889 resultados para experiential avoidance
Resumo:
本文考虑了由2个全方位移动机器人组成的混合动力学系统的协调拟镇定问题.利用机器人位置之间的向量与机器人目标之间向量的内积,设计了多步拟镇定律,该控制律能够在避碰后按指数速率运动到目标点,且在整个过程中两机器人之间的距离不小于避碰的安全距离.最后对2个全方位移动机器人进行了仿真,验证了所给方法的有效性。
Resumo:
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 .
Resumo:
针对以测距声纳为避碰传感器的一类欠驱动型AUV,提出了一种水平面和垂直面相结合的三维实时避碰方法。根据测距声纳和欠驱动AUV 的特殊性,首先从运动规划和路径规划2 个层次提出了AUV 混合型实时避碰结构,并分别设计了基于事件反馈监控的避碰自动机和基于免疫遗传的局部路径规划算法。多种典型障碍场景的半物理仿真实验表明,论文所提方法能够实现AUV 安全、稳定的三维避碰过程。
Resumo:
为提高自治水下机器人在垂直面跨越坡型、台阶型障碍的能力,提出了一种基于模糊控制的垂直面避碰规划方法。该方法以避碰声纳的输出作为输入,垂直面的深度调节量作为输出,直接建立了从障碍感知到避碰行为的映射。半物理仿真实验表明,该方法有效提高了某型自治水下机器人垂直面操纵性能,具有反应迅速、稳定性好、便于工程实现的优点。
Resumo:
提出了一种用于AUV视景仿真的海洋环境中海底地形和海流的虚拟实现方法。海底地形不但考虑了离散点电子海图数据,而且也将某些特征数据考虑在内,从而生成相对精度较高的海底地形。海洋中的海流采用两个层次的方法进行模拟:建立海流数据库方法以及水动力软件计算方法。该方法的研究对于AUV自主地形导航技术以及避碰策略等研究具有极为重要的意义,并且上述方法生成的海洋环境已经在AUV数字仿真平台中得到了应用。
Resumo:
海洋环境通常是不确定、非结构化和未知的 ,而远程AUV(LAUV)的避障声纳对环境感知有一定的局限 ,因此很难建立起精确、完整和统一的三维环境模型 .LAUV实时避障是一个实时性很强的动态过程 ,它不但与环境有关 ,而且还与LAUV的运动学约束、动力学特性和操纵性有关 .针对上述问题本文提出了一种基于复合控制的三维实时模糊避障方法
Resumo:
自主水下机器人(AUV)要在复杂未知环境中自主作业,实时避碰是一种必不可少的自我保护能力。同时,能自动检测、识别、避开障碍也是AUV拥有“智能”的重要体现。因此,无论从实际应用前景还是从理论研究意义方面看,AUV实时避碰方法都具有重要的研究价值。 能使AUV像鱼儿一样自主地规避障碍一直是研究者追求的理想目标。但是,现有研究成果多倾向于AUV单个平面(水平面或垂直面)的避碰方法研究,而忽略了AUV是在三维空间运动的载体。在对现有AUV实时避碰方法进行深入分析和研究的基础上,本文提出了水平面和垂直面相结合的三维实时避碰方法,并针对以测距声纳为避碰传感器的一类远距离航行AUV,重点研究了三维避碰实现中的四个基本问题:一是如何从含有虚警的传感器原始数据中提取障碍信息;二是如何根据障碍信息决策规避行为;三是如何避免实时避碰行为陷入死循环或局部陷阱区域;四是如何评价和验证AUV实时避碰性能。 本文的主要研究内容及研究结论概述如下: 首先,针对测距声纳在实际应用中普遍存在的虚警和伪值问题,研究了基于D-S证据理论的数据融合方法。该方法包含4个部分:测距声纳模型、环境建模、一致性决策规则和证据融合。根据测距声纳和AUV的特殊性,本文分别提出了一种可根据载体航行速度和转动角度实时调整置信区域和基本可信度分配的测距声纳动态模型、基于灰数概念的一致性检验规则和基于确定性比例的冲突值分配方法。仿真和试验数据表明:基于D-S证据理论的数据融合方法比正则化方法、贝叶斯方法具有更高的检测概率和更低的漏检概率,能有效消除虚警信息、生成静态障碍环境的证据地图。 其次,从运动规划和路径规划两个层次研究了AUV三维实时避碰方法。在运动规划层,AUV要对视野内的障碍做出即时、准确的响应。这个响应包括改变航向、深/高度和降低航行速度。本文从多输入多输出模糊系统解耦设计的角度,将三维避碰行为分解为水平面和垂直面避碰行为,分别设计了2个双输入-单输出的模糊控制器;然后引入基于有限自动机的离散事件动态系统分析理论,建立了三维避碰过程有限自动机和基于事件反馈的监控器自动机;该自动机实现了水平面避碰行为、垂直面避碰行为、水平面和垂直面相结合的三维避碰行为之间的自主切换。 