复合机构移动机器人红外和超声阵列信息处理方法

传感器是移动机器人认识和了解外部环境的重要途径。在导航过程中,移动机器人要对当前环境进行实时感知和快速理解,并加以识别从而准确避开障碍物。论文提出一种适用于复合机构移动机器人的红外阵列和超声阵列传感器信息采集和处理方法。结合笔者研制的“基于复合机构的非结构环境移动机器人”,给出了系统具体的软、硬件的设计和局部路径规划实现方法。实验验证了该方法的可靠性和有效性。

自主移动机器人足球比赛视觉定位方法综述

综述了RoboCup足球赛中全自主移动机器人基于视觉的定位技术,包括机器人自定位和多机器人协作物体定位.介绍了定位技术的发展情况与分类.从机器人环境构建形式的不同以及先验位姿和概率方法的应用与否等方面,系统地分析和比较了各种自定位方法.对于多机器人协作物体定位,阐述了静态方法和动态跟踪方法.总结了定位过程中需要重点研究的传感器模型构建、图像处理、特征匹配以及协作过程涉及的相关问题.最后就视觉定位存在的问题和技术发展趋势进行了讨论.

基于人工协调场的多移动机器人实时协调避碰规划

为克服传统人工势场在动态未知环境下机器人避碰规划中存在的缺陷,提出人工协调场法(ACF).将场函数与机器人的风险状态相结合,给出并讨论了人工协调场的基本设计.基于人工协调场,考虑机器人的运动约束,实现了多机器人之间以及机器人与环境间的实时协调避碰,提出了一个多移动机器人无死锁实时避碰规划算法.理论分析和仿真试验证明所提方法的有效性.

一类全方位移动机器人的不确定扰动数学模型

本文针对一类正交轮全方位移动机器人的机构特点 ,分析了运行中由于其结构因素引起机器人运动不稳定的主要原因 .针对此类结构运动过程存在的不确定扰动问题 ,分析了它的产生机理及其变化规律 ,并推导出在该种不确定性扰动影响下的移动机器人动力学模型 .该模型可为正交轮全方位移动机器人运动控制提供理论依据 ,具有较强的理论意义和应用价值

理性遗传算法及其在多机器人运动协调中的应用

面对传统遗传算法在解决一些复杂问题时所存在的收敛慢或早熟等困难 ,基于仿人理性决策原则 ,提出一种具有更丰富进化含义的进化算法——理性遗传算法 .其通过遗传信息的反馈或理性规则的建立来指导遗传操作的进行 ,从而将种群内部知识与经验的继承和学习更有效地结合在遗传算法之中 .相对于传统遗传算法 ,较好地解决了多机器人确知环境下协调运动规划问题 .理论分析和仿真实验结果都是令人鼓舞的 .

非完整约束轮式移动机器人人工场导向控制研究

导向控制在非完整约束轮式移动机器人的运动控制中具有重要作用，该文通过建立人工场的方法来引导和控制方向角，通过辅助的线速度控制前进或后退，以获得最佳收敛路径；同时考虑到实际系统速度饱和限制，从而设计出一种新的非连续位姿镇定律，并将该结果扩展，使得平面内任意点-点镇定、轨迹跟踪和路径跟踪问题均可得以实现，且对于跟踪问题仅需知道期望位姿，所得控制器不权设计简单，鲁棒性强，收敛速度快，还具有一定的普遍性。

用于移动机器人的视觉全局定位系统研究

本文叙述了用于移动机器人自主导航定位的一种视觉全局定位系统技术 .该视觉定位系统由 L ED主动路标、全景视觉传感器和数据处理系统组成 .本文主要介绍了为提高全景视觉图像处理速度和环境信标识别可靠性、准确性的应用方法 ,并给出了实验结果 .实验表明 ,视觉定位是具有明显研究价值和应用前景的全局导航定位技术

自主机器人的强化学习研究进展

虽然基于行为控制自主机器人具有较高的鲁棒性，但其对于动态环境缺乏必要的自适应能力，强化学习方法使机器人可以通过学习来完成任务，而无需设计者完全预先规定机器人的所有动作，它是将动态规划和监督学习结合的基础上发展起来的一种新颖的学习方法，它通过机器人与环境的试错交互，利用来自成功和失败经验的奖励和惩罚信号不断改进机器人的性能，从而达到目标，并容许滞后评价，由于其解决复杂问题的突出能力，强化学习已成为一种非常有前途的机器人学习方法，本文系统论述了强化学习方法在自主机器人中的研究现状，指出了存在的问题，分析了几种问题解决途径，展望了未来发展趋势。

基于初等运动的多机器人避碰及死锁预防

该文以一实际应用为背景提出了多移动机器人避碰及死锁预防算法 ,该算法将机器人的运行环境形式化地描述为初等运动集、冲突图、总任务集及机器人作业集 ,利用集合论、图论的有关方法及技术实现了多机器人间的避碰与死锁预防 .当机器人的运行环境改变时 ,只需要对相应的集合描述文件进行修改 ,而不用对程序做任何改动 .算法的另一个特点是利用避碰算法巧妙地完成了死锁预防 .仿真和实际运行证明了该算法高效可靠 .

