基于实际意义隶属函数的机器人避障模糊算法

阐述了在不确定环境下,机器人通过在探测过程中采用基于实际物理意义的隶属函数的模糊算法来躲避障碍物的方法。该方法根据机器人和障碍物的位置、速度、运动角度等信息来构造一具有实际意义的隶属函数,使该模糊算法对于静止障碍物和运动障碍物都能很好地躲避。计算机仿真试验的结果验证了该方法的有效性和实用性。     

模糊可靠性分析的等效正态隶属函数法

针对模糊可靠性分析难以获得解析解,而用数字仿真法求解过于复杂的问题,提出了将非正态模糊变量变换为等效的正态模糊变量,建立一种统一的模糊可靠性分析方法。给出了几种对称型隶属函数的等效正态隶属函数,并通过算例对等效前后隶属函数曲线以及模糊失效事件的概率进行了比较,表明了此方法具有较好的精度。     

基于机器视觉的农业机械避障导航算法研究

【目的】机器视觉技术已经成为一种重要的农业机械导航线路提取技术,但农业机械避障导航的自动提取容易受到自然条件的影响,其实时性要求还需进一步改进。【方法】笔者提出了一种基于机器视觉的农业机械避障导航算法,首先,利用改进之后的避障导航算法对CCD提取的彩色农田图像进行灰度化处理,呈现出图像信息;其次,利用改进之后的Otsu算法对避障系统获取的图像信息进行分割,得出新的图像,再利用滤波、腐蚀、膨胀等算法模式去除避障中的不良信息;最后,在避障信息的基础上提取出针对性的骨架,再对导航进行模拟,计算得出最后的偏差,并采用速度分别为0.5 m/s、1.0m/s的慢速实验对田间农作物中的障碍物进行检测。【结果】仿真结果表明,笔者提出的障碍物探测方法能够在不同的车速情况下,对障碍物的方向和形状进行精确识别,具有很好的适用性。【结论】1）基于机器视觉的农业机械避障导航算法能够较好地克服农业种植过程中出现的障碍物干扰,准确地提取出农田中的作物行驶方向和距离,并为以后的处理打下了良好的基础。2）目前对于障碍物的检测只考虑了静态障碍物和离航向最近的障碍物为有效障碍物的情况,在后续的研究中应对田间多障碍、动态障碍...     

基于Seekur的农田机器人激光避障设计与仿真

以农业机器人为代表的新型智能农业机械装备的开发已经成为现代农业领域研究热点之一。为了探讨农田环境下机器人作业时自主避障问题,设计了基于Seekur机器人平台的自主避障系统,由激光传感器、WRAP wifi interface和远程监控PC组成;通过分析农田环境中避障应用需求,设计了模糊逻辑算法避障策略。通过在Mat Lab中的模糊逻辑仿真和Mobile Sim中的避障过程仿真,验证了模糊逻辑避障算法具有较好的避障效果。     

基于隶属函数及两阶段法的灌区水资源承载能力研究

灌区在我国经济社会发展过程中具有重要作用.结合以往学者研究,界定了本次研究--灌区水资源承栽能力概念.在充分理解概念及其影响因素的基础上,采用分级指标体系方法,建立了包含4个一级指标和14个二级指标的评价指标体系.引入了指数型隶属函数确定评价指标的隶属度,并用两阶段模糊综合评价方法对北方某一大型灌区不同水平年的水资源承载能力进行了综合评价.评价结果显示:此方法可以适用于水资源承载能力评价,并且实例评价得出该灌区水资源承载能力总体呈上升态势.     

冗余度双臂机器人协调避障算法

针对冗余度双臂机器人协调操作的避障规划问题,提出了一种基于自运动特性的避障算法。引入用于描述协调操作任务的绝对位姿变量和相对位姿变量,构造出对应于协调操作任务的雅可比矩阵,在此基础上,得到了用于避障的冗余度双臂机器人运动学逆解,使得冗余度双臂机器人能够同时完成两个机械臂的避障任务和末端的协调操作任务。最后,通过对一个冗余度双臂机器人的仿真试验,对算法的正确性进行了验证。结果表明,机器人与障碍物的最近距离大于0.015 m,并且机器人可以准确地完成末端的协调操作任务,关节运动连续、平稳。     

