新型自动引导车导航与控制系统

提出了一种可适应复杂环境、实时性强、鲁棒性好的自动引导车导航和控制系统，此系统集成了自动引导车的多种功能并采用在弧线上找点的方法进行导航。采用此系统的自动引导车不仅能快速处理环境信息，而且能有效避开动态和静态障碍物，安全、可靠地驶向指定的目标。通过多种环境模式的仿真实验，其结果表明本文提出的方法是正确和有效的。     

基于回归算法的自动引导车跟踪控制

提出了一种跟踪控制效果好、适应性广的自动引导车跟踪方法。以自动引导车的动力学模型作为系统的被控对象，通过回归算法对系统以前的输入和输出跟踪误差信号进行运算来反复调整输入量，使得系统在经过一定次数的迭代以后，其实际输出趋于期望输出。仿真与试验结果均表明，装有此系统的自动引导车能够很好地跟踪给定的路径，验证了所提方法的正确性和有效性。     

基于改进的A~*算法在三维路径规划中的仿真应用

针对无人机路径规划中全局静态路径优化和局部动态避障的需求,提出一种基于生物神经动力学模型的改进A^*算法实现全局冬天路径规划。建立生物神经动力学模型,并应用该模型实时获取环境中的动态障碍物信息,通过神经元的活性值来引导无人机的局部动态避障。设计了一种A^*算法的优化启发函数,有效地减少A^*算法在全局路径搜索过程中的节点数量,提高A^*算法的全局搜索效率。最后,将生物动力学模型中神经元的活性值融入到A^*算法的实际代价函数中,融合算法保证了A^*算法在全局路径优化的性能,又秉承了生物神经动力学模型的局部实时避障能力。静态路径和动态路径下仿真结果表明:与生物动力学模型相比,该融合算法考虑到实际代花费问题,能够在动态和静态环境下规划出一条低代价的全局路径;与A^*算法相比,该融合算法可提高全局搜索效率,且实现实时动态避障性能。     

动态未知环境下移动机器人的路径规划新方法

首先提出一种基于极坐标空间的、以机器人期望运动方向角为路径优化指标的未知静态环境下移动机器人的路径规划方法.对于动态未知环境下的路径规划,采用自回归模型预测各障碍物位置,并把预测位置视为障碍物下一时刻的瞬时静态位置,从而将动态障碍物环境转换成瞬时静态障碍物环境,应用静态路径规划方法实现动态未知环境的路径规划.     

基于计算机视觉的采摘机器人智能避障系统研究

为了实现采摘机器人对前进道路上障碍物的避障功能,提出了一种基于计算机视觉技术的采摘机器人智能避障系统。该系统结合计算机视觉技术与嵌入式智能控制技术,引入障碍物立体识别检测技术,将其应用于采摘机器人的静态避障中。试验结果表明:该系统能够准确无误地避开障碍物,并能在动态移动中规划出局部最优路径,证明了该智能避障系统的有效性、准确性和可行性。     

自动清粪机器人路径规划方法的研究与实现

自动清粪机器人的工作环境复杂,不仅有静态障碍物(如牛栏),且动态障碍物众多(如人和牲畜等)。为此,提出了一种基于行为方法的路径规划法。该方法非常适合于动态环境下机器人的运动规划,其原理简单、计算快捷、容易实现。根据该算法,确立了一套完整的软件系统和设计方案,并在此基础上制造出了样机。经过样机在奶牛养殖场的工作和测试,验证了该方法的实时性、准确性和可操作性。     

基于势场的无人驾驶车辆最优路径规划算法

针对无人驾驶车辆在结构化道路环境中的路径规划问题,提出了一种能够实时避开障碍物的动态路径规划算法。首先基于道路与障碍物产生的势场构建环境势场模型;其次结合简化的3自由度车辆动力学模型预测车辆未来时刻的位置序列;最后针对道路上常见的换道避障问题,构建模型预测路径规划控制器。仿真实验结果表明,该方法在多种道路环境下规划的路径均能满足车辆行驶安全性的要求,且能够满足实时规划的需要。     