由于运动规划层的实时避碰行为存在“短视”的缺陷,要使AUV彻底摆脱当前障碍、逃离陷阱区域、避免出现死锁现象,需要在更高一级的路径规划层建立实时规划模块,负责根据离线地图和已获得的在线地图规划出远离障碍的优选路径。为此,本文研究了基于免疫遗传算法的实时路径规划方法。主要改进措施包括:提出以路径段数划分种群的小生境技术;采用细胞克隆和遗传操作并行搜索的策略;建立一组更适于AUV实时路径规划特殊性的适应性函数;利用疫苗接种机制改善抗体群质量。仿真实验表明:所提出的免疫遗传算法在收敛性能方面优于遗传算法和免疫算法,能满足AUV实时路径规划模块的要求,能实时产生避开复杂障碍的有效路径。 再次,本文第五章用上述测距声纳数据融合方法、模糊避碰规划方法、实时路径规划方法构建了AUV实时避碰系统,并在多功能半物理仿真平台上开展了仿真实验研究。多种典型单个和多个障碍场景的仿真实验全面演示、验证了AUV水平面、垂直面和三维的避碰能力,同时证明:基于事件反馈监控的模糊避碰规划方法能够引导AUV通过大部分复杂的未知障碍区域;基于免疫遗传算法的实时路径规划方法不仅能在线规划出远离障碍的优选路径,而且能帮助AUV逃离陷阱区域;所构建的AUV实时避碰系统能够实现AUV连续、稳定的三维实时避碰过程。另外,所提出的模糊避碰规划方法已在实际AUV上得到应用,并通过了湖上试验验证。 最后,研究了AUV实时避碰系统的评价和验证问题。共有三项成果:一是从系统工程角度创新性地提出实时避碰系统三维结构模型;二是建立一种AUV实时避碰能力综合评价体系,明确了单项和综合评价指标的组成因素;最后为评价和验证实时避碰系统,设计了多种典型障碍场景。 自主水下机器人实时避碰是一项极具挑战性的研究课题,本文只是针对一类欠驱动AUV、基于测距声纳研究了一种实时避碰系统的实现方法,并用仿真和试验验证了该系统的可行性和有效性。
Resumo:
本文采用集中预规划方法 ,通过调整机器人的运动速度实现多机器人避碰 ,所提算法的基本思想为 :将机器人的运动路径分段 ,然后按避碰要求对机器人通过各段的时间进行约束 ,从而将避碰问题转化为高维线性空间的优化问题 ,并进一步将其转化为线性方程的求解 ,使问题具有明确的解析解 .由于该方法的复杂度较高 ,在实现过程中采用了多种方法降低复杂度 ,简化计算 .本文给出了该算法的基本思路 ,有关定理及证明 ,算法的化简方法 ,最后给出了实验结果及分析 .
Resumo:
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
Resumo:
研究移动机器人在动态环境中的导航与避障问题。为提高规划的实时性,提出了基于规则的规划方法,将多移动障碍环境机器人的运动规划分解为相对简单的单移动障碍运动规划,利用最优控制来实现单障碍的最优避障,并用智能搜索方法解决了移动机器人在多移动障碍环境中的实时运动规划问题。仿真实例表明了该方法的有效性。
Resumo:
研究了不确定性环境下移动机器人躲避运动轨迹未知的移动障碍物的一种新方法.通过实时最小均方误差估计算法预测每个障碍物的位置及运动轨迹,并利用模式识别中最小均方误差分类器的修正模型计算出机器人的局部避障路径,再运用船舶导航中使用的操纵盘技术来确定每个导航周期中移动机器人的速.度仿真结果表明了该方法的可行性
Resumo:
研究了一种高冗余自由度并串联机构回避障碍的算法问题,并实现了运动仿真,核算法应用了优先顺位的理论,利用旋转张量法,对杆长随时间变化的高冗余自由度操作臂实现了变臂长的避障规划,并在CAD工作站上完成了回避障碍钻洞的运动仿真,获得了满意的结果。国家自然科学基金
Resumo:
本文根据在第一部分中推导出来的描述资源竞争的着色ROPN给出在柔性制造系统中无死锁运行的充分必要条件,从而得出相应的控制规律。它是一种资源动态分配的策略,它决定当一个资源空闲时,是否可以分配给一个任务,可以的话先分配给谁,以保证系统无死锁,并使得资源利用率最大。
Resumo:
柔性制造系统的主要特点是多种不同类型的工件同时在系统中加工,这些工件竞争系统的有限资源,导致象系统死锁等这样的不希望事件的发生,本文用一种Petri网模型,称之为着色面向资源的Petri网(着色ROPN)来描述系统中的这一竞争过程;这一模型揭示了资源竞争过程的本质特点,从而为寻求死锁避免的充要条件提供了基础。
Resumo:
本文在分析、归纳、综合的基础上作出了7自由度机械臂的图谱.包括位置空间、奇异空间、回避障碍和回避奇异等问题.给出了一种普遍适用的方法.并介绍了该方法的使用,对7自由度机器人的结构设计和选型有一定的参考价值.