足球机器人路径规划算法的研究及其仿真

研究足球机器人路径规划优化问题,足球机器人由于赛场情况千变万化,系统本身存在非线性,环境也具有时变性特点,要求机器人相互协作实时性要求高。结合足球机器人系统特点,提出一种蚁群算法的足球机器人路径规划算法。把每一只蚂蚁看作是一个机器人,蚂蚁根据信息素调整自己的前进方向,通过蚂蚁间的信息交流和相互协作快速找到一条最短的机器人运行无碰撞的路径。采用算法进行测试,结果表明,用蚁群算法较好地克服了局部最优的缺陷,获得最优路径,且无碰撞现象,符合足球机器人路径规划的实时性要求。     

足球机器人路径规划的PSO方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法。为适应PSO算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子（即解）的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点。进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性。     

足球机器人路径规划的 PSO 方法

研究足球机器人在已知静态环境下路径规划问题,在避障环境下寻求最优路径,提出了一种基于粒子群优化算法的足球机器人路径规划方法.为适应 PSO 算法的自身特点和提高算法搜索的效率,在传统栅格法的基础上引入实际坐标系法,对环境进行建模;为了更好地评价粒子(即解)的性能,在进行碰撞判定的基础之上,引入罚函数方法,克服了传统适应度函数难以更好地表达粒子性能的缺点.进行仿真的结果表明,该算法在足球机器人路径规划方面具有可行性、有效性和鲁棒性.     

足球机器人路径规划仿真研究

研究了足球机器人路径优化选择问题,机器人运动与规划路径有误差,使实时性和准确性受到影响.针对传统的机器人路径规划算法过于复杂,同时没有充分考虑到足球机器人在比赛中实时性和对抗性等问题,导致实时性差以及射门准确率低.提出一种结合路径预测的路径最优算法,充分利用预测结果减少每周期的路径规划时间,并采用动态基准圆预测的射门策略,并对守门策略进行改进.进行仿真的结果表明,所提出算法在足球机器人比赛中具有可行性,射门准确率得到提高,击球时机器人达到较快速度,使得敌方更难防守,守门员在防守时充分地体现了智能性,证明算法优化了机器人路径,提高了实时性和准确性,为设计提供了依据.     

室内清洁机器人避障路径规划研究

针对室内清洁机器人尽可能充满室内的可达区域执行清扫任务的需求，提出一种基于传感信息的清洁机器人的路径规划算法。在室内清扫环境未知的情况下，这种算法比较简单，清扫的效率较高。清洁机器人位姿也易于控制，且具有自主避障的功能。     

仿人机器人实时路径规划方法研究

为了使仿人机器人在人类生活环境中自由行走,将仿人机器人的动作离散化为指定的动作,将状态空间离散化为网格,利用立体视觉和平面提取方法建立环境地图,将仿人机器人的轮廓简化为双圆柱模型进行避障检测,最终在环境地图中搜寻代价最小的一系列可行的动作作为路径,通过仿真实验验证了方法的有效性。     

基于路径预测的机器人足球路径规划

针对常用的机器人路径规划算法过于复杂并且在每个运动周期都计算路径的问题,提出了一种结合路径预测的路径最优算法.充分利用预测结果减少每周期的路径规划时间;用微量调整动态控制机器人左右轮速度,并充分利用折线路径的短距离优势,为避障机器人创建一条最短路径;以基于周期性预测在同个时间轴上的相交作为碰撞信号,来减少每个周期的重复性计算时间.实验结果表明,该方法能大大提高机器人路径规划的速度,降低不同周期上路径规划结果不一致导致的运动震荡.     

基于神经网络租遗传算法的足球机器人路径规划

针对足球机器人在动态环境下的安全路径规划,提出一种将神经网络和遗传算法相结合的路径规划方法。用hopfield神经网络描述存在障碍物的动态环境,然后用遗传算法对代表路径的控制点进行寻优,并把路径安全性和最短路径要求融合为一个适应度函数。通过仿真实验表明该方法具有较高的实时性和有效性。     

足球机器人路径规划的改进型人工势场算法研究

传统人工势场法不能适应复杂动态环境且容易产生局部极小,论文提出了一种改进型的人工势场算法,该算法考虑了机器人和障碍物的速度、加速度等动态特性,对传统人工势场进行了有效的调节,使其能更好地适应动态复杂环境,对局部极小问题进行判定,通过改变斥力场和引力场的影响力来解决局部极小问题,将该优化算法运用到足球机器人仿真比赛中,结果表明基于改进型人工势场优化算法能够在动态对抗性的环境中有效地实现最优路径规划,弥补了传统人工势场的不足。     

基于足球机器人个性的自组织路径规划研究

路径规划技术是足球机器人技术研究中的一个重要领域。本文针对足球机器人个性的自组织路径规划研究,模仿生物系统对多机器人系统提出了个性的概念,并且提出了多机器人系统个性演化的方式和数学表达。最后运用这种控制方式进行了仿真实验,验证了这种控制方式确实具有自组织的能力。     