农用四旋翼无人机轨迹规划设计——基于计算机深度学习

介绍了农用无人机的工作原理，建立了其动力学模型，并基于人工蜂群的深度学习算法对农用四旋翼无人机轨迹规划进行了深入研究，确定采用线性自抗扰控制方法实现对无人机的轨迹控制。实验结果表明：农用四旋翼无人机可以平滑地从起点运行到了终点，很好地避开了途中的障碍物，证明了系统的可靠性和稳定性。     

基于改进人工势场的苹果采摘机器人机械手避障方法

针对非结构化环境下的采摘机器人机械手实时避障问题,提出一种改进人工势场法的避障路径规划方法。根据自行研制的5自由度苹果采摘机器人机械手具体结构和障碍物特征,进行机械手运动学分析和障碍物建模;在保留传统人工势场法易于实现、结构简单等优点的基础上,针对其存在的局部极小点、陷进区等问题,结合果树生长环境中障碍物的特点,通过引入虚拟目标点使搜索过程跳出局部最优的极小点,从而实现机械手避开障碍物到达目标的灵活避障;将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的采摘机器人机械手实时避障任务中,仿真和实验研究结果表明此方法简单,实时性好,能够有效地避开障碍物,成功到达目标位置,适合自然生长状态下苹果的自动采摘。     

轮式移动操作机移动操作过程中的动力学分析

针对由双轮差速驱动自动引导小车和6自由度操作机构成的移动操作机器人，采用Newton—Euler方法，分别建立了操作机和AGV小车的动力学模型，再将两者联系起来，分析移动操作过程中小车的运动对操作机关节力矩的影响以及操作机关节运动对小车受力状态的影响情况，提出了该种移动机器人相对于单个AGV小车和工业机器人操作机，在设计与控制中应满足的条件。给出的动力学模型为该种移动机器人控制提供了依据。     

轮式AGV沿葡萄园垄道行驶避障导航算法与模拟试验

针对轮式AGV沿葡萄园垄道循迹受到障碍物阻碍的问题,应用滚动优化原理提出了基于超声波测距与航向角检测的AGV防碰避障导航算法。采用交叉布置的8路超声波传感器检测垄道边界与障碍物,提出了同一障碍物匹配与类型判据及动态障碍物轨迹预测模型。以AGV横向位置偏差和航向偏角作为模糊控制器输入,获得AGV前轮期望导向角,为AGV绕行障碍物提供参考航向角。基于滚动优化原理提出了调节绕行偏角和调节车速的避障导航策略,设计了AGV绕行静态障碍物、减速或停车避让动态障碍物的导航算法。试验系统的上位机采用Lab VIEW开发的避障导航算法程序,实时将导航数据发送到下位机PLC来控制AGV转向。模拟试验结果表明,该导航算法实现AGV沿垄道预设路径纠偏行驶的同时,可导引AGV避免与垄道上的障碍物发生碰撞,验证了防碰避障导航算法的有效性,可为无人化轮式拖拉机等前轮导向车辆沿垄道循迹的防碰预警与避障技术提供参考。     

自动导引车视觉导航的路径识别和跟踪控制

视觉导航AGV利用机器视觉获取路径信息.经图像处理得到导航参数.为保证路径识别的鲁棒性和实时性,对路径图像进行滤波、二值化、数学形态学运算和实时性处理;并设计了PID控制器,根据导航参数控制电动机以实现AGV对路径的跟踪.仿真和实验结果表明.采用此种图像处理和控制方法的AGV具有较为准确和可靠的路径识别和跟踪效果.     

