深海集矿机模型车避障系统设计

考虑深海底集矿机的未知、复杂工作环境以及在集矿机上做试验的不便,设计并实现了深海集矿机模型车避障系统;该系统先用超声波传感器检测障碍物信息,然后用高性能单片机AT89S52对信息进行处理后传送到水下工控机,在此基础上,运用改进势场法进行行走避障,规划出深海集矿机模型车作业路径;此算法适应于动态未知复杂环境下的深海集矿机实时导航和避障,且在目标点附近存在障碍物时也能达到目标;仿真和试验结果验证了该算法的有效性。     

深海集矿机多任务调度控制系统设计

设计并实现了一种基于多处理器的深海采矿实时调度控制系统,结合嵌入式ARM控制系统和实时操作系统μC/OS-II对深海集矿机的轨迹规划、实时避障、故障监测等基本实时控制任务进行划分,将划分好任务分配到固定各个多处理器系统中。采用MCDF调度算法实现全局动态调度,从理论上分析了所提出算法的可调度性,并在深海采矿多处理器集矿机控制系统中验证了算法设计有效性和可行性,为嵌入式用于深海采矿研究进行了探讨,表明了算法的有效性。     

深海集矿机自行走预测控制系统

为了解决作业于深海"稀软底"环境的集矿机两侧履带打滑严重的问题,以及集矿机的剪切驱动形式引起的速度调节滞后的问题,提出了一种基于模糊控制的防滑控制方法,并采用带参数自校正模块的灰色预测控制器进行自行走控制;防滑控制器能使深海集矿机的行驶速度与沉积物特性匹配,有效抑制履带打滑,保证集矿机在极限海底沉积物上安全行走作业;带自校正模块的预测自行走控制算法与单纯的PID控制、不带自校正模块的灰色预测控制相比,具有更好的行走控制性能和自适应性;仿真结果表明了算法的有效性.     

深海采矿车的自修正专家模糊控制

深海自行走履带采矿车作业过程,受到作业环境和采矿车自身的影响,具有未知性、随机性、非线性等特性。针对这种复杂控制过程,采用一种基于自修正专家模糊控制的路径跟踪控制方案,控制深海履带车行走。该方案参考履带车辆转向运动学方程,采用具自调整功能的模糊算法,对深海底履带集矿机的左右履带速度进行控制。仿真结果验证了该方案的可行性和有效性。     

基于GAAA算法的深海集矿车的最优路径规划

针对提高深海集矿车的集矿效率,实现最优路径规划的目标,建立了从起始点到达目的点时,集矿机所需时间最短、耗能最少的多目标优化问题的模型,并通过对子目标加权将多目标优化问题转换成单目标优化;在蚁群算法的基础上,采用了将遗传算法与蚁群算法相融合的算法,即GAAA算法;对集矿车作业路径进行寻优控制,在实现高集矿覆盖率和集矿效率的同时,提高了集矿车整机作业效率;仿真实验表明,GAAA算法用于集矿车路径寻优是可行的和有效的。     

深海集矿机行走的交叉耦合控制

深海集矿机作业过程,受到作业环境和集矿机自身的影响,具有未知性、随机性、非线性和模糊时变等特性。针对深海集矿机这些特点,本论文提出轨迹误差定义,建立集矿机运动方程和误差模型,基于模糊调节的交叉耦合误差补偿器在不改变深海集矿机内部速度控制环结构的条件下,通过向各履带提供附加补偿控制量,进而提高深海集矿机轨迹跟踪的精度,并以深海集矿机模型车为实验对象,对算法的有效性进行了验证。     

深海集矿机视频测速中目标定位算法研究

实现深海集矿机视频测速的关键难点是在间隔已知时间的两幅视频帧图像中找到可以作为测速目标的对应块。根据集矿机行走作业的深海底环境,以锰结核区域为对应块,采用灰度差水平叠加投影的方法,构造可以代表其鼓形区域的函数,以其作为定位结核区域的判别函数。此算法能够快速、准确地定位到结核区域,从而为深海集矿机视频测速的关键难点提出了一种切实可行的解决办法。     

基于无模控制的深海集矿机车体姿态与集矿头高度去耦控制

在深海集矿机作业过程中,是通过液压系统驱动的集矿装置来采集多金属结核的.针对集矿机车体姿态与集矿头高度之间的耦合,研究集矿头高度在行走中受车体姿态的影响,分析集矿头高度和车体姿态之间的耦合机理.并根据耦合对象的特性,进行去耦优化,仿真结果表明该去耦优化算法能补偿液压系统滞后特性,独立进行集矿头高度最优调节,达到最佳集矿效率,提高行走稳定性.     

