基于多幂次趋近律的驱鸟机器人路径跟踪控制研究

由于变电站电力设备交错复杂,鸟类的活动对电网的安全运行已造成严重影响,驱鸟移动机器人在路面障碍与空间障碍等不确定因素并存的情况下,需要对路径跟踪进行精确控制。提出一种基于多幂次趋近律的滑模控制策略,首先建立驱鸟机器人运动的数学模型,然后基于多幂次趋近律设计相应的滑模控制器,并且利用李雅普诺夫函数证明其稳定性。仿真实验结果表明:相对于传统的滑模控制策略,该方法鲁棒性强,可快速削弱抖振现象,使得机器人的运动精确跟随理想路径,其研究成果为变电站实现精准驱鸟提供了重要依据。     

智能车队跟车纵向控制算法设计及仿真验证

为了解决智能车队自动跟随前方车辆行驶的问题,首先基于理论分析模型和车辆实验数据结合,建立智能车队行驶过程中纵向动力学模型。然后基于模糊智能控制算法,建立智能车队领航车驾驶员模型、车队跟随车辆跟车模型,最后通过Matlab/Simulink/Stateflow平台搭建数学模型。该模型简洁、准确,能满足车辆避撞和跟随的要求。通过仿真分析,验证了模型的正确性和合理性,可达到提高驾驶安全性、减少交通堵塞的目的。     

基于时间的多机器人协调避碰算法研究

针对现有多机器人协调避碰问题,提出了一种基于时间的多机器人协调避碰规划算法。首先,对机器人系统使用改进的栅格法进行环境建模,将其转化为一个关于机器人动作序列的问题。然后运用解耦法,第1阶段在构建好的模型中利用改进的A*算法规划单个机器人的静态无碰路径;第2阶段通过错开时间修改运动序列的方式实现多机器人之间无冲突的运动,即可达到多机器人协调避碰规划的目的。仿真实验结果表明:所设计的基于时间的多机器人协调避碰规划算法能够有效地实现多机器人的避碰路径规划。     

基于遗传模糊算法爬壁机器人避障仿真研究

为解决爬壁机器人壁面作业过程中的避障问题,课题组提出了基于遗传算法优化的模糊控制算法。首先,建立了爬壁机器人在壁面的运动模型,求解出机器人运动学方程;利用平面栅格的方式进行描述机器人运动路径的规划;采用遗传算法对爬壁机器人模糊避障控制进行优化,并给出具体优化步骤。利用MATLAB进行仿真实验,仿真结果表明：与遗传算法进行比较,基于遗传算法优化的模糊控制在准确避开障碍物的前提下,能够更好地跟踪起点和目标点的连线,并规划出从起始点到目标点之间更短的路径。     

多移动机器人3阶段解耦路径规划

针对多移动机器人集群在路径决策时任务执行时间过长、容易陷入死锁等问题，课题组提出了一种3阶段解耦路径规划方法。利用栅格法建立二维环境模型，首先以传统蚁群算法为基础，引入参数自适应机制和路径指引函数，提高算法的收敛速度；其次将多机器人集群路径规划分为3个阶段，提前预判出冲突路段，减少机器人的等待时间和绕行距离；最后利用MATLAB软件进行仿真实验。仿真结果表明：使用改进后的蚁群算法进行路径规划最优路径长度减少了5.5%，算法的收敛速度提升了近50%；在不同的栅格环境下，可以有效地预测和消解多机器人间的冲突。该研究为多机器人的路径规划提供了一种新的方法。     

基于改进蚁群算法的汽车避障路径规划

为在不同工况下为汽车规划出一条安全且合理的局部避障路径,利用MAKLINK图论法建立带有障碍物的二维环境模型,通过Dijkstra算法规划初始次优避障路径,考虑车辆运动学等约束改进蚁群算法,从而搜索出一条最优避障路径。在Simulink中搭建车辆-驾驶员闭环系统模型,将最优避障路径输入到该模型中进行路径跟随;根据汽车主动安全评价指标对路径跟随效果及车辆横向稳定状态进行评价。结果表明:改进蚁群算法规划出的避障路径具有较好的跟随效果,且符合车辆横向稳定性要求。说明改进后的蚁群算法进行汽车局部路径规划具备一定可行性。     

