摘要：为了提高车辆在稳定行驶前提下的避障路径跟踪控制精度,设计了自适应模型预测路径跟踪控制器和稳定控制器。根据车辆运动特性,建立了车辆在横向和横摆向共三个自由度的车辆动力学方程;基于路径跟踪控制需要,建立了预瞄跟踪控制模型。在避障路径跟踪方面,提出了预测时域随车速和路径曲率自适应变化方法;以提高避障路径跟踪精度和控制量增量最小为优化目标,将路径跟踪控制问题转化为二次型问题,实现了自适应优化求解和时域滚动控制。在车辆行驶稳定方面,从车辆状态的稳定性预判、稳定力矩的计算和分配等方面设计了稳定控制器。经仿真验证,这里的方法能够将车辆状态控制在相平面的双线法稳定区域内,实现了车辆行驶的稳定性和安全性;在避障路径跟踪方面,这里的方法的最大跟踪误差和绝对误差均值远小于传统模型预测控制、文献[14]模糊滑模控制,充分证明了这里的方法在避障路径跟踪控制中的高精度和有效性。

摘要：在市政管道清淤工作中,机器人技术可以提高工作效率,减少人力成本,提高清淤质量。然而,在清淤机器人工作过程中,经常会遇到各种障碍物,需要进行避障路径规划,以提高机器人的安全性、工作效率和适应性。该文在介绍清淤机器人的总体结构设计、控制系统、传感器系统设计以及人机交互系统设计的基础上,阐述神经网络逆系统的基本原理和方法,以及清淤机器人的设计和实现,探讨神经网络逆系统在清淤机器人避障路径规划中的应用。通过仿真验证证明,基于神经网络逆系统能有效地控制非线性时变对象,不需要建立精确的数学模型,其鲁棒性强、适应性良好。针对清淤机器人运动和控制特点,搭建和训练基于神经网络逆系统深度学习的目标障碍物检测模型,应用于实际问题的模型求解,通过人工势场图中梯度信息的随机树新增节点,结合路径规划与缺陷或障碍物等目标的时空信息,优化机器人的避障路径,可以提高避障路径规划算法的运行效率。

摘要：常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。

摘要：为提高智能机器人在市场内的使用率,优化机器人的使用性能,开展基于混合智能算法的机器人避障路径规划方法的设计。结合动力学扰动行为的分析,获取机器人不同关节有效运动参数,通过对不同运动姿态的有效融合,建立机器人障碍规划运动学模型;基于栅格法,对障碍物环境进行网格划分,基于蚁群算法,定位机器人避障最优参数,以此实现对避障路径规划中参数的设定;利用OAO的局部定位与全局检索能力,构建一个环境障碍物随机树,将其与蒙特卡洛算法进行融合,进行机器人规划初步行进路径的设计。实验结果证明,设计的路径规划方法,在实际应用中,可以起到缩短并优化避障路径的作用,以此种方式,提高机器人行进的速度与效率。

摘要：为避免智能机器人与移动障碍物发生碰撞,使其可以高效、自主地完成工作,研究了密集障碍物下智能机器人避障路径自主选择方法。采用激光雷达技术采集周边环境信息,并将采集到的障碍物信息输入BP神经网络,经模型训练后获取智能机器人周围密集障碍物分类结果。基于改进人工势场法,通过改进斥力势场函数,选择智能机器人路径方向;依据障碍物和目标点合力的大小,选取智能机器人避障路径,使智能机器人向局部目标点前进,重复此操作直到全局路径规划完成。实验表明,该方法可实现不同密集程度障碍物下的智能机器人避障路径自主选择,时间碰撞危险度和空间碰撞危险度分别大于期望值12 s和最小距离4.15 m,可有效避免智能机器人与移动障碍物发生碰撞。

摘要：针对机器人进行避障路径规划时存在收敛速度差、规划路径长、迭代次数多以及规划时间长的问题,提出基于改进蚁群算法的巡检机器人避障路径规划方法。首先使用栅格法划分巡检机器人工作环境,通过对像素矩阵等指标的分析,构建栅格地图模型;基于人工势场法提出蚁群路径规划算法,使蚁群适应子空间的搜索;最后在模型中利用该算法,寻找该模型的最佳路径。实验结果表明,运用该方法进行路径规划时,收敛速度高、规划路径短、迭代次数少以及规划时间短。

摘要：数字化变电站巡视机器人执行巡检任务时的障碍物过多,影响其工作效率与质量,因此提出数字化变电站巡视机器人避障路径智能规划方法。明确人工避障势场区域,根据变电站巡检工作的执行状态,计算巡检障碍距离及方位,搭建数字化变电站巡视机器人的Dijkstra多目标避障路径智能规划模型,结合动态窗口法实现路径规划。实验结果表明,本文所设计的模型的路径智能规划耗时较低,能够保持在1.4s以下,说明数字化变电站巡视机器人对于障碍物的识别速度较快,路径规划的可靠性较高,实际应用价值较高。

摘要：智能农业机器人是无人农场实现机器完全替换人工劳动的重要一环,而路径规划是农业机器人的重要关键技术。为此,针对农田特殊作业环境及农艺要求,提出了农业机器人全局路径规划方法和局部最优规划方法。阐述了农田全覆盖路径规划思想,设计了基于神经元激励网络法的全覆盖路径规划方法和基于Dijkstra算法的局部最优路径规划方法。通过MatLab仿真试验验证路径规划方法的可行性,建立栅格地图,并随机设置障碍物信息模拟实际作业环境。研究结果表明:生物激励与神经元激励两种规划方法覆盖完成率均为100%,路径长度与转弯次数两者相差不大,但神经元激励法的路径重复率5.49%远远小于生物激励法的12.66%;基于神经元激励网络法的全覆盖路径规划方法比生物激励网络法的全覆盖路径规划方法重耕率更低,可实现农田地块大规模覆盖作业;基于Dijkstra算法的局部最优路径规划方法可针对不同复杂程度的障碍物地图实现自主最优路径规划。

摘要：农业无人机在工作运行中基本处于障碍物较多的低空环境中,如果没有避障路径控制系统协调,极易发生碰撞、坠毁事件。为此设计一种基于激光传感器的农业无人机避障路径控制系统,由Pixhawk飞控设备与GPS位置监测单元、高度监测单元构成硬件系统,通过陀螺仪与加速度、磁力计方式控制无人机姿态角,再根据串级执行调节方法控制其飞行高度,使用运动方程线性化算法获得障碍物位置,规划农业无人机飞行路径,实现农业无人机避障路径控制。通过从姿态、高度、位置三个方面实验验证表明:该系统具有较强的控制性能,并且控制结果准确率较高。

摘要：基于模型预测控制算法,设计一种集成避障路径规划与轨迹跟踪控制器,该控制器采用分层结构,上层主要进行局部避障轨迹规划,下层主要进行轨迹跟踪控制,同时,基于CarSim/Simulink搭建仿真验证平台,设定高低附路面工况,进行仿真试验,结果显示:所设计的控制器具有较强的鲁棒性,能有效进行避障与路径跟踪.