多移动机器人主—从编队控制研究

多机器人编队控制是多移动机器人自主协调控制领域中的关键技术。这篇论文在基于局部测量和局部控制的框架下，研究具有主—从跟踪结构的移动机器人编队系统的建模和控制问题。论文的主要研究内容可分为如下三个方面：针对一阶运动学和二阶运动学模型的编队控制器设计；将基于运动学的编队控制器与基于从机器人动力学的载体控制器相结合；将队形反馈信息融入主机器人的轨迹跟踪控制器，给出了主机器人的协调编队控制器的设计。具体内容可概括为如下几个方面：（1）以主—从机器人编队中从机器人的固联视觉传感器的观察角度出发，用视觉等效相对速度建立了主—从机器人编队系统的运动学模型。同时，在该模型中考虑了由视觉传感器时间延迟所导致的模型误差对编队系统的影响。在基于该运动学模型的编队控制器的设计过程中结合了基于从机器人载体的动力学的速度控制器。这种基于编队运动学和机器人本体动力学相结合的控制方法，避免了以往文献中速度跟踪响应无限快的假设。使得对编队控制系统的分析和设计更趋于实际。用Lyapunov稳定性理论证明了主—从机器人之间的编队跟踪误差和从机器人载体的速度跟踪误差都可以收敛到零--整体系统的渐进稳定性。（2）结合上述编队控制律，提出了一种编队系统中从机器人主动避障的方法，该方法能够令从机器人在避开动态障碍物的同时，与主机器人保持期望的相对距离或相对方位。这种方法的实质是由主机器人来引导从机器人的避障过程，主—从机器人之间通过相互协作来完成避障任务。这就使得从机器人即使在避障的过程中也能够与主机器人保持部分的协作。这样，当避障过程结束之后，主—从机器人之间可以迅速的恢复队形。（3）导出了一种新的基于相对运动学的主—从跟踪系统的二阶运动学模型。利用这个运动学模型，我们设计了一个由反馈线性化控制器和一个滑模控制器组成的复合控制器，来实现机器人主—从跟踪系统的控制。运用Lyapunov理论证明了所设计的队形控制器能够镇定包括内部动力学系统在内的整个主—从跟踪系统。同时，该控制器使得队形跟踪系统对主机器人的绝对加速度具有鲁棒性。此外，在前述控制器的基础上，我们设计了一个自适应队形控制器来处理主—从跟踪系统中存在的参数不确定性。（4）将上述基于二阶运动学的编队控制方法与从机器人的载体动力学控制系统相结合，给出了将编队运动学与载体动力学相结合的编队控制器设计方法。同时，针对载体动力学模型中含有参数不确定性的情况，设计了基于自适应控制方法的编队控制器。同时，利用Lyapunov理论给出了保证整体系统稳定性的条件。（5）基于主—从编队系统的二阶运动学模型，将队形反馈信息引入主机器人的轨迹跟踪控制器中，形成了主—从机器人协调编队的辅助控制律。该辅助控制律所对应的虚拟协调力通过主机器人的动力学系统形成了真实的协作控制力。该控制器与前一章中的从机器人的鲁棒编队跟踪控制器共同形成了主—从编队系统的协调控制器。应用Lyapunov理论给出了在主—从机器人分别采用协调编队控制器的作用下所形成的闭环系统的稳定性条件。进一步地，我们将主机器人的面向轨迹跟踪任务的协调控制器转换为面向路径跟踪任务的协调控制器。分别利用了基于MATLAB的仿真平台和实际的多移动机器人系统，验证了以上各方法的有效性。

一种基于视觉的移动机器人定位系统

具有自主的全局定位能力是自主式移动机器人传感器系统的一项重要功能 .为了实现这个目的 ,国内外均在不断地研究发展各种定位传感器系统 .这里介绍了一种采用光学原理的全方位位置传感器系统 .该传感器系统由主动式路标、视觉传感器、图象采集与数据处理系统组成 .其视觉传感器和数据处理系统可安装在移动机器人上 ,然后可通过观测路标和视角定位的方法 ,计算出机器人在世界坐标系中的位置和方向 .实验证明 ,该系统可以实现机器人的在线定位 ,其采样速率和精度能够满足实用要求 .

多移动机器人合作系统中的单机控制体系结构研究

随着机器人技术的不断发展，出现了合作多移动机器人系统这一新的研究和应用领域，随之而来的是对机器人控制体系的新的要求．本文分析了合作多移动机器人系统对单机控制体系结构的要求，并以此为背景，在比较两种典型的智能机器人体系结构的基础上，提出一种混合分层的体系结构

多移动机器人分布式智能避撞规划系统

研究在同一工作环境中多移动机器人的运动规划问题，提出将原来比较复杂的大系统问题转化为相对简单的子系统，由各智能机器人依据任务要求和环境变化，独立调整自身运动状态，完成任务的分布式智能决策体系结构，并给出相应的模型和算法

基于模糊神经网络的多移动机器人自学习协调系统

研究多移动机器人的运动规划问题．针对机器人模型未知或不精确以及环境的动态变化，提出一种自学习模糊控制器（ＦＬＣ）来进行准确的速度跟踪．首先通过神经网络的学习训练构造ＦＬＣ，再由再励学习算法来在线调节ＦＬＣ的输出，以校正机器人运动状态，实现安全协调避撞

障碍物信息模糊识别的实用方法

针对移动机器人工作环境中障碍的特点和机器人导航与避障规划等任务的需要，应用模糊识别理论，研究从障碍的图象中提取和处理边缘信息的方法，提出了障碍边缘识别及障碍几何中心求取的实用方法．