基于ROS的机器人室内巡检技术仿真

针对传统巡检机器人在进行巡检时缺乏自主环境感知能力以及无法自主规划路径的问题,提出基于开源机器人操作系统(robot operating system,ROS)融合同时定位与建图(SLAM)、路径规划(path planning)技术进行室内机器人巡检应用的仿真研究思路。首先建立室内巡检机器人模型及仿真地图环境,然后对应用于机器人巡检的关键算法进行分析与选择,最后基于ROS构建室内巡检机器人试验平台,并对巡检过程中所提出的关键技术进行仿真研究。结果表明:基于ROS的室内机器人系统的定位与建图算法以及路径规划算法可靠性较高,实用性强,可以有效应用于室内巡检中。     

智能车辆弯道换道路径规划算法与跟踪控制

为解决智能车辆在弯道工况下换道过程中的路径规划与跟踪控制的问题,提出一种弯道主动换道系统,主要包括基于可拓优度评价的弯道换道路径规划算法与基于模型预测控制的路径跟踪控制方法。该路径规划算法分为:上层路径生成器和下层路径选择器。上层路径生成器以不同的纵向距离采用5次多项式生成路径集合,下层路径选择器基于换道距离、侧向加速度、横摆角速度和质心侧偏角建立可拓优度评价控制器选出最优路径。通过参数优化的模型预测控制算法对规划的路径进行跟踪控制,基于Carsim和Matlab/Simulink的虚拟平台仿真验证该换道系统的有效性。结果表明:车辆在弯道上以不同的速度行驶,换道时,该系统皆能合理地规划出换道路径且能对换道路径进行准确、稳定跟踪控制。     

采用模糊逻辑的移动机器人轨迹跟踪

针对差动轮驱动的移动机器人动力学的高度非线性和运动环境的不确定性,提出了基于模糊逻辑的移动机器人路径跟踪控制方法。该方法通过合理选择模糊控制器的参数和优化规则库,使其输出合适的线速度和角速度,从而控制移动机器人准确地跟踪预规划的路径。提出了两轮差动式移动机器人的动力学模型,使得该模糊控制器对不同几何参数的差动式机器人具有普遍的适应性。在实际场地试验和亚太机器人大赛中验证该方法的有效性。     

汽车悬置隔振特性研究

本文基于流体力学理论,对半主动控制液力悬置建立了力学模型和数学模型,并对发动机液力悬置系统进行隔振分析,确定了惯性通道半主动控制式液力悬置的控制律,从而在较宽的频带内,达到良好的隔振效果.     

非线性无人机集群系统分布式编队控制

针对非线性无人机集群系统,利用多智能体系统一致性理论实现无人机的分布式编队控制。利用无人机局部相对信息设计了分布式编队控制器。在一般有向固定通信网络拓扑结构下,通过变量替换,将无人机集群系统的编队问题转换为稳定性问题,通过矩阵分析理论和线性系统李雅普诺夫稳定性分析理论进行分析,获得了无人机集群系统达成期望编队队形系统的充分条件,给出了控制器增益矩阵的设计方法,仿真实验验证了结论的正确性。     

非结构化环境下四足机器人避障性能研究

针对机器人在非结构化环境中的自适应运动问题,研究设计一种四足爬行机器人,主要由膝关节/髋关节组成,结合机器人数学基础,建立机器人运动学模型。鉴于生物控制中节律运动特点,利用hopf神经元模型对生物中枢模式发生器进行机理建模,设计基于CPG模型的四足机器人网络拓扑结构,分析四足机器人拓扑结构下的步态特点。采用ADAMS软件对该机器人避障的特性进行仿真分析,结果表明:该模型能够便捷地切换方向,完成避障运动,拓展了生物控制在多足机器人运动中的应用。     

B样条曲线下的MPC轨迹重规划算法

为加强无人驾驶车辆在复杂环境道路上行驶的平滑性,减少车辆的抖振,提高乘坐舒适性,提出了一种基于B样条曲线的MPC轨迹重规划算法。该算法将B样条曲线与MPC轨迹重规划算法进行有效结合,利用B样条曲线局部性和凸包性的优势,对重规划算法规划出的离散点进行拟合,提高规划路径的平滑性。基于Matlab/CarSim进行联合仿真,对建立的轨迹重规划模型及控制模型进行双移线工况下的仿真验证。结果表明:相比于不加平滑算法的规划轨迹,双移线工况下,多项式拟合曲线规划出的路径侧向最大加速度和横摆角速度分别降低了56. 01%和60. 52%,B样条曲线降低了77. 08%和68. 55%,验证了算法的正确性和有效性。     