智能车辆自主导航神经网络控制器设计

针对自主设计、制造的智能车辆,提出了设计新的神经网络控制器来实现对车辆导航路径的自主跟踪控制。分析了神经网络导向控制器的设计方法,选择了神经网络导向控制器的输入、输出变量,并建立了神经网络导向控制器的结构。在此基础上,采用人工驾车采集的数据对控制器进行了训练。完成了计算机仿真和实际路径跟踪控制试验,试验结果表明该神经网络控制器能够很好地实现对导航路径的自主跟踪控制。     

基于多传感器融合的跟随AGV复合导引技术

在"主从式"AGV协同作业中,跟随AGV的定位和导引,除了获取环境信息,还需要观测领航AGV的位姿进行路径跟随,对精度和稳定性有更高的要求。为了提高跟随AGV的导航精度,提出一种惯性导航与多目视觉结合的组合导航方法。针对多传感器的数据融合问题,提出一种基于自适应无迹卡尔曼滤波的跟随AGV最优位姿估计方法。惯导传感器输出信号用于跟随AGV的状态预测;路径跟踪导航与RGB-D视觉导航组成多目视觉导航,作为系统观测修正惯导的累积误差。实验表明,本文提出的复合导引方案具有更快的偏差收敛速度、更稳定的路径跟踪状态和队形保持,提高了双车协同搬运系统的实时性和鲁棒性。     

基于位置信息融合的自动引导车路径跟踪研究

提出一种对自动引导车传感器测得的位置信息进行融合的方法，该方法克服了相对位置估计方法长时间精度低的缺点和绝对位置估计方法误差值偏大的不足，仿真结果表明，应用融合技术后，自动引导车的跟踪误差可限制在较小的范围之内，与不使用融合技术的自动引导车相比，其跟踪效果较好。     

油电混合果园自动导航车控制器硬件在环仿真平台设计与应用

果园由于面积范围广、地形复杂、壕沟多、杂草丛生、土壤湿度较高且土质较为疏松，对自动导航小车（AGV）的机械结构、控制系统，以及能源动力系统的设计都提出了更高的标准和要求。混合动力AGV小车可以满足果园中长距离移动的需求。为探索合适的混合动力AGV控制系统算法以及能量管理策略，同时减少设计过程中由于果园地形复杂导致的控制器设计验证迭代、需求多样化问题带来的人力、物力，以及时间成本，本研究针对果园面积广的特点，选择串联式油电混合动力系统进行AGV动力能源系统模型的搭建。另外，针对果园AGV需要适应地形范围广的特点，采用履带车模型结构，利用硬件在环仿真技术，以树莓派作为控制系统搭载控制算法实物，利用Matlab和RecurDyn软件建立包含能源动力系统、电机驱动系统、履带车行驶部分模型以及路面模型的系统实时仿真模型，最终实现了串联式混合动力AGV控制器硬件在环仿真功能。基于串级比例积分微分（PID）以及模糊控制器控制算法的仿真验证表明，模糊控制器控制算法能够减少参数调节带来的时间成本，在转向角度小时响应速度加快了50%，在转向角度大时串级PID控制器产生了10%的超调，而模糊控制器无超调，转向更加平稳。结果表明硬件在环仿真平台能够有效地应用于果园AGV控制器的开发，避免了控制实物试验，在降低成本的同时可以加快果园自动导航小车的开发过程。     

基于模糊控制的农用车辆路线跟踪

构建了自动导航模糊控制器,并详细阐述了基于模糊控制的自动转向方法.在改装的电瓶车上,开发了基于DGPS、电子罗盘和角度传感器的自动导航控制系统,并论述了其结构和工作原理,提出了直线跟踪和曲线跟踪的方法,使用简化的二轮车运动学模型进行了仿真,并进行了直线跟踪和曲线跟踪试验.仿真和试验结果表明,此导航控制系统可以有效地控制电瓶车按预定的路径行走.当速度为1m/s,直线路径跟踪时的最大偏差为0.19m;当速度为0.8m/s,曲线路径跟踪时的最大偏差为0.26m.     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.