面向预期功能安全的eVTOL智能避障系统运行时保证方法

为保障电动垂直起降飞行器(eVTOL)在城市空中交通(UAM)场景下的预期功能安全(SOTIF),降低人工智能算法的验证难度,建立基于运行时保证(RTA)方法的避障模型。首先,使用人工势场法改进的柔性动作评价(SAC)算法作为eVTOL智能避障系统的复杂功能;然后,使用动态反应规划(DRP)作为智能航电系统的备用功能,以减缓SOTIF危险,同时,使用监视和决策模块采集环境状态,搭建RTA架构;最后,分别仿真仅使用复杂功能和具有RTA架构的避障系统,对比避障效果。结果表明:2种方法均可实现避障,但仅使用复杂功能的传统避障系统会带来SOTIF危险;经过RTA架构设计,可使eVTOL的安全飞行时长占比由78.4%提高到98.15%,总航路长度仅增加0.95%,在保障效率的同时,降低了在运行场景中的风险。

基于深度学习的无人机智能避障系统设计与实现

随着无人机(Unmanned Aerial Vehicle,UAV)技术的发展,智能避障成了提高其自主飞行能力的关键。本文提出了一种基于深度学习的无人机智能避障系统设计,该系统包括智能路径规划、障碍物实时检测和自主动态避障等功能,能够实时检测和识别障碍物,实现快速转向避障和减速悬停避障。在硬件设计方面,系统选用了高性能的传感器模块、主控芯片和动力系统。测试结果表明,该系统具有良好的功能和性能表现,能够有效提高无人机的避障能力。

未知环境下桥式起重机智能避障路径规划研究

文中针对桥式起重机工作空间的环境信息未知情况下的路径规划,提出了改进人工蜂群算法和滚动规划策略相结合的智能避障路径规划新方法。通过分析并借鉴机器人在未知环境下的路径规划方法,以人工蜂群智能算法为基础,改变蜜源初始化机制以及观察蜂跟随机制,并结合滚动规划策略,提出子目标点选取机制,为了避免起重机多次升降,固定其吊装高度进行局部路径规划。保证了起重机在全局环境信息未知条件下能依据不断更新的窗口信息智能避障安全到达目标点,提高了算法的搜索精度和吊装效率,仿真结果验证了该方案的可行性和有效性。

基于蚁群势场算法的建筑材料运输机器人智能避障方法

针对现有建筑材料运输机器人避障中存在的全局寻优能力差,易与移动障碍物发生碰撞的不足,设计了一种蚁群势场算法;首先分析了蚁群算法下蚂蚁个体信息素浓度的累积过程,通过构建人工势场求解引力和斥力的合作,将其作为优选蚁群算法启发因子的重要约束条件;其次引入SA算法对蚁群势场算法做二次优化,将降温的过程视为一个全局优化的过程;最后在局部避碰方面构建了质量点模型,通过评估机器人当前位置、运行速度和障碍物位置等信息建立惩罚函数,并将惩罚函数值降至最低,避免出现与障碍物的碰撞;实验结果显示:提出算法有更高的迭代效率,复杂动态条件下最短行进距离为110.6 m, 4种传统算法的最短行进距离分别为135.5、137.6、137.2和130.4 m,而且在该算法控制下,未出现局部与其他移动机器人的碰撞情况。

智能避障拐杖设计

为了满足盲人的出行需求,本文提出了一种智能避障拐杖的系统设计方案。系统基于PyAI-K210单片机,由超声波模块、激光测距模块、线性振动马达模块以及蜂鸣器报警模块组成。主控PyAI-K210具备人脸识别和物体识别的能力,可探测出多种类型的障碍物。实验结果表明,本次设计的智能避障拐杖,可基本解决大部分盲人在出行过程中的所遇到的问题。

面向无人艇的T-DQN智能避障算法研究

无人艇(Unmanned surface vehicle, USV)作为一种具有广泛应用前景的无人系统,其自主决策能力尤为关键.由于水面运动环境较为开阔,传统避障决策算法难以在量化规则下自主规划最优路线,而一般强化学习方法在大范围复杂环境下难以快速收敛.针对这些问题,提出一种基于阈值的深度Q网络避障算法(Threshold deep Q network, T-DQN),在深度Q网络(Deep Q network, DQN)基础上增加长短期记忆网络(Long short-term memory, LSTM)来保存训练信息,并设定经验回放池阈值加速算法的收敛.通过在不同尺度的栅格环境中进行实验仿真,实验结果表明, T-DQN算法能快速地收敛到最优路径,其整体收敛步数相比Q-learning算法和DQN算法,分别减少69.1%和24.8%,引入的阈值筛选机制使整体收敛步数降低41.1%.在Unity 3D强化学习仿真平台,验证了复杂地图场景下的避障任务完成情况,实验结果表明,该算法能实现无人艇的精细化避障和智能安全行驶.

