模块化机器人最优越野构型神经网络规划方法

轮式模块化机器人在满足人类对于无人自主任务需求时具有很多优势,机器人组合体构型在搬运物资、山地越障等方面更具有独特优势,为此提出一种多模块机器人构型优化规划方法。构建数字化地形表达,建立参数化地形辨识模型,运用遗传算法构建能耗与时间加权组合的最优构型,改变约束条件在不同地形下进行大量平行运行得到大量地形-最优构型参数结果对,将地形集合构建为输入集,将最优构型集合构建为输出集,训练借助神经网络技术快速得到面向任意地形的最佳组合体构型,使得组合体在面对三维复杂地形时实现高成功率、高可靠性越障运动,同时将能耗成本和时间成本降至最低。通过物理引擎平台仿真搭建仿真野外地形,对规划得到的构型进行通过性验证和性能测试,各构型均能完成地形跨越,同时验证规划算法的优化能力;搭建模块化机器人样机实物进行实验,以6×1刚性连接构型完成了2倍轴距宽沟壑的跨越。研究结果表明,所提方法能够高效地规划各类地形下满足通过性要求和时间能耗最优的组合体越障构型。

机器人的空间位姿误差分析方法

采用了五参数模型作为机器人的运动学模型,根据相邻构件间的误差传递关系,应用位姿建模矩阵法建立了机器人的位姿误差模型,并编制了基于C++的位姿误差分析软件.利用所编制的误差分析软件,针对一6-DOF空间摄像机器人具体实例,计算分析了参数变化对机器人的末端位姿误差的影响规律,并绘制了该机器人的等误差曲线图.通过所建立的五参数误差模型和分析软件,可以直观地了解机器人机构的误差分布情况,便于合理地使用机器人或进行机器人机构误差的校正.研究结果为机器人的误差补偿提供了依据.

复杂地形六轮独立驱动与转向机器人轨迹跟踪与避障控制

为研究六轮移动机器人在复杂地形的运动控制方法,针对六轮独立驱动与转向机器人复杂地形轨迹跟踪问题,提出一种预测控制和动态补偿的控制方法。基于非完整约束的线性六轮移动机器人运动学模型,以模型预测控制算法为基础,引入比例-积分-微分补偿控制器,抑制动态滞后引起的跟踪误差,设计速度与转向角动态反馈补偿,以应对地形扰动对轨迹跟踪的影响。分析机器人运动过程中障碍物的避碰问题,设计可求解避障轨迹的避障规划器,通过轨迹跟踪系统对局部避障轨迹进行跟踪控制,实现机器人的轨迹跟踪和自动避碰。对轨迹跟踪算法和避障算法进行仿真实验。实验结果表明:在典型工况下,机器人可完成凹形斜坡、凸形斜坡和凹凸地形正弦型轨迹跟踪控制和静态与动态障碍物避碰,验证了新方法的有效性。

多机器人协同导航技术综述

随着机器人技术的不断发展,多机器人系统凭借其诸多优势成为了当前科技研究的热点领域。对多机器人协同导航这一领域的研究进行了综合评述,并对未来发展趋势进行了展望。针对多机器人系统导航过程中涉及到的三个关键问题:协同定位、路径规划和任务分配问题,首先分析了多机器人系统的特点和面临的挑战;之后重点总结了多机器人定位的协同算法和技术、多机路径规划及冲突避免方法和并行多任务的分配方法;最后对多机器人协同导航的研究方向给出建议。综述表明,多机器人协同导航技术已经取得丰硕的成果,但在通信、系统结构和协调策略等基础领域仍需开展研究。另外,扩大多机器人协同控制规模,并将人这一要素深度融合到协同控制方法中,需要持续深入研究。

多移动机器人编队领航跟随方法研究进展

多移动机器人经过长时间的发展,相关技术和产品已经应用到各个领域。首先对移动机器人进行了概述,由于单机器人难以完成复杂任务,凸显了多移动机器人协同控制技术及其应用的重要地位。其次对编队控制问题进行了描述,介绍了领航跟随者法、基于行为法和虚拟结构法等几种有效的编队控制方法。最后对领航跟随方法的研究进展和所遇问题做出了详细归纳,并展望了编队领航和跟随控制技术未来的发展趋势。研究表明,领航跟随法能够很好的解决多移动机器人编队生成与稳定、编队切换、系统避障和自适应控制等相关问题。

基于虚拟模型的类拖车机器人系统轨迹跟踪控制

模块化轮式机器人通过连杆串联所组成的分布式多体独立驱动的类拖车系统在控制上具有强耦合性。针对类拖车系统的轨迹跟踪和构型稳定性问题,研究了基于虚拟模型的领航跟随法。首先建立类拖车系统的运动学模型并给定了系统约束;其次通过系统中连杆的受力信息对拖车中的领航跟随位置关系进行修正,通过模型预测控制器实现系统的运动控制;最后,通过仿真验证了所提方法能够实现类拖车系统的轨迹跟踪并提高了系统的构型稳定性。

基于视觉的移动机器人相对位姿优化估计

针对多机器人协同定位问题,开展了基于视觉靶标的多移动机器人相对位姿求解技术研究,设计了一种基于单目视觉的多机器人相对位姿估算系统。首先,考虑多移动机器人的定位自主性,建立了四个单目相机组合的全方位、无死角的视觉定位感知监测系统。其次,针对视觉靶标观测存在的系统误差及丢帧等随机误差,搭建车辆的阿克曼转向数学模型,提出了基于扩展卡尔曼滤波融合车辆里程计信息的相对位姿估算算法。最后,通过对视觉观测信息与车辆里程计信息进行融合估算优化,动态场景下定位精度相对于初始方案有了较大提高,同时不存在丢帧等的随机误差,提高了系统的定位精度与定位鲁棒性,证明了所提算法的有效性。通过与初始方法进行对比分析,文中提出的方法在动态场景下定位精度提高了20%~25%,文中设计的基于扩展卡尔曼滤波的相对位姿估算方法在动态场景下定位精度与鲁棒性更优。