基于D-S理论和神经网络的多传感器信息融合方法

针对自主式移动机器人,以“海福利-IV”机器人为试验平台,提出了基于神经网络和D-S理论相结合的多传感器信息融合方法,较好的解决了复杂背景环境中多传感器信息融合问题,实现了自主式移动机器人稳定的沿固定轨迹寻线并识别标志,并通过实验证明了此方法的有效性。

增强蚁群算法的机器人最优路径规划

为解决复杂环境中机器人最优路径规划问题,本文结合增强学习和人工势场法的原理,提出一种基于增强势场优化的机器人路径规划方法,引入增强学习思想对人工势场法进行自适应路径规划.再把该规划结果作为先验知识,对蚁群算法进行初始化,提高了蚁群算法的优化效率,同时克服了传统人工势场法的局部极小问题.仿真实验结果表明,该方法在复杂环境中,对机器人的路径规划效果令人满意.

移动机器人智能寻线导航与策略控制

寻线导航是移动机器人寻航方式之一,为使机器人沿地面标志线自主运动,并能在适时离线执行任务后自动返航,提出一种具有学习功能的智能寻线导航与策略控制方法以及系统模型,并将其应用于自行开发研制的导医机器人中.基于调制光检测原理,通过状态评判网络对多传感器信息进行融合,通过Q学习方法获得离线走失后的最优控制策略,实现了机器人在各种复杂未知环境下稳定、可靠地工作.实验结果表明,该方法可以有效地提高机器人的适应性和智能度.

基于多传感器信息的自主式机器人模糊控制

通过对自主式机器人(AMR)运动学特性的研究,结合人工驾驶的知识经验和自主式机器人的角速度-线速度函数模型,设计了基于多传感器信息的机器人模糊控制系统。利用单输出模糊控制器实现对AMR的运动控制,便于单片机系统的实现,有助于提高控制系统的实时性。实验结果表明了所提出方法的有效性。