一种多模式轮腿移动机器人的设计与分析

移动机器人作为智能勘探与侦察的自动化装备,在航天探测、抢险救灾等领域具有广阔的应用前景.轮腿式移动机器人因具有良好的机动性与越障能力而受到青睐.然而现有轮腿式移动机器人机身大多不可变形,导致机器人运动模式较少,地形适应性一般.且机身易与障碍物发生碰撞,无法在具备良好的爬坡能力的同时保证跨越障碍物的效率.针对上述问题,本文提出了一种采用多连杆可变形机构作为机身的轮腿式移动机器人.在设计机器人轮腿及可变形机身的基础上,建立机器人整体运动学模型,据此规划机器人3种运动模式:同步步态、翻滚步态和蜷曲-伸展步态.开展机器人在典型地形(平坦地面、松软地形、上升坡度、下降坡度、障碍物)下的运动性能分析,揭示机器人结构参数与地形特征(爬坡角度、障碍物高度)映射关系.最后基于理论分析结果搭建物理样机并开展实验.实验结果表明,本文所设计的多模式轮腿移动机器人的最大爬坡角度和越障高度分别为44°和28 mm,具有良好的爬坡能力与越障性能.此外,得益于多模式运动特点,机器人在包含平坦地面及松软地形在内的多地形下均具有良好的通过性,验证了机器人方案的可行性.本文为多模式轮腿运动机器人的设计与应用提供有益参考.

基于改进APF-QRRT^(*)策略的移动机器人路径规划

针对Q-RRT^(*)算法在路径规划过程中无法兼顾可达性和安全性的问题,提出一种改进APF-QRRT^(*)(IAPF-QRRT^(*))路径规划策略。IAPF-QRRT^(*)策略通过Q-RRT^(*)算法获得一组连接起点到终点的离散关键路径点,较传统的快速搜索随机树(RRT^(*))算法具备更好的初始解和更快的收敛速度。改进传统人工势场(APF)方法获得一种新的无势正交向量场,在一定条件下使整体排斥向量场与吸引向量场正交,并将其作用于关键路径点,从而提高路径的安全性。将IAPF-QRRT^(*)策略与其他算法比较,通过数值模拟实验证明了所提策略的有效性。

基于深度学习的移动机器人语义SLAM方法研究

为了给移动机器人提供细节丰富的三维语义地图,支撑机器人的精准定位,本文提出一种结合RGB-D信息与深度学习结果的机器人语义同步定位与建图方法。改进了ORB-SLAM2算法的框架,提出一种可以构建稠密点云地图的视觉同步定位与建图系统;将深度学习的目标检测算法YOLO v5与视觉同步定位与建图系统融合,反映射为三维点云语义标签,结合点云分割完成数据关联和物体模型更新,并用八叉树的地图形式存储地图信息;基于移动机器人平台,在实验室环境下开展移动机器人三维语义同步定位与建图实验,实验结果验证了本文语义同步定位与建图算法的语义信息映射、点云分割与语义信息匹配以及三维语义地图构建的有效性。

基于卷积神经网络的移动机器人声源定位方法综述

听觉系统是机器人感知周围环境信息的重要途径之一,精准有效地进行声源定位,可极大提高移动机器人的感知与决策能力。将声源定位应用于危险环境救援与巡检具有重要工程意义。随着深度学习的广泛应用,引入卷积神经网络(convolutional neural networks, CNNs)的声源定位效果显著改善。将移动机器人声源定位研究从网络架构与改进、声音特征类型、数据仿真与增强,以及多模态信息融合四个角度进行综合对比及分析,并对技术的应用提出思考与展望。

基于改进蚁群算法的移动机器人路径规划

针对传统蚁群算法在移动机器人路径规划中存在搜索盲目性、收敛速度慢及路径转折点多等问题,提出了一种基于改进蚁群算法的移动机器人路径规划算法。首先,利用跳点搜索(Jump Point Search,JPS)算法不均匀分配初始信息素,降低蚁群前期盲目搜索的概率;然后,引入切比雪夫距离加权因子和转弯代价改进启发函数,提高算法的收敛速度、全局路径寻优能力和搜索路径的平滑程度;最后,提出一种新的信息素更新策略,引入自适应奖惩因子,自适应调整迭代前、后期的信息素奖惩因子,保证了算法全局最优收敛。实验仿真结果表明,在不同地图环境下,与现有文献结果对比,该算法可以有效地缩短路径搜索的迭代次数和最优路径长度,并提高路径的平滑程度。

