基于通用运动学模型的移动机器人避障路径规划

介绍了移动机器人二轮差动机构通用运动学模型的建立、避障行为决策、避障运动控制等,提出了一种足球机器人避障路径规划方法.该方法简化了机器人避障的步骤,提高了机器人避障的灵活性和鲁棒性.仿真试验证明这种方法是可行而有效的.     

基于模糊Q学习算法的AGV路径规划研究

路径规划是AGV控制系统中的关键技术.文章在分析了AGV路径规划方法的基础上,对于未知环境下AGV的局部路径规划问题,设计了一种改进的模糊Q学习路径规划策略,并给出具体执行步骤,最后用Matlab进行了仿真.仿真结果表明该方法规划的轨迹平滑、实时性好、具有良好的效果,该研究为进一步控制AGV奠定了基础.     

蛇形机器人避障的模糊神经网络控制

通过对蛇形机器人平面蜿蜒运动分析,利用模糊神经网络控制原理,对蛇形机器人的避障进行控制,实现了用蛇形机器人左右摆动电机为控制对象的蜿蜒避障运动,并给出了相应的仿真结果。     

基于改进型DWA的移动机器人避障路径规划

针对传统动态窗口法(DWA)中存在的绕行于稠密障碍物区外侧,造成总路程增加,遇见距离相近障碍物构成的“C”形障碍物组合而陷入评价函数失灵等问题,提出了基于改进型DWA的移动机器人避障路径规划.首先,基于本文提出的关键航迹点的概念,提取出A*全局规划路径轨迹中的关键航迹点;然后,以关键航迹点到待评价轨迹的距离作为依据,定...     

融合多目标与能耗控制的无人仓库内AGV路径规划

为降低自动导引车的能耗,以提升其工作效率,促进无人仓库高效运转,提出一种两阶段全局路径规划方法。第一阶段建立了以路径最短与平滑度最大为约束的多目标函数模型,并采用改进后的量子粒子群优化算法进行求解,得出曲率不连续的初始路径;第二阶段根据Bezier曲线与平滑度约束对第一阶段所求的初始路径进行拟合修正,得到速度变化小、能耗低的几何连续路径。仿真结果表明,采用两阶段规划方法得出的路径能够提升自动导引车的工作效率并降低能耗;与常规算法对比,改进算法在优化时间和精度上效果显著。     

基于遗传算法的深海集矿车避障路径规划方法

本文主要研究和利用遗传算法实现深海集矿车避障路径规划的方法。将连续的路径离散化，并用随机数模拟各路径种群。把二维的路径转化为一维，生成简单的路径基因，提出了物理意义明确的适应函数和相应的变异算子，从而引导遗传算法快速收敛于最优解。实验仿真表明，该算法能够快速、稳定的搜寻到所需的最佳路径。     

一种改进的模糊CMAC神经网络车辆自主避障算法

考虑到模糊控制算法在自主避障上的缺陷,设计了一种改进的模糊CMAC神经网络车辆自主避障算法。采用模糊CMAC神经网络(FCMAC)的各层节点来实现模糊控制器变量的输入、模糊化、模糊逻辑的前提条件匹配运算、模糊量的归一化、控制量的输出和控制规则的调整,借助神经网络的自学习能力来完成模糊控制。通过仿真实验,验证了改进的模糊CMAC神经网络算法的可行性和有效性。     

融合多模糊控制器的全方位移动AGV路径跟踪控制技术

针对全方位移动AGV的路径跟踪控制,提出了一种融合多模糊控制器的路径跟踪模糊控制技术,通过对路径跟踪不同方法的研究和实验总结制定了一套用于模糊路径跟踪的控制规则,该控制规则对距离偏差、角度偏差以及它们的变化率的数据进行模糊化处理、推理和输出去模糊化的控制量,避免了大量精确处理偏差值带来的AGV系统调节不稳定的问题.通过仿真和实验结果表明,该控制技术可以使全方位移动AGV更稳定、快速地进行路径跟踪,提高了运行效率.     

智能汽车避障路径规划与跟踪控制研究

为了提高智能汽车行驶安全性,提出了基于人工水滴算法的避障路径规划和自适应路径跟踪控制方法.在路径规划方面,模拟水往低处流过程,提出了基于人工水滴算法的路径规划方法,经验证,人工水滴算法在动静态环境下都能够规划出避障路径.在路径跟踪方面,设计了转向控制与速度自适应控制的综合控制器;基于车辆线性二自由度模型,提出了模型预测转向控制;结合预瞄模型和二次规划方法,提出了速度随行驶路况自适应控制方法.经绕桩实验验证,本文提出的综合控制方法最大横向跟踪误差为0.1m,文献[11]提出的控制方法最大横向误差为0.6m,是本文方法的6倍,说明了综合控制器在路径跟踪控制中的精确性,且综合控制器的横摆角速度、侧向加速度均在约束范围内,满足国家标准对车辆的安全性要求.     

