一种基于遗传模糊算法的足球机器人射门方法

为了提高足球机器人的射门成功率,给出了一种基于遗传模糊算法的足球机器人射门实现方法．通过建立一个多输入多输出模糊控制器,用一套模糊控制规则控制足球机器人在实时、动态环境中完成射门动作,并采用遗传算法优化模糊规则和隶属度函数,增强了模糊控制系统适应动态变化环境的能力．实验结果证明了方法的正确性．     

机器人足球射门算法研究

为提高足球机器人的射门成功率，在分析了基本射门算法存在不足之处的基础上，引入了射门区的概念．通过计算射门区及射门角，提出了一种改进的射门算法，并给出了射门过程的Petri网模型．仿真结果证明该算法能优化射门机器人的运动路径，提高射门成功率．     

基于动态基准圆的机器人足球射门算法研究

为提高足球机器人的射门成功率,在分析了几种射门算法存在不足之处的基础上,引入动态基准圆的概念,提出了一种运动轨迹采用近似阿基米德螺线的射门算法．仿真结果表明,该算法在球静态和动态两种情况下均能缩短射门机器人的运动路径,增大击球的冲量,提高射门成功率．     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法.该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策.利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性.     

基于模糊神经网络的机器人感知系统多源信息融合的研究

提出了利用基于模糊神经网络的传声器阵列和双目摄像机信息融合,实现对声源的精确定位和实时跟踪的方法．该方法建立了五层模糊神经网络,设计了各层的输入和输出,利用BP算法调整模糊神经网络的权重和参数获得不同的隶属函数,从而生成相应的模糊规则实现模糊决策．利用Matlab仿真了机器人的感知过程,得到了实际输出和实验输出的误差曲线,验证了基于模糊神经网络多源传感融合算法对于机器人控制的有效性．     

基于动态碰撞时间预测的机器人区域射门算法

为提高机器人足球比赛中射门成功率,提出一种基于动态碰撞时间预测的区域射门算法.该算法根据实时预测的射门机器人与球发生碰撞的时间计算、调整机器人左右轮速,实现了机器人走曲线和走直线的平滑过渡.实验仿真结果表明,该方法在快速动态环境下的射门成功率明显提高.     

仿真机器人足球比赛中的射门策略

针对机器人足球传统射门策略存在射门成功率不高的情形,对FIRA机器人足球五对五仿真平台(SimuroSot 5vs5)中实体的运动规律进行了分析,提出了预测法射门策略.首先建立了机器人的变速运动模型和球在碰撞之后的运动模型,然后根据这些运动模型,实时地对机器人和球的速度及位置进行分析预测,寻找对方守门员的死角,确定最佳的射门区域.通过仿真实验,预测法射门策略与多人协作射门策略、死角法射门策略、基于艾米特插值(Her mite)曲线射门策略相比,明显提高射门的成功率和比赛进球数.     

基于区域和切圆弧的足球机器人射门动作研究

在分析了众多直线和曲线射门算法的基础上,提出了一种改进的射门算法———基于切圆弧的射门轨迹和基于区域的射门目标点的算法.该算法适合机器人任何初始方向角,并实现了机器人走直线和曲线的平滑过渡,消除了机器人因旋转初始方向角而引起的振荡.     

解决足球机器人运动死锁问题的模糊决策方法

在分析足球机器人比赛中常见的机器人运动死锁现象的基础上,采用双层模糊控制器判断本方机器人是否需要退让,从而主动解决运动死锁问题．通过本方机器人、对方机器人和球的位置关系建立了一系列模糊规则,并通过实验检验了该方法的有效性．     

基于混合智能算法的彩色图像 模糊颜色聚类分割方法研究

结合模糊技术较好地表达和处理了不确定性问题的特点,提出了一种新的彩色图像模糊聚类分割方法.对于信息量大的彩色图像,提出了采用灰度图像处理在RGB颜色空间的应用的分割方法.在足球机器人视觉系统的软件中,设计模糊聚类混合智能算法(包括遗传算法和蚁群算法)进行图像信息处理.实验结果表明:这种方法能有效提高足球机器人视觉系统的识别与跟踪性能.     