基于改进人工势场法的无人船智能避障算法设计

针对传统人工势场法中的局部极小值问题,基于切线理论引入附加斥力势,从而形成对斥力势函数的修正,得到了一种改进的人工势场法。为验证该方法的可行性,基于牛顿—欧拉方法建立无人船在海洋环境中运动的数学模型,并基于PD控制器设计无人船的航向控制算法,从而得到验证改进人工势场法的仿真模型。利用该仿真模型,设计多种不同的障碍物工况进行避障仿真试验。试验结果表明,所提出的智能避障算法能够解决传统势场法的局部极小值问题,并且能够在不同的障碍物环境中引导无人船完成避障任务,具备较好的可行性与鲁棒性。

基于激光雷达的智能避障小车设计及实现

为实现无人驾驶、物流配送等领域的障碍物检测和自主行驶,提出了一种基于激光雷达的智能避障小车设计方案,用于提高无人驾驶的精确性和安全性。首先,该方案利用单线激光雷达作为传感监测装备,对周围环境进行全方位扫描,实现小车对复杂环境的精确感知;其次,利用单片机对编码模块和舵机模块的控制,实现小车的自主避障和跟随功能;最后,使用蓝牙控制模块实现对小车远程遥控的灵活性。试验结果表明,相比用超声波和红外测量,基于激光雷达智能避障小车的设计,测量精度和范围至少提高5.1%和50%。

采摘机器人智能避障决策系统——基于ZigBee和单片机

首先介绍了碰撞危险度的原理及算法,基于决策、视觉采集、运动控制和ZigBee无线通讯4个子系统设计了采摘机器人智能避障决策系统;然后运用模糊控制理论实现了机器人避障功能,并对系统进行了MatLab仿真试验。结果表明:系统可以安全避开障碍物,而且可以自主规划最优避障路径,符合设计要求,证明了智能避障决策系统的可靠性和可行性。

基于网络感知信息的船舶航迹规划智能避障方法

为实现智能避障,确保船舶航行安全,设计基于网络感知信息的船舶航迹规划智能避障方法。高效感知船舶本身及附近环境信息,精准获取船舶本身及附近船舶位置信息。依据位置信息构建船舶航迹规划中碰撞危险度模型,判断本船是否存在碰撞危险。若存在碰撞危险,则采用模糊神经网络智能控制船舶航行方向完成智能避障。试验结果表明:该方法可精准感附近信息,在简单与复杂航迹环境下均能够实现智能避障;本船与附近船舶距离高于安全距离,船航向角变化曲线平稳、无抖动情况,确保船舶航行安全。

智能避障小车设计

介绍一种基于STC89C52单片机实现的智能避障小车设计。该系统前方采用两个红外反射式光电传感器ST188检测障碍物,底部采用两个红外反射式光电传感器ST188检测悬崖,控制系统通过检测信号识别障碍物及悬崖并发出指令使小车绕行。

汽车智能避障方法仿真研究

在汽车智能避障优化问题的研究中,传统的汽车避障方法采用基于单点研究的避障方案,根据汽车当前的行驶状况,给出距离汽车最近的障碍点特性,并设计合理的避障方案,对于单障碍点的障碍有较好的效果,但面对多障碍点同时存在时,效果不佳。提出一种基于复杂障点凝聚的汽车智能避障方法,仿真中设计多个障碍点模型,避障时,对单个障碍点进行特性分析,提取障碍点特征,在此基础上,以第1个障碍点为参考,提取其它障碍点的信息,并且对所有提取障碍点的信息进行复杂障点凝聚处理,给出复杂障碍点环境下的最佳避障路径。通过一组实际的复杂障点进行测试实验,结果显示,基于复杂障点凝聚的避障方法,能很好实现智能避障,具有广泛的自动驾驶应用前景。