基于BRS-RRT^(*)算法的移动机器人路径规划

针对Informed-RRT^(*)算法在路径规划中收敛速度低、目标性差且所得轨迹不平滑的局限性,提出一种面向目标的区域采样双向RRT^(*)算法。首先,引入双向贪婪搜索策略获得采样点,加快算法搜索速度的同时改变随机树的扩展规则,增强其目标导向性;其次,得到初始解后,于轨迹节点附近展开形成启发式采样区域,在该区域内通过节点重构策略不断迭代,优化路径长度;最后,采用中间点插值和三次样条曲线相结合的方法,完成对路径的平滑处理。仿真实验表明,改进算法能够在不同环境地图中以更短的运行时间生成节点数更少、代价更小、更为平滑的路径。

融合改进A^(*)算法与动态窗口法的移动机器人路径规划

为解决移动机器人在随机障碍物环境的导航过程中,使用A星(简称A^(*))算法出现碰撞导致路径规划失败的问题,设计了一种融合改进A_(*)算法和动态窗口法(dynamic window approach,DWA)的全局动态路径规划方法。首先,从以下两方面改进传统A^(*)算法:混合使用4邻域和8邻域A^(*)搜索算法,与通过删除冗余路径点和转折点来提高路径的平滑性;接着将改进A^(*)算法与DWA融合,利用融合算法使移动机器人进行全局实时动态路径规划。Matlab仿真试验结果表明,改进后的A^(*)算法较传统A^(*)算法不会使机器人穿越障碍物及其顶点,这有效减少了碰撞,从而提高了安全性;融合DWA后,在获得全局最优路径的基础上,能避开静态随机障碍物和动态障碍物,这证明了融合算法有良好的路径规划能力。

基于深度强化学习的移动机器人三维路径规划方法

针对三维未知环境中存在的高复杂度和不确定性的问题,提出一种在有限观测空间优化策略下基于深度强化学习的移动机器人三维路径规划方法。首先,在有限观测空间下采用深度图信息作为智能体的输入,模拟移动受限且未知的复杂三维空间环境;其次,设计了两阶段离散动作空间下的动作选择策略,包括方向动作和位移动作,以减少搜索步数和时间;最后,在近端策略优化(PPO)算法基础上,添加门控循环单元(GRU)结合历史状态信息,以提升未知环境中搜索策略的稳定性,进而提高规划路径准确度和平滑度。实验结果表明,相较于A2C(Advantage ActorCritic),所提方法的平均搜索时间缩短了49.07%,平均规划路径长度缩短了1.04%,同时能够完成线性时序逻辑约束下的多目标路径规划任务。

基于ESP32的智能履带式移动机器人的设计

随着计算机和机器人技术的不断发展,移动机器人呈现出广泛的应用前景.作为移动机器人的一种,履带式移动机器人可以在危险恶劣的环境中开展工作.研究了一种基于ESP32开发板的智能避障系统,该系统集成了多个传感器和执行器,能够实现自主避障、智能显示障碍物位置信息以及播放音乐等功能.通过详细的硬件设计、软件开发和控制系统分析,对履带式移动机器人进行了系统性的研究.实验结果表明,该机器人具有较高的稳定性和可靠性,能够实现履带式移动机器人的设定功能.研究结果对履带式移动机器人的系统设计提供了新的思路和方法,为进一步拓展移动机器人在救援及其他相关领域的应用奠定了基础.

