基于Bezier曲线的自主移动机器人最优路径规划

以自主移动机器人为研究对象,以足球机器人为研究平台,针对足球机器人运动轨迹的实际特点,提出了一种基于3次Bezier曲线的最优路径规划方法.该方法以足球机器人实际比赛时的速度、加速度和有效躲避运动轨迹上的障碍物作为路径规划的约束条件,以所规划路径和机器人到达目标点花费时间最短为规划目标.同时将Bezier曲线规划方法与粒子群优化算法相结合,通过粒子群优化方法对产生轨迹的各粒子进行选择更新,并调整各约束条件的权重系数,从而增强了路径规划的有效性和精度.最后通过仿真实验验证该方法有效可行.     

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。     

基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。     

基于一种改进RRT算法的足球机器人路径规划

针对足球机器人运用传统快速扩展随机树(RRT)算法进行路径规划时随机性大的问题,提出了一种目标引力式的RRT路径规划算法。该算法在RRT算法的基础上引入了一个目标引力函数,避免了扩展随机树向目标点以外的方向生长,改进了快速扩展随机树缺乏确定性的问题,提高了足球机器人在路径规划方面的效率。仿真实验结果表明,该算法能够得到最佳路径,同时可以有效提高路径的规划速度。     

向量场中微型足球机器人路径规划优化分析

规划出一条理想的路径并为机器人确定一个合理的速度值是微型足球机器人策略算法研究中的两个关键问题.文中应用向量场法对无碰路径规划及速度优化问题进行了分析.建立了轮式足球机器人小车的运动学模型,并深入研究了小车的运动性能问题.根据所得运动学迭代方程及向量场的特点,提出了一种速度优化设定方法.此方法采用低速控制方式,可大大降低小车的能耗,并使小车更易控制.仿真计算与实验结果表明此方法简单、有效,实时性很强.     

对抗环境下足球机器人路径规划

在RoboCup中型组足球机器人比赛环境下,实现机器人实时、有效的路径规划是赢得比赛的重要前提.充分考虑到足球机器人比赛中实时性和对抗性的特点,采用具有实时性优势的人工势场法,并综合考虑障碍物、目标点以及机器人之间相对位置和相对速度的关系,提出一种相对威胁系数的概念.该系数能够反映比赛中双方机器人实际对抗的强弱程度.将相对威胁系数应用到传统的人工势场中,形成一种新的改进型人工势场法,较好地解决了对抗环境下机器人路径规划中一些实时性、有效性的问题.仿真实验验证了所提出算法在足球机器人比赛系统中具有可行性.将该算法应用于交龙足球机器人上,在实际比赛中取得了较好的成绩.     

足球机器人的双圆弧射门算法研究

为了提高机器人足球比赛中的成功率,在分析了基本算法不足的基础上,利用能够满足任意端点及其斜率要求的双圆弧曲线来解决机器人小车到达目标点的位置,以及姿态运动过程中遇到障碍物能够保持最佳姿态的射门问题,并利用优化设计中的复合形法进行了运动路径寻优.仿真结果表明,利用双圆弧曲线可保证足球机器人有效地避开障碍物到达目标位姿,且可保证规划路径上的每一点均能满足非完整约束条件,有效地为足球机器人规划出避碰最优路径.优化后的方法简单有效,可对机器人的初始条件不加限制,计算量非常小,因此有较高的实用价值.     

双圆弧优化算法的足球机器人路径规划

根据双圆弧数据逼近方法,提出一种足球机器人路径规划算法,弥补机器人小车到达定点常用Turn-Run-Turn方法及模糊控制(PID)方法存在的不足.利用由分段圆弧曲线连接而成的双圆弧,具有满足任意端点及其斜率特性要求的特性,解决机器人小车到达目标点位置和姿态的运动过程中遇到障碍物及保持最佳姿态的路径规划问题.最后,利用复合形法,求解障碍物约束条件下的非完整移动机器人路径规划问题,并进行运动路径寻优.结果表明,该方法简单有效,对机器人初始条件不加限制,计算量非常小.     

动态环境中基于遗传算法的机器人路径规划

为解决动态环境中足球机器人的路径规划问题,采用栅格法对机器人工作空间进行划分,用序号标识栅格,并以此序号作为机器人路径规划参数编码,建立了以路径最短、避障为优化目标的遗传算法个体评价函数.采用轮盘赌选择、重合点交叉、多种变异结合等方法完成了遗传操作.针对遗传算法易陷入局部最优的不足,在标准遗传算法基础上加入了复原操作和重构操作,使改进后的遗传算法收敛于全局最优.仿真结果表明:该算法能够成功地在动态环境里规划出一条近似最优的路径,算法是有效的     

基于遗传势场法的足球机器人路径规划

以足球机器人系统为研究背景,采用了人工势场法和遗传算法相结合的方法,实现了足球机器人路径规划.首先根据势场原理设计可调参数的势场函数,再规划出已知环境下可调参数的势场函数,然后设计遗传算法中的相关适应值函数,最后用遗传算法优化势场函数中的参数,得到遗传势场法.同时利用C++编程实现遗传势场法的仿真平台,并在该平台上进行仿真实验,结果表明,遗传势场法具有避障以及适于在实时环境中使用的优点,在解决实际路径规划问题中是行之有效的.     

基于注意机制的改进人工势场的机器人路径规划

人工势场法是机器人路径规划中应用较多的一种方法,但方法在障碍物较多时由于势场合力不容易控制而常常出现机器人陷入势场陷阱中。足球机器人比赛系统场上敌我状态复杂,加上动态变化的场上环境,对实时性要求很高。本文对注意机制在机器人足球比赛中的应用进行研究,根据比赛平台模型的特点并从能量角度将场上的引力和斥力转化成特定的关于能量的数学表达式,将其和注意机制相结合,提出新的改进人工市场的方法。基于注意机制的改进人工势场算法,将原有的合力势场变成重力势场,使机器人自主规划前进路线。最后本文使用仿真方法证明该方法的可行性。     

正弦曲线的足球机器人路径规划

为了提高机器人足球比赛中的成功率,在分析基本算法不足的基础上,利用正弦曲线具有光滑、可微的特性,解决机器人小车在到达目标点位置和姿态的运动过程中,所遇到障碍物及保持最佳姿态的路径规划问题.仿真试验表明,提出的方法具有较强的路径规划能力,对机器人初始条件可不加限制,计算量非常小,具有较高的实用价值.     

基于分区的带球射门算法研究

为了提高足球机器人的射门成功率,提出了一种基于分区的带球射门方法。该方法以球为中心对场地进行分区,机器人按区域决定运动路径进行追球以达到合适的射门点,在进行角度调整后执行带球算法。实验结果表明,与原有几种射门算法相比,提出的算法通过合理路径规划减少了射门的追球时间。在引入带球算法后,射门成功率有了明显提升,并扩大了执行进攻策略的范围。整体提升了进攻与防守的效率。     

人工免疫算法在足球机器人路径规划中的应用

提出了一种人工免疫算法———基于思维进化的人工免疫算法,此算法在人工免疫的基础上吸取了思维进化算法中的优点,提出了趋同半径和异化半径的概念,能够实现算法中抗体的局部和全局求解,使得人工免疫系统和思维进化算法有机地结合起来。同时将算法应用到足球机器人的路径规划中,构建了机器人的数学模型和亲和力函数,并且给出了具体的实现步骤,取得了合理的实验结果,对算法中的一些关键操作也进行了简要的说明。