摘要：基于Rao-Blackwellized粒子滤波(Rao-Blackwellized partical filter,RBPF)算法的移动机器人在同时定位与地图构建(simultaneous localization and mapping,SLAM)过程中存在计算量大、粒子耗尽问题。基于重采样技术对激光SLAM系统开展优化设计:在采样过程中加入最近一帧的激光观测模型,减少构建地图所需要的粒子数;同时提出一种自适应优化组合重采样方法,以缓解粒子耗尽现象,保持粒子的多样性。利用Turtlebot 2和Rplidar A2搭建的平台进行实验验证,结果显示,改进的RBPF-SLAM系统优化方法能够以更少的粒子数生成精度更高的全局一致性的地图。

摘要：针对多移动机器人控制系统适应性差、控制精度低的问题,提出一种改进直接模糊自适应反馈控制方法。利用模糊数学理论分别对机器人的理想输入状态量进行逼近,通过模糊逻辑推理得到输出反馈量并实时调整状态量,应用Lyapunov理论保证系统误差的收敛性和系统的稳定性,最后在Matla b中对所设计的WMR动力学和运动学相结合的控制系统进行仿真实验验证。结果表明在所设计的模糊控制器的作用下,实现了多个机器人的编队,并提高了运动系统的控制精度和响应速度。

摘要：针对外界干扰造成的移动机器人控制系统复杂、适应性差等问题,提出了一种直接模糊自适应输出反馈控制方法。其核心思想是利用模糊数学理论对理想输入状态量进行逼近,同时利用Lyapunov法对系统误差的收敛性和系统的稳定性进行了证明,最后在MATLAB中针对所设计的WMR动力学控制系统进行仿真实验验证。结果表明在所设计的模糊控制器的作用下,运动系统的控制精度和响应速度有了显著提高。