Reactive fuzzy controller design by Q-learning for mobile robot navigation

In this paper a learning mechanism for reactive fuzzy controller design of a mobile robot navigating in unknown environments is proposed. The fuzzy logical controller is constructed based on the kinematics model of a real robot. The approach to learning the fuzzy rule base by relatively simple and less computational Q-learning is described in detail. After analyzing the credit assignment problem caused by the rules collision, a remedy is presented. Furthermore, time-varying parameters are used to increase the learning speed. Simulation results prove the mechanism can learn fuzzy navigation rules successfully only using scalar reinforcement signal and the rule base learned is proved to be correct and feasible on real robot platforms.     

足球机器人进攻路径及踢球位姿递推算法

在动态环境中实时、准确地预测和规划足球机器人进攻路径和踢球位姿难度极大．为此,提出一个简捷递推算法,用于规划足球机器人进攻路径和调整踢球位姿．FIRA SimuroSot仿真比赛的实践证明该算法是行之有效的．     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。     

基于自适应遗传算法的足球机器人策略设计

提出了一个基于自适应遗传算法的足球机器人动作规划算法．定义了一个足球机器人的动作集合,根据赛场的实际情况为足球机器人分配角色与任务,然后利用自适应遗传算法为足球机器人选择合适的动作．算法引入了局部搜索,采用了一种高效的适应性评价方法．实验表明,应用新算法的仿真足球机器人动作准确、效果好．     

ACS algorithm-based adaptive fuzzy PID controller and its application to CIP-Ⅰ intelligent leg

Based on the ant colony system(ACS)algorithm and fuzzy logic control,a new design method for optimal fuzzy PID controller was proposed.In this method,the ACS algorithm was used to optimize the input/output scaling factors of fuzzy PID controller to generate the optimal fuzzy control rules and optimal real-time control action on a given controlled object.The designed controller,called the Fuzzy-ACS PID controller,was used to control the CIP-I intelligent leg.The simulation experiments demonstrate that this controller has good control performance.Compared with other three optimal PID controllers designed respectively by using the differential evolution algorithm,the real-coded genetic algorithm,and the simulated annealing,it was verified that the Fuzzy-ACS PID controller has better control performance.Furthermore,the simulation results also verify that the proposed ACS algorithm has quick convergence speed,small solution variation,good dynamic convergence behavior,and high computation efficiency in searching for the optimal input/output scaling factors.     

基于模糊进化学习的移动机器人目标跟踪控制

结合人工引力场原理、比例导航原理和非完整约束控制，研究一种用于自主式移动机器人动态目标跟踪控制算法，提出了移动机器人的模糊进化学习策略，以模糊控制器为基础，通过进化学习来搜索最优控制参数和控制量，并在动态目标跟踪实验中得到验证。     

移动机器人模糊控制系统的设计

针对移动机器人在原控制器控制下自主运动时出现的不稳定状况,将模糊控制策略引入移动机器人运动控制系统中.通过分析比较不同的控制方法,设计了由速度误差率和速度误差变化率为控制系统的输入,移动机器人电机输出功率为控制系统的输出的双输入单输出的模糊逻辑控制器.通过仿真对比不同控制器所产生的移动机器人速度变化曲线,当移动机器人系统受到外界干扰时,对于原始控制器,PID控制器和模糊逻辑控制器速度变化的幅度分别为 26%, 13%, 4%.模糊逻辑控制器在处理外界干扰时在快速性和灵敏性上明显优于PID控制器和原始控制器,采用这种控制方法对移动机器人的驱动电机输出参数实现了模糊控制,达到了预期的工作性能要求.