞.在Webots Pro和Matlab下设计仿真实验,结果表明移动机器人在模糊规则指导下能有效避障和避免死区现象,实现较好的自主导航.     

移动机器人信息融合技术研究

智能化是未来移动机器人的发展方向，而智能化的基础是传感器技术的发展，移动机器人信息融合技术弥补了使用单传感器带来的缺陷．介绍了国内外移动机器人的研究现状，详细阐述了信息融合技术在移动机器人领域的应用．对在移动机器人中应用信息融合的一些关键技术，包括基于移动机器人的融合结构、融合算法、目标识别和自主导航等问题作了较深入的探讨，并对信息融合技术在移动机器人领域中的应用前景给予展望．     

移动机器人信息融合技术研究

智能化是未来移动机器人的发展方向,而智能化的基础是传感器技术的发展,移动机器人信息融合技术弥补了使用单传感器带来的缺陷.介绍了国内外移动机器人的研究现状,详细阐述了信息融合技术在移动机器人领域的应用.对在移动机器人中应用信息融合的一些关键技术,包括基于移动机器人的融合结构、融合算法、目标识别和自主导航等问题作了较深入的探讨,并对信息融合技术在移动机器人领域中的应用前景给予展望.     

基于遗传模糊算法的机器人局部避障规划

提出了在动态环境中,基于遗传模糊算法的移动机器人的局部避障规划方法,该方法适用于复杂环境情况．仿真结果表明改进遗传算法的模糊控制估化效果优于传统遗传算法模糊控制效果,能够满足移动机器人局部路径规划的实时性要求．