基于BP神经网络机器人实时避障算法

针对二维静态环境下智能机器人避障及路径规划问题,提出了基于BP神经网络的机器人实时避障算法。首先,用多个扇区表示机器人周围的环境,利用激光雷达探测每个扇区内障碍物的距离信息,以每个扇区内障碍物的距离信息为输入,利用BP神经网络计算该扇区被选择为避障方向的得分;然后,利用各扇区中点坐标与当前时刻距障碍物最近扇区中点坐标之间的欧氏距离,计算机器人在当前位姿条件下各扇区被选中作为避障方向的条件概率;最后,将使得得分与条件概率之积最大的扇区作为机器人的避障方向。实验结果表明:所提算法的收敛时间比栅格方法降低了50%以上,机器人的避障轨迹与人工势场方法相比更短,能较好地应用于复杂多障碍物场景。     

AGV路径规划与偏差校正研究

针对AGV(Automated Guided Vehicle)行走不平滑的问题,在研究路径对AGV行走性能影响的基础上,建立AGV几何模型,并对其进行运动学分析,结合Bezier曲线的特点和优势,运用改进的粒子群优化(improved Particle Swarm Op-timization,improved PSO)...     

激光导引AGV模糊控制技术研究

以工业实用型激光导引AGV为研究对象,根据其实际行走时的特点,分析了激光导引AGV路径误差形成的原因,对AGV的模糊控制技术做了进一步研究。根据AGV行走速度调整模糊比例因子,并将具有预测效果的微分思想融入到常规模糊控制中,设计了一种新的模糊预测控制算法。经过大量实验证明,该控制算法与常规模糊控制算法相比,可以显著提高AGV高速行走时路径跟踪的快速性和平稳性。     

基于ARM Cortex系的视觉导航AGV双核控制器设计

为了实现视觉导航AGV的有效地实时控制,一方面需要高性能的运算处理器快速运行图像处理算法和路径跟踪算法,另一方面需要可靠的微控制器实现多样化的传感器信号采集及电机控制等低层行为.对此设计了基于ARM Cortex-A8和M3系列SoC的车载双核控制器.首先进行了操舵型AGV的机电系统分析,其次针对AGV的控制器功能需求分别进行了控制器的硬件设计和软件设计,其中使用了层次化的硬软件设计模型,并对主要功能程序模块进行了详细说明.最后在自主研制的AGV平台Anrot-I上进行了控制器的实验,通过对实际路径跟踪的数据图表分析,验证了该控制器能够同时运行图像处理算法和路径跟踪算法,并对AGV机电系统进行实时控制.实验结果显示,该控制器在性能和结构上的有效性.     

基于MC9S12XS128MAL控制的光电导引式AGV

针对目前国内自动导引运输车(AGV)体积大、价格贵的问题,在技术成熟的"飞思卡尔"智能汽车竞赛和价格低廉的电动轮椅车的基础上,设计了一款基于"飞思卡尔"MC9S12XS128MAL微处理器控制的经济型光电导引式AGV系统。在试验台上对超声波传感器进行了测试,确定了紧急情况下的避障距离;采用光电码盘测速,由液晶模块显示出AGV的实时速度;同时结合无刷直流电机驱动原理,提出了基于偏差累积算法的控制方法,实现了差动方式的无刷直流电机驱动AGV直线行驶和转弯的功能,最后通过实验验证了该控制方法的有效性。研究结果表明,此AGV系统响应迅速、运行稳定,很好地实现了AGV的自动控制。     

基于模糊控制的AGV轨迹跟踪研究

针对AGV轨迹跟踪问题,采用模糊控制原理,设计了一种模糊控制器。通过对AGV运动学模型的分析,得到了控制AGV在绝对坐标系中位姿变化的2个变量,并将这2个变量作为模糊控制器的输出变量,实现对AGV的轨迹控制。利用Matlab进行仿真,仿真结果较理想。     

基于PMAC的自动导引运输车智能控制

为实现对自动导引运输车（AGV）的智能控制,采用基于PMAC2为核心的计算机控制系统,完成了系统的软、硬件设计;建立了运动学模型,并对AGV航位推算及运动控制算法进行了研究;利用控制算法和陀螺仪、超声波传感器、编码器等检测技术得到了机器人的位姿,并对轮式移动机器人的二次闭环算法进行了仿真和实验,实现了准确定位和智能控制。反复的试验和应用证明,此控制系统和控制算法可行且运行可靠。     

基于模糊神经网络的图像滤波算法

针对传统的线性和非线性图像滤波算法对含有丰富细节的图像滤波处理的不足,提出一种基于模糊神经网络的图像滤波算法.该算法利用神经网络的自学习功能训练标准样本以确定模糊贴近度阈值,在基本不改变原有图像的灰度信息的前提下,找出图像受到噪声污染的像素点,采用迭代中值滤波算法得到的中值替换噪声点.仿真实验表明该方法有很好的滤波效果,优于传统的图像滤波算法.     

基于FART神经网络的高速公路交通事件检测法

突发性交通事件是造成高速公路交通拥堵的主要原因,为了快速并准确地检测交通事件,有效提高高速公路的利用率和通行能力,将一种模糊论与自适应谐振神经网络相结合的聚类算法-FuzzyART神经网络算法用于检测高速公路交通事件。根据高速公路事件检测相关参数之间的关系,选用了交通流密度残差和平均速度残差的组合向量作为神经网络的输入,给出了事件检测的算法步骤和输出判断方法,并进行了仿真实验。仿真结果表明,该算法不仅能够检测出交通事件的发生及其造成的拥堵程度,还可以快速识别已有的交通事件类型,记忆未知的交通事件类型,实现边工作、边学习,且检测结果具有较高的稳定性和准确性。