基于向量内积的机器入实时逆解算法

为提高6R机器人逆运动学求解算法的实时性,提出了一种基于向量内积变换的实时高效逆运动学求解算法。将复杂的矩阵方程转换为含有6个未知关节变量的10个纯代数逆运动学方程。并在方程的简化过程中引入符号运算预处理,避免了大量浮点运算带来累积误差。通过相关方程的优化线性组合,有效避免了5、6两关节变量求解时产生增根的情况,大幅提高了逆解算法的效率。试验结果表明,同等求解精度要求下该逆解算法相比于其他算法具有更强的实时性,得到精确的8组封闭解平均仅需0．014ms,能满足机器人的在线控制要求。     

基于蚁群算法的汽车避障系统研究

随着社会的不断发展,人们对生活品质要求也越来越高,所有人都有了自己的要求,在所有要求当中汽车是必不可少的物件.但是汽车在运行的时候还常常出现车祸等现象,所以现在人们在购买汽车的时候还会考虑汽车的避障系统.现在对于汽车的避障系统,采用最多的就是蚁群算法,因此本文就此方向进行简单的分析.     

基于Q-学习的果园机器人避障算法研究

针对果园环境复杂、自动化程度低的问题,提出了基于Q-学习的果园机器人避障算法。该果园机器人搭载了激光雷达传感器。为了降低激光雷达数据的冗余度,首先对激光雷达数据进行截取,保留了机器人前进方向上一定角度内的数据,再将激光雷达的数据栅格化,采用数据差的方式标记出障碍物,将所有障碍物补齐为规定的正方形;然后,建立果园机器人的差速模型,对Q-学习的R值表、动作空间和动作选择策略进行建模,使得果园机器人能在果园路径规划过程中所获奖赏最大。MatLab仿真结果表明:该方法能够规划出一条较优路径。室内试验表明:机器人能平稳地避开所设障碍物,到达指定终点。     

农业机器人避障算法的研究

为了保证农业自主移动机器人能够在非结构的农田环境下灵活自主的行走,一个关键的技术就是能够准确地判断农田中障碍物的方位以及机器人与障碍物之间的相对位置,从而选择正确的路径。为此,提出了一种距离传感器结合图像边缘检测技术的避障算法,通过超声波测距传感器与PSD(位置敏感传感器)红外测距传感器对农田中的障碍物进行检测,利用CCD摄像头采集机器人所处农田环境中的图像信息并在Linux系统中利用OpenCV函数库进行图像处理,得到图像的边缘信息,从而判断出可行的路径。     

基于轮速控制的移动机器人轨迹跟踪控制算法

滑移转向是移动机器人应用最广泛的转向方式。针对采用滑移转向方式的移动机器人轨迹跟踪中由于纵向滑移而导致跟踪误差大的问题,提出一种以两侧驱动轮转速为控制量的转向控制方案,并利用Back stepping方法与李雅普诺夫稳定性判据为依据设计滑移参数自适应律。为验证所设计的轨迹跟踪算法的有效性,在Matlab/Simulink软件中搭建移动机器人和路面模型,并进行仿真分析。仿真结果表明,所设计的轨迹跟踪控制算法能够准确地估计滑移参数并实现轨迹跟踪。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁迷失数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

基于输入模糊化的农用履带机器人自适应滑模控制

针对农用履带机器人控制系统易受到参数慑动和外部扰动影响的特点,将模糊理论与滑模控制结合起来,提出了基于模糊逻辑的自适应滑模控制,以提高控制精度与稳定性。首先,推演了履带机器人运动学模型,分析了模型的特点。其次,设计了一种含有积分项的滑模面,构建了基于等效控制和切换控制的模糊滑模自适应控制,既保留了滑模控制的快速性和鲁棒性,又很好地抑制了抖振。仿真与实验结果表明,与常规的滑模控制方法相比,该控制不仅对外部扰动及参数摄动具有较强的自适应性和鲁棒性,而且具有动态响应快、跟踪性能好的特点,适用于履带机器人控制系统。     

基于区间分析无迹粒子滤波的移动机器人SLAM方法

移动机器人同时定位与地图创建算法SLAM中,非线性系统线性化处理和雅可比矩阵计算导致运算量大、系统状态估计精度较低.为此提出了一种基于区间分析的无迹粒子滤波同时定位与地图创建的方法.利用基于区间分析的区间粒子滤波进行位姿估计,降低了定位需要的粒子数;并采用无迹卡尔曼滤波更新地图中的特征,提高了地图创建的精度.在同等粒子数的情况下,改进了SLAM的精度,减少了运算时间,实验结果验证了方法的有效性.     