基于多传感器数据融合的深海集矿机导航与定位

考虑到深海底的复杂、未知工作环境,在深海集矿机的海底导航与定位研究中提出了一种基于多传感器数据融合思想的深海集矿机导航与定位方法,该方法使用一种修正的长基线水声定位系统,采用自适应卡尔曼滤波算法,融合由长基线水声定位系统对集矿机位置的测量值和通过多普勒测速仪等其他传感器的测量值间接得到的关于集矿机位置的推测值,得出某时刻集矿机位置的最优估计;此方法适合集矿机在复杂未知的深海底环境中实现自主导航与定位任务;仿真和试验结果印证了此方法的有效性.     

基于改进型遗传算法的深海集矿机路径规划

提出一种基于改进型遗传算法的深海集矿机路径规划新方法。针对路径规划中标准遗传算法易陷入局部最优的缺点,在标准遗传算法基础上,根据栅格地图的实际特点对算法的编码设计,初始群体设定及遗传操作做出了相应的改进,提高了染色体整体的进化效率,使得改进后的算法可以准确、快速地获取最优路径。实验仿真结果表明该算法的有效性。     

一种实时多目标路径规划方法

提出一种利用实时搜索思想的多目标路径规划方法.首先设计并实现局部路径规划算法,在有限的局部空间内执行启发式搜索,求解所有局部非支配路径;在此基础上,提出实时多目标路径规划方法,设计并实现相应的启发式搜索算法,在线交替执行局部搜索过程、学习过程与移动过程,分别用于求解局部空间内的最优移动路径,完成状态的转移和更新状态的启发信息,最终到达目标状态.研究表明,实时多目标启发式搜索算法通过限制局部搜索空间,避免了大量不必要的计算,提高了搜索效率,能够高效地求解多目标路径规划问题.     

融合改进A*算法和Morphin算法的移动机器人动态路径规划

在动态未知环境下对机器人进行路径规划,传统A*算法可能出现碰撞或者路径规划失败问题。为了满足移动机器人全局路径规划最优和实时避障的需求,提出一种改进A*算法与Morphin搜索树算法相结合的动态路径规划方法。首先通过改进A*算法减少路径规划过程中关键节点的选取,在规划出一条全局较优路径的同时对路径平滑处理。然后基于移动机器人传感器采集的局部信息,利用Morphin搜索树算法对全局路径进行动态的局部规划,确保更好的全局路径的基础上,实时避开障碍物行驶到目标点。MATLAB仿真实验结果表明,提出的动态路径规划方法在时间和路径上得到提升,在优化全局路径规划的基础上修正局部路径,实现动态避障提高机器人达到目标点的效率。     

未知环境下移动机器人实时路径规划

针对在未知环境下实现移动机器人实时的路径规划问题,提出了一种将快速扩展随机树（RRT）算法与视野域自适应的滚动窗口相结合的路径规划算法。该方法实时获取滚动窗口内的局部环境信息,根据环境的变化,滚动窗口视野域进行自适应调整,通过分析滚动窗口内传感器获取的信息,结合改进后的RRT算法筛选出可行的路径,控制移动机器人到达子目标点,在此过程中动态监测规划好的路径,确保路径合理,并重复上述过程,直至到达目标区域。实验对比分析表明,该方法能实时并有效实现未知环境下移动机器人的路径规划。     

A hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm in the 2D random environments

Traditional artificial potential field algorithm for multi-robot formation is easy to fall into local minima and the path planning efficiency is low. To this end, we propose a new method of a hybrid formation path planning based on A* and multi-target improved artificial potential field algorithm (A*-MTIAPF) that provides the optimal collision free path and improves the efficiency for multi-robot formation path planning. The A*-MTIAPF algorithm integrates global path planning and local path planning. The novelties include combining A* with the improved artificial potential field algorithm and dividing multiple virtual sub-target points on the global optimal path of A* planning. Firstly, A* algorithm is used to complete the global path planning. Secondly, the improved artificial potential field algorithm which takes multiple sub-target points divided by the global optimal path as virtual target points is used to complete local path planning by switching target points. In addition, we propose a double priority judgment control algorithm (DPJC) to solve the collision problem among multiple robots by setting double priority to determine the movement order of each robot. Then, a new experimental method is designed by using the randomly generated 2D maps to verify the effectiveness of the proposed method. The results show that our method has advantages that it solves the local minimum problem, improves the efficiency of formation path planning and avoids collision among multiple robots over existing methods.     

