考虑运动受限的履带式移动机器人轨迹跟踪控制

针对履带式移动机器人的轨迹跟踪控制问题进行研究,首先,建立了履带式移动机器人的运动学模型和跟踪误差模型；其次,设计了转速有限时间控制和线速度滑模控制的轨迹跟踪控制律,并给出了考虑运动受限作用下的控制律修正表达式；最后,基于MATLAB对所提控制律进行仿真,对比分析了不考虑运动受限情况下跟踪控制效果;结果表明,设计的跟踪控制律能够实现履带式移动机器人对圆轨迹的有效跟踪,且考虑运动受限作用的控制律更加符合实际;文章研究分析了运动受限作用对于移动机器人轨迹跟踪控制的影响,分析结果对其他移动机器人的运动控制研究具有参考价值。     

室内环境下基于边际约束的快速路径自主探索算法

为了提高移动机器人在室内未知环境的自主探索能力,实现移动机器人在探索目标点之间的安全、快速移动,提出一种基于边际约束的快速路径自主探索算法。首先,将机器人自主探索问题描述为部分可观测马尔可夫决策过程模型。之后,在传统的快速扩展随机树(RRT)算法基础上,将随机树的生长空间划分为边际四象限空间,结合启发式评估函数的评价。该算法加快了移动机器人在探索目标点之间的移动速度,同时减少了随机树的节点,降低了对内存空间的占用。通过Matlab仿真实验,在实验设定的仿真环境中,该算法比传统RRT算法在时间上缩短约了75%,节点数量减少了约80%,并在机器人操作系统的仿真实验中验证了算法的实用性。     

基于激光雷达数据SVM分类的室内环境识别研究

语义地图构建对移动机器人导航与规划具有重要意义，而环境分类是语义地图构建的核心问题。目前所采用的环境分类方法匹配率较低，已成为语义地图构建所面临的主要问题。对此笔者提出了一种基于支持向量机的分类方法，该方法利用激光雷达数据提取环境几何特征，训练SVM分类器对机器人工作空间模式进行识别，并将所提算法用于室内环境的语义分类。实验结果表明，该分类方法具有较高的识别率，可有效地实现语义地图构建。     

基于事件触发的独轮车移动机器人跟踪控制系统设计

针对传统的时间触发机器人控制系统中通信要求高的问题,提出了使用事件触发控制器的独轮移动机器人控制系统;首先,根据类仿真方法在忽略通信约束的条件下合成控制器;然后,将问题建模为混合系统并在网络上实现;最后,导出了合适的事件触发条件;实验结果显示,使用基于事件触发的控制算法后实现了系统的解耦和镇定,可调节系统在阶跃输入激励下的响应;相比传统的时间触发设置,在确保跟踪性能的前提下,提出的事件触发策略能显著减少通信需求,有望应用于真实系统。     

小型履带式移动机器人控制系统设计

针对小型履带式移动机器人,设计了遥控与自主返航模式相结合的控制体系结构,并对机器人自主定位及路径跟踪技术进行重点介绍;信号正常的情况下,机器人在遥控模式下工作,信号中断后,启动自主返航模式,机器人根据路径规划的轨迹行驶到目标点;自主返航模式下,采用传感器信息融合技术提高了机器人定位精度,基于已有路径进行点跟踪控制,设计机器人跟踪控制律;基于履带式移动机器人平台及所述控制系统,对任意给定路径进行跟踪实验;结果表明,机器人可沿给定路径到达终点,且行驶轨迹光滑,验证了定位方法的精度以及跟踪控制律的有效性。该控制系统设计简单,可移植性高,可广泛应用于地面移动机器人领域。     