基于方向A*算法的温室机器人实时路径规划

针对复杂环境下的温室机器人路径规划问题,重点研究了生成路径的平滑设计、碰撞检测和算法实时性,提出一种方向A~*算法。首先采用视野线平滑原则优化路径,消除锯齿效应并避免部分碰撞;其次应用圆弧—直线—圆弧转弯策略,避免机器人本体宽度影响;最后基于二叉堆加速算法,提升算法计算效率。仿真实验结果表明,方向A~*算法满足平滑要求且能有效避免碰撞,加速算法平均提速4~7倍。同时,机器人在真实实验环境下能实现安全自主导航,跟踪误差小于0.15 m,验证了所提方法的可行性。     

基于激光雷达的机器人定位与地图构建

移动机器人的定位一直是机器人研究领域的基础,又是非常重要的技术,机器人运行过程中的准确定位更是直接将机器人推广应用的决定性因素。基于ROS平台,利用激光雷达将实际环境用二维栅格地图模型表示,结合自适应蒙特卡洛改进算法进行地图匹配定位,通过仿真实验和实际性能测试分析,均达到良好的建图和导航定位效果。     

基于改进适应度函数组合法的机器人逆运动学求解

提出基于分离-重构方法获得智能算法的适应度函数,并与解析法相结合求解一般结构多自由度机器人逆运动学,一般结构满足至少一组相邻关节轴线交于一点。利用分离-重构的方法构建分离-重构适应度函数,使用智能算法验证分离-重构适应度函数,求解出部分关节角,再结合解析法求出其余关节角。以一般结构的FANUC CRX-10iA型协作机器人为算例,使用改进的CMA-ES算法验证分离-重构适应度函数,仿真结果表明,在相同条件下求解的点对点运动中,单次平均求解时间为0.0040s,适应度函数值稳定在10-7数量级,且迭代收敛次数稳定在25次左右;在空间中对两种连续轨迹进行跟踪时,单次平均耗时分别为0.0068s和0.0102s,位置误差均稳定在10-7m数量级,且各关节运动曲线平滑,提升了多自由度机器人逆运动学分析的效率和精度。以REBot-V-6R型六自由度机器人为实验对象,基于VC++6.0创建MFC实验平台,进行连续的空间轨迹跟踪实验,仿真与实验结果验证了该方法的有效性。     

基于ISRCDKF的移动机器人同时定位与建图研究

为解决移动机器人在同时定位和建图(Simultaneous localization and mapping,SLAM)技术中普遍存在状态精度不高、稳定性差、计算复杂等问题,提出一种基于迭代平方根中心差分卡尔曼滤波(Iterated square root central difference Kalman filter,ISRCDKF)的SLAM自主定位算法,以满足SLAM过程中的实时性、准确性等要求。该算法使用中心差分变换处理SLAM的非线性问题,避免了泰勒公式展开中雅可比矩阵复杂运算;同时在滤波更新过程中,通过直接传递协方差矩阵的平方根因子减少算法的复杂度;在迭代观测更新过程中,使用列文伯格-马夸尔特(Levenberg-Marquardt,L-M)优化方法引入调节参数,实时修正协方差矩阵,达到提高算法精度、增强稳定性的目的。仿真结果表明,在相同的数据模型和噪声环境下,本文提出的ISRCDKF-SLAM算法与基于扩展卡尔曼滤波(Extended Kalman filter,EKF)的SLAM算法、无迹卡尔曼滤波(Unscented Kalman filter,UKF)的SLAM算法和容积卡尔曼滤波(Cubature Kalman filter,CKF)的SLAM算法相比,均方根误差分别降低了47.3%、32.7%和25.0%;与相同计算复杂度的UKF-SLAM算法和CKF-SLAM算法相比,新算法的运行时间分别减少了15.1%和10.8%。将新算法嵌入到移动机器人平台进行现场实验验证,进一步证明了该算法的实用性和有效性。