基于混合策略的轮式机器入路径规划方法

快速扩展随机树方法（R RT）是解决具有非完整性约束的轮式机器人路径规划问题的一种有效途径。R RT能够在规划过程中引入机器人动力学约束,但是当环境中存在大量障碍物时,R RT算法的路径搜索效率将会降低。另一方面,R RT算法不具有最优性,限制了其在轮式机器人路径规划中的应用。针对经典R RT算法的不足,提出一种混合的路径规划策略,首先通过路径导引点扩展多树R RT结构,利用多树R RT的局部探索与合并特性快速寻找可通行的区域范围,利用启发式搜索算法在可通行区域内快速寻找动力学可行的机器人运动轨迹。仿真与实车实验表明,该方法能够快速有效地解决复杂障碍物环境下的机器人路径规划问题。     

基于多行为的移动机器人路径规划

机器人由当前点向目标点运动的过程中,所处环境经常为动态变化且未知的,这使得传统的路径规划算法对于移动机器人避障过程很难建立精确的数学模型.为此,针对环境信息完全未知的情况,为移动机器人设计一种基于模糊控制思想的多行为局部路径规划方法.该方法通过对各种行为之间进行适时合理的切换,以保证机器人安全迅速地躲避静态和动态障碍物,并利用改进的人工势场法实现对变速目标点的追踪.对于模糊避障中常见的U型陷阱问题,提出一种边界追踪的陷阱逃脱策略,使得机器人成功解除死锁状态.另外,设计一个速度模糊控制器,实现了机器人的智能行驶.最后,基于Matlab平台的仿真结果验证了所提出算法的有效性和实时性,与A*势场法的对比结果更突出了该算法的可行性.     

基于模糊势场法的移动机器人局部路径规划

针对采用传统人工势场法进行移动机器人局部路径规划时存在的局部极小点和规划路径过长等问题,提出了一种基于虚拟目标点和有限状态机的模糊势场法。构造基于人工势场的虚拟目标点法来解决局部极小点问题,在合适的位置设置虚拟目标点使机器人逃离局部极小点区域。将虚拟目标点法与模糊控制相结合,对障碍物环境进行预测,及时避障,解决机器人在复杂环境中采用虚拟目标点法规划路径时存在的路径过长问题。设计一个有限状态机来判断障碍物环境,执行算法转换策略,使改进算法适用于多种复杂环境。所设计算法在MATLAB平台上进行了仿真验证。结果表明,该算法能够使机器人逃出局部极小点、缩短规划路径。算法不仅适用于简单、离散环境,在传统算法运行困难的、复杂的环境中,例如墙型、U型和多U型障碍物环境,也能规划出可行的优化路径。     

基于改进模拟退火算法的搬运机器人路径规划

针对传统搬运机器人路径规划方法易陷入局部最优解,以及缺乏对环境普遍适应性的问题。应用栅格法创建搬运机器人工作环境模型,以一种建立搜索禁忌表的改进贪心算法为基础,通过加入遗传算法中“优胜劣汰”的思想,重新定义了模拟退火系数和栅格系数,提出了一种可以解决贪心算法局部收敛问题的改进模拟退火算法。最后通过仿真和具体实物实验,验证了该算法具有的可行性以及对于不同环境的适应性,能够有效地提高搬运机器人路径规划的质量。     

一种基于概率地图的移动机器人最优期望时间目标搜索

在基于概率地图的移动机器人目标搜索规划中,目标在工作环境中的存在概率通常被设置为服从离散均匀分布,进而采用路径长度指标优化搜索任务的全局路径.然而,真实工作空间中的概率分布绝大多数并不服从均匀分布,这将导致所获搜索策略并非预期的最短时间.对此,根据实际工作环境构建概率测算模型,并基于该模型构建概率地图,进而提出一种以预期最短时间为优化指标的机器人目标搜索路径规划方法.该方法采用分层规划模式,在上层拓扑地图中进行拓扑点序列规划,而在下层特征地图中进行拓扑点间局部路径规划.实验结果表明,该方法可以显著缩短移动机器人目标搜索的期望时间,更适用于目标不服从均匀分布的工作环境.     

遗传算法路径规划在无人机电力巡线中的应用

无人直升机在规划巡线线路时,由于不满足无人机的机械性能或有撞山风险,需经常对路径进行局部规划,本文将遗传算法应用于无人直升机局部路径规划。针对遗传算法在进化过程中容易出现大量无效路径,导致进化效率低下,运算时间长的情况,设计了路径修复机制,引入插入算子和删除算子,有效提高了运算效率。试验结果表明这种方法能够很好的解决无人直升机在电力巡线中的局部路径规划问题。