移动机器人导航路径的自主学习粒子群规划方法

为了减小移动机器人行驶路径长度,提出了基于自主学习粒子群算法的导航路径规划方法。以减小路径长度为目标建立了路径规划模型;为了防止机器人发生碰撞,给出了障碍物膨化处理方法。在粒子群算法中引入了由多种粒子学习策略组成的学习策略池,并给出了粒子对学习策略进行选择的自主学习策略,从而提出了具有较强进化能力的自主学习粒子群算法。经算法性能测试,自主学习粒子群算法的优化能力强于传统粒子群算法和文献[11]改进粒子群算法;将自主学习粒子群算法应用于简单场景和复杂场景的路径规划,该算法规划的路径均值和标准差均小于传统粒子群算法,验证了自主学习粒子群算法在机器人路径规划中的优越性。

具有速度突变抑制的全向移动机器人视觉伺服预测控制

在全向移动机器人视觉伺服任务过程中,为了解决由特征点的变化、车轮打滑、动态障碍等情况导致的速度突变问题,提出了一种基于神经动力学的quasi-min-max MPC视觉伺服策略。因为视觉误差的突变是引起速度突变的主要原因,所以该策略引入神经动力学模型对视觉误差进行处理,建立基于神经动力学的移动机器人视觉伺服线性参数时变预测模型,采用quasi-min-maxMPC策略获得最优速度解,从而抑制速度的突变,最终保证移动机器人能够以一个平滑的速度到达期望位姿。仿真结果验证了所提策略在抑制速度突变上的有效性。

具有不确定滑转的轮式移动机器人轨迹跟踪控制方法

轮式移动机器人在松软复杂地形条件下容易发生车轮滑转,影响轨迹跟踪精度.为提高机器人在该情况下的轨迹跟踪准确性,提出了一种基于容错控制的自适应滑转补偿控制器.首先,考虑车轮滑转率建立了四轮移动机器人运动学模型,并构建了相应的轨迹跟踪误差模型;然后,根据容错控制方法设计了滑转补偿项,并基于Lyapunov稳定性理论证明了自适应滑转补偿控制器的稳定性,实现了对由车轮滑转引起的速度误差的准确补偿;最后,利用四轮移动机器人进行了两种工况下的实验验证.结果表明,设计的控制器能够使移动机器人在未知的车轮滑转率条件下准确跟踪理想路径,并且相较于常规控制器有更强的鲁棒性和更高的跟踪精度.

基于激光雷达的自主移动机器人实验教学平台设计

为培养高素质复合型的“新工科”人才,满足相关课程的实验教学需求,设计了基于激光雷达的自主移动机器人实验教学平台。平台涉及机械设计、机器人操作系统开发、同时定位与地图构建(SLAM)、路径规划等相关理论知识。利用平台开发了Rviz可视化界面、SLAM仿真、室外建图、路径规划等实验项目。实验结果表明,自主移动机器人软硬件系统的基本性能良好,相关SLAM算法、路径规划方法具有可行性。通过该平台开展实验教学,可以显著提升学生解决工程实际问题能力和创新实践能力。

改进遗传算法的移动机器人避障路径规划

为解决复杂多变环境下,常规路径规划算法生成路径长、不连贯、存在多余转折点和大转折角度、容易碰撞障碍物等问题,提出一种改进遗传算法的动态避障算法.结合行间随机选择策略和A*算法插入中间点策略改进初始化算法;在传统遗传算法中设置障碍物安全距离,引入删除和优化算子,优化适应度函数;采用动态窗口法结合改进遗传算法得到路径最优解.结果表明:改进后算法生成的路径平滑,与A*算法、某改进遗传算法相比,路径更短、碰撞次数更少,在复杂动态环境下具有良好的避障性能,为移动机器人在现实场景中的安全、高效导航提供了可行的解决方案.

基于深度学习的森林移动机器人树干检测

基于视觉导航的森林移动机器人具有机器人作为边缘设备算力有限、导航效果受光照影响较大的问题。为此,提出一种轻量化的树干检测方法,该方法基于YOLOv7-tiny模型,采用可见光图像与热成像图像作为输入,导航效果受光照影响较小;同时采用基于部分通道卷积(Partial Convolution,PConv)的特征提取模块-部分通道卷积高效层聚合网络(Partial Efficient Layer Aggregation Networks,P-ELAN),对基准模型进行轻量化改进;在训练阶段用alpha-CIoU损失函数替换原始的CIoU损失函数,提高边界框回归的准确性。结果表明,所提出的森林移动机器人树干检测方法相较于原始YOLOv7-tiny模型参数量减少31.7%,计算量减少33.3%,在图形处理器(Graphics Processing Unit,GPU)和中央处理器(Central Processing Unit,CPU)上的推理速度分别提升了33.3%和7.8%。修改后的模型在保持对树干检测精度基本不变的基础上更加轻量化,成为部署在机器人等边缘设备上的理想选择。