考虑能耗的多AGV系统路径冲突解决策略

针对多自动导航小车AGV系统路径规划中解决冲突时的部分耗电过快、能耗不平衡问题，课题组提出了一种基于能耗测算的AGV路径冲突解决策略优选方法。首先，对多AGV系统中各AGV的路径基于时间窗进行判定，在此基础上，建立了受负载和时间控制的能耗计算方法，并以系统能耗最低为目标构建AGV冲突消解模型；该模型在考虑AGV自身电量约束下预测各种消解措施下应对的能耗，最终优选出系统能耗最低的冲突解决策略；通过算例与传统冲突消解方式进行对比。研究结果表明：该解决策略可兼顾路径和系统能耗最优，完成任务的能耗较为均衡。该方法可以减少系统内的AGV的充电次数，提高多AGV系统的工作效率。     

改进蚁群算法在灭火机器人路径规划中的应用

提出了一种改进的蚁群算法应用于灭火机器人路径规划。该算法利用自适应更新的策略设计出最佳避障路径,建立了简洁明了的蚁群优化算法,从而对灭火机器人行走路径进行了优化处理。该方法不仅使灭火机器人在未知环境寻找火源过程中能够有效避开障碍物,而且能使机器人行走路径最短,所用时间最少。经仿真和实物机器人实验证明了该算法的可靠性和有效性。     

基于两种数学模型的坐标系统转换的比较

针对坐标系统转换是测量作业与生产中经常遇到的问题,首先对四参数模型与七参数模型在坐标系统转换中的应用进行分析和探讨,然后往此基础上通过对已知数据分别应用四参数模型与七参数模型进行坐标系统转换,并对坐标系统转换进行比较。结果表明：在较大区域范围内,七参数模型的坐标系统转换精度要比四参数模型的转换精度高;四参数模型更适用于参心坐标系与地心坐标系之间的转换。     

基于ADAMS的食道诊疗胶囊驱动机器人的动力学研究

为实现消化道类疾病检查中胶囊机器人的转动、前进等复合运动的驱动,课题组提出一种驱动食道诊疗胶囊的设计方案,用于控制食道诊疗胶囊在食道内的运动和定位。首先,利用UG软件建立驱动机器人三维数字化模型;其次,利用拉格朗日法建立驱动机器人的动力学模型;将三维模型导入ADAMS软件,根据设计要求添加运动约束;最后,通过ADAMS软件完成动力学建模与仿真分析,获得驱动机器人各关节的运动特征曲线,利用ADAMS仿真分析,验证了所设计的驱动机器人具有较好的动力学特性。建立的动力学方程为后续食道诊疗胶囊的驱动控制和多物理场仿真提供了参考依据。     

目标规划MULTIPLEX模型的哲学观、有效性和统一化

本文论述目标规划方法论求解系统问题的四个哲学观点,从多目标、满意解、现实和弹性观点阐明了基础模型的概念,以及基础模型向传统线性规划模型和字典序目标规划多纯形(MULTIPLEX)模型的转换,指出转换时所作假设对模型有效性的影响。MULTIPLEX模型不仅兼容传统的单目标线性规划,而且可以统一描述加权线性目标规划、模糊规划和非劣解多目标线性规划等几乎所有各类多目标数学规划。     

阀门喷涂机器人的轨迹规划与优化求解

为对特定阀门工件的外表自由曲面进行精确喷涂,提出以阀门外形尺寸和机器人本体结构为约束条件,对喷涂 机器人的工作空间进行了合理优化。利用MATLAB对多变量有约束非线性函数优化求解,得到了机器人主连杆杆长以 及相应的关节转角范围;对阀门进行了参数描述,并建立喷涂轨迹路径数学模型;通过基于ADAMS的虚拟样机建模、运 动仿真和MATLAB数值求解的相互协同和相互验证,得到了合理的关节角逆解。通过优化后的逆解进行仿真喷涂验证 了轨迹规划和优化求解方法的合理性。     

混合粒子群优化算法和案例推理方法的多机器人学习（英文）

以未知环境下多机器人学习为研究平台,因案例推理方法可存储以前的问题和解信息,用该方法的长期记忆特性可帮助粒子群优化算法更好地解决新的问题。在特定的仿真环境里,粒子群优化算法可训练机器人的几个基本行为,经过学习使机器人具有更好的鲁棒性和自适应学习能力。根据机器人不同行为在复杂环境下的性能指标,CBR可从案例库中选择特定的行为,并将其参数传送到粒子群优化算法的初始解库,从而加速整体的学习过程。利用机器人仿真软件MissionLab,采用基于行为的多机器人编队任务,用来测试该算法的有效性。仿真和实验结果表明,案例推理方法和粒子群优化算法相结合,使机器人获得更优的控制参数,同时在未知环境下的多机器人编队具有更好的性能。