基于Arduino典型传感器智能避障小车的设计开发

以Arduino UNO开发板为核心,以红外传感器、超声波传感器、电机、车轮等外部固件,小车能实现自主避障的功能,该装置通过红外传感器监控,经由Arduino处理器处理,控制智能避障小车躲避障碍。主要讨论以Arduino UNO开发板为核心的超声避障小车制作过程,它是由4个直流电机和L298n电机驱动模块控制行驶方向,辅以舵机和超声波传感器组成的超声避障模块实现避障功能,用Arduino IDE编程软件编写总体程序。智能避障小车具有实际意义,在一些非常危险的情况下它能够代替人进行工作;特别是避障小车的探测功能,在抗震救灾中能够起到极大的作用。

具有密码保护功能的智能避障小车的设计与制作

本设计基于单片机、无线遥控、电子密码锁和超声波测距的基本原理和技术,利用ATmega16和AT89S52单片机作为无线遥控小车的主芯片,通过添加电子密码锁、超声波避障和对地避障等模块,设计制备出具有密码保护和智能避障等新功能的遥控小车。

未知环境智能避障与自主导航研究

未知环境中机器人精确导航定位是确保自身安全、探索和执行任务的关键，智能机器人需要能够进行环境感知和自主避障以实现全自主导航。文中提出用激光测距仪感知环境，基于模糊推理方法进行智能避障，同时利用障碍特征作为陆标在线建立地图，利用所构建的地图实时定位完成导航任务。由于环境的复杂性，采用改进的即时定位与地图构建算法减少计算的复杂度，提高在线处理能力，通过仿真验证了研究方法的可行性。

地下无轨采矿装备智能避障技术和方法研究

在分析现有无轨采矿装备避障技术基础上,开发了三维避障探测系统,提出了一种基于三维环境探测的地下矿山无轨采矿装备智能避障预警方法。介绍了该技术的背景,建立巷道探测模型,包括横向距离和纵向距离判断方法。将该方法应用于铲运机,证明了该方法在无人铲运机上的有效性和广阔的应用前景。

基于Arduino的双模式智能避障小车系统设计与实现

针对目前智能避障小车存在障碍物距离测量精度不高,存在探测盲区的问题,介绍了一种基于Arduino的智能避障系统。常见的超声波避障模块探测距离远不易受到干扰,但是反应时间长。红外测距探测距离近,测量速度快,精度高,但是受环境影响较大。利用Arduino作为主控系统,采用超声波测距、红外测距等多传感器信息融合的采集系统,优势互补,并通过对数据的算法优化,提升小车对环境的感测精度,有效提高了小车的避障成功率。基于Android开源平台的蓝牙串口通信APK,智能小车既可以自动避障,也可以接受人的帮助,进行人工避障,实现了手动和自动双操作模式,丰富了用户体验。实验证明,该系统运行稳定,对障碍物的探测更加精确,可有效实现全方位避障。

基于STM32的双模式智能避障小车系统设计与实现

该文基于超声波传感器和蓝牙技术设计了一种双模式智能避障小车。该小车采用STM32F407作为系统控制器,以自动模式和手动模式控制小车进行避障。当处于自动模式时,小车根据5路US-100超声波传感器获取路障信息,进行算法融合之后,做出避障决策,从而实现自主避障;当处于手动模式时,小车根据上位机APP人工控制进行避障,从而达到避障功能。实验表明,智能小车功能符合要求,系统运行具有较好的稳定性和实用性。该技术可应用于无人驾驶、遥控汽车玩具、智能轮椅、扫地机器人等领域。

基于ATmega16高精度智能避障小车的设计

设计以AVR单片机ATmega16作为控制核心,以重力作为驱动力的驱动方式,配合红外传感器、光电码盘等检测元件及供电装置,共同构成智能避障循迹小车。采用C语言作为编程控制语言,进行算法设计,进而实现小车的前进、转向、变速等的功能,最终达到智能循迹、智能避障、变速调节的目的。

机器视觉在无人机智能避障的应用

近年来,随着信息技术的不断进步,自主导航多旋翼无人机飞行器无论是在民用还是军用方面都得到了迅速发展。而机器视觉技术的崛起和发展更为无人机在智能避障和自动跟踪技术方面有了更大的突破。本文旨在从机器视觉技术的角度出发,对无人机在该技术上的创新和应用做一次深入了解。