智能机器人的一种新路径规划算法

为了使智能机器人的运动过程更加顺利快速,使其用更短的时间和更短的路径到达终点,采用了基于几何理论的路径规划算法,寻求智能机器人最优路径规划。该算法利用切线最短的理论优化机器人的运动过程,对智能机器人运动的每一段路径都进行了规划和优化,使智能机器人的整个运动过程更加顺畅。在实际应用中,成功地缩短了机器人的运动路径,并成功地进行了避障。这种方法使用简单,容易理解,可广泛应用于智能机器人的路径规划和避障系统中,在实际应用中更能减少能量损耗。     

人工势场法在足球机器人路径规划中的应用

针对目前人工势场法在足球机器人比赛平台中应用的一些不足和缺陷,综述了人工势场法原理和几种不同的势函数表示方法,阐述了目前国内外对该方法的各种改进算法和与其他方法相结合的应用;在分析足球机器人比赛平台动态不确定性特点的基础上,重点研究人工势场法在足球机器人比赛平台中的应用和改进,此基础上分析和总结了各种方法的优缺点和目前存在的问题,提出对今后工作的几点展望和下一步工作方向.     

基于向量场的移动机器人动态路径规划

由于简洁、高效等优点,人工势场法已应用于自主移动机器人的在线实时路径规划,并受到广泛关注.目前,人工势场法在处理静态环境、动态匀速环境下的路径规划方面已有许多成果,但是,机器人在全变速环境下进行在线实时路径规划时,会出现路径冗余、避碰不及等现象.为此,将目标关于机器人的相对加速度因素引入引力势场函数中;在斥力势场函数的基础上融合避碰预测、减速避障策略;最终,机器人能够避免大量无谓避障,当与障碍物相对速度较大时能提前避障,且快速跟踪到目标.仿真结果验证了所提方法的有效性.     

动态环境下多重A算法的机器人路径规划方法

传统的A*算法仅适用于全局的静态环境,在求解路径规划问题时存在搜索效率低,路径不平滑等不足.针对这些问题,进行了以下改进:优化全局路径节点,引入删除冗余点准则与新增节点准则,使得全局路径更加平滑,更符合机器人运动学规律;结合滚动窗口法的思想,在每个滚动窗口内进行局部路径规划,首先根据前一步的节点信息确定局部子目标区域,...     

基于遗传算法的移动机器人路径规划

采用动态可变长编码的方法,以栅格表示环境。针对遗传算法大型障碍物难的问题,采用follow wall行为,较好地解决了基于遗传算法的快速路径规划和大型障碍物避障问题。该算法适应任何形状的障碍物,适用于静态和动态环境中。计算机仿真表明,该算法是一种正确和高效的路径规划方法。     

改进的生物激励神经网络的机器人路径规划

介绍了基于生物激励神经网络的移动机器人路径规划。机器人的路径生成过程是由神经网络组成动态变化的神经元活性值状态路线图实现的。通过神经元活性值的传播,机器人被吸引到目标点,而同时障碍物使自己处在活性值最低点,起到推开机器人避碰的目的。仿真研究表明该方法生成的由起始点到目标点的路径是连续的、平滑的、避障的,不会陷入U形障碍物,与障碍物形状和所处位置无关,能对快速变化的环境做出迅速反应。但在当前位置邻近位置中具有最大活性值的位置不惟一的情况下,产生路径可能不理想,即到达目标点的避障路径是较长的,而不是最短或者是接近最短的。文中对该不足进行了分析,并提出了改进方法,使生成路径是最短的或是接近最短。对改进方法进行了仿真,实验结果证明该方法是有效的和可行的。     

基于模糊控制器的机器人路径规划研究

针对复杂环境下移动机器人路径规划实际问题,提出了一种基于行为的移动机器人控制体系结构,设计了一种基于模糊控制器的移动机器人实时路径规划算法,为移动机器人在未知环境中的导航提出了一种新的思路.仿真结果表明,移动机器人能够克服环境中的不确定性,可靠地完成复杂任务,该算法有计算量小,效率高,鲁棒性好等优点.     

基于扩散方程的改进型路径搜索算法在机器人足球中的应用

通过对扩散方程基本理论的研究,提出一种基于扩散方程的路径搜索法。在深入研究传统扩散方程路径搜索方法优缺点的基础上,进一步提出基于扩散方程的改进型路径搜索算法,并将其用于机器人足球的运动路径规划。通过仿真机器人足球实验表明该算法可行且有效。     

基于多传感器的移动机器人路径规划

提出一种基于多传感器的移动机器人路径规划策略。利用声纳传感器和CCD摄像机对环境进行探测,得到关于障碍物的信息,通过一种简单、快速的数据融合算法计算出障碍物相对于机器人的位置坐标。采用切线法进行路径规划,实现了移动机器人在不确定环境下的路径规划,使机器人可以很好地避开障碍物,并以局部最优或次最优路径到达指定位置。实验结果验证了该路径规划算法的良好性能。