室内惯性/视觉组合导航地面图像分割算法

导航技术是机器人实现自主移动的关键技术之一。针对惯性导航创建全局导航地图困难等问题,提出一种新的惯性/视觉组合导航室内全局地图创建方法。规定机器人只能在地面区域中移动,并利用室内俯视图像建立全局地图,提出一种俯视图像地面区域的自动分割算法。首先,利用主元分析算法对图像的局部颜色特征进行降维;其次,利用聚类算法对地面区域进行自动分割;最后,建立了室内俯视图像数据库并对算法的性能进行了验证。由于第四组图像中包含反光区域,算法的分割结果较差,平均正确分辨率为75%。算法在其他各组的平均正确分割率为85%左右。为提高算法的性能,可在应用本算法前利用反光区域检测算法对图像进行预处理。     

Markowitz投资组合模型改进的三帧差分法运动目标检测

移动机器人的目标检测要求其对特定的静止或运动物体进行运动分析及检测。以Voyager-III移动机器人系统为研究对象,实现非理想光照下,对橘红色目标足球的运动检测。提出在传统三帧差分法基础上,先利用Markowitz投资组合模型进行足球目标的特征提取,将场地非感兴趣的目标中,出现全部像素值发生变化的目标去除,再进行图像帧间差分。利用CCD摄像机对比赛环境中足球的运动轨迹进行录制,选取具有代表性的各帧视频图像、Markowitz算法优化后的差分图像和跟踪图像,结果表明跟踪图像不含非目标物的干扰,克服了差分图像存在空洞的问题,为移动机器人提供了一种实用的运动目标检测方法。     

基于预测控制的非连续路段下移动机器人的轨迹跟踪

针对非连续路段下的轨迹跟踪问题,设计了基于观测型的预测控制器。首先建立了移动机器人的运动学模型,根据机器人的运动学模型得出了其位姿误差微分方程;然后在轨迹跟踪问题的基础上,设计了系统的观测模型,通过将预测控制器与系统的观测模型结合,设计了观测型预测控制器;最后再MATLAB环境下,利用本文所设计的控制器对移动机器人在非连续路段下的轨迹跟踪问题进行仿真,并将仿真结果与PID控制器控制的仿真结果进行对比,由仿真结果可以看出,本文所设计的控制器具有很好的鲁棒性、快速性及稳定性,可适用于移动机器人的轨迹跟踪的研究。     

基于RFID的移动机器人巡逻路径优化研究

针对移动机器人在大范围环境中的巡逻路径优化问题,提出一种基于RFID信息节点导引方法的路径和时间优化策略。研究了在一由实际环境抽象得出的拓扑地图环境下,使用RFID标签来标记环境中的关键位置,例如走廊,交叉点,拐角等,并且利用标签中储存的导航指令来指导移动机器人的行动。将机器人分为3路巡逻,优化得出巡逻总路程最短且历经信息节点数均衡的路径。设定机器人在节点的停留时间,研究了机器人在一限定时间内巡逻完所有节点的分组及路径优化方法。为大范围布置RFID信息节点导引机器人行动的环境下,提供了一种巡逻路径优化方案。     

基于自适应状态聚集Q学习的移动机器人动态规划方法

针对现有移动机器人路径规划方法存在的收敛速度慢和难以进行在线规划的问题,研究了一种基于状态聚集SOM网和带资格迹Q学习的移动机器人路径动态规划方法——SQ(λ);首先,设计了系统的总体闭环规划模型,将整个系统分为前端(状态聚集)和后端(路径规划);然后,在传统的SOM基础上增加输出层构建出三层的SOM网实现对移动机器人状态的聚集,并给出了三层SOM网的训练算法;最后,基于聚集的状态提出了一种基于带资格迹和探索因子自适应变化的改进Q学习算法实现最优策略的获取,并能根据改进Q学习算法的收敛速度自适应地控制前端SOM输出层神经元的增减,从而改进整体算法的收敛性能;仿真实验表明:文中设计的SQ(λ)能有效地实现移动机器人的路径规划,较其它算法相比,具有收敛速度快和寻优能力强的优点,具有较大的优越性。