基于小型移动机器人的高压架空输电线路融冰技术

高压架空输电线路在冬季会受到大量冰雪的覆盖,天气条件的多变会改变冰雪的形态和质地,导致以回波信号为基础的自动融冰方式,在存储回波干扰下,存在明显弊端。为此,研究基于小型移动机器人的高压架空输电线路融冰技术。采用搭载双目视觉传感器的小型机器人,实时捕捉线路的视频图像,提取视频图像中线路外观纹理特征,输入到神经网络当中,识别覆冰状态。利用相似三角形原理推导覆冰线路的三维空间坐标。利用比例积分微分控制(proportional-integral-derivative,PID),实现机器人机械臂越过障碍物后,利用携带的融冰装置铲除覆盖在电力线路上的冰层,完成融冰作业。结果表明:在融冰前输电线路的外观呈现模糊和不规则状态,融冰后输电线路区域变得清晰可见,露出了线路本身的颜色和纹理,表明融冰作业取得了显著的效果,证明了技术的有效性。

煤矿井下移动机器人激光标靶定位方法研究

针对煤矿井下巷道中移动机器人受环境影响,位姿感知难、定位精度低等难题,提出了一种以激光标靶作为定位基准的移动机器人精确定位方法。根据巷道环境特征与激光追踪检测原理,提出激光标靶网络分布式部署策略,构建基于激光标靶网络与激光追踪器的机身定位检测平台;依据已知巷道空间信息与激光标靶位置信息,构建巷道坐标系及位置信息数据库并内置于激光标靶,利用定位检测平台解算激光标靶在激光发射器坐标系下的实际位置信息,建立激光标靶在巷道坐标系与机身坐标系的关联关系;通过提取数据库中激光标靶的4个特征点坐标信息,将其作为输入数据引入激光发射器与激光标靶定位模型,通过EPnP (Efficient Perspective-n-Point)算法求解机身位置信息,并以激光标靶巷道坐标与实测坐标最小残差平方和表征机身位置误差,构建机身位置误差模型,利用列文伯格-马夸尔特(Levenberg-Marquardt, L-M)算法最小化机身位置误差,通过空间坐标转换得到移动机器人在巷道坐标系的精确位置信息。经试验验证:移动机器人沿巷道方向、宽度方向和高度方向位置测量最大误差小于11.33、8.12、8.57 mm;动态轨迹测量试验的实际位置与理论位置误差在巷道方向、宽度方向、高度方向最大误差率为2.74%、3.14%、2.36%,且保证了在转弯的复杂巷道中机身定位的稳定测量,满足煤矿井下移动机器人定位精度要求。

基于ROS-Matlab的移动机器人仿真研究

结合Linux下ROS系统高性能的仿真工具和跨平台兼容性,以及Matlab强大的计算能力、丰富的工具箱和函数库,通过建立ROS-Matlab的仿真控制系统,对移动机器人的关键技术进行研究。文中介绍了ROS-Matlab系统的框架和功能,首先,使用Gazebo构建2D仿真室内环境,通过Solidworks创建移动机器人模型,并将该模型以URDF文件形式导入ROS环境中;其次,利用SLAM_gmapping算法对仿真室内环境进行扫描建图,由Simulink发布目标点坐标和目标点导航话题,控制移动机器人完成导航任务;最后,由Simulink发布轨迹跟踪话题,控制移动机器人进行轨迹跟踪。通过仿真验证,由所建地图、目标点导航和轨迹跟踪曲线说明仿真系统的可行性,为机器人研究提供参考。

基于学习机制蚁群算法的移动机器人路径规划

针对U型障碍物环境中移动机器人路径规划问题,提出了一种学习机制蚁群算法。首先,为解决算法运行时间长的问题,引入邻域剔除,舍弃较差和对称路径;其次,为解决收敛速度慢的问题,运用禁忌策略,使蚂蚁快速逃离U型障碍物;然后,为解决路径死锁的问题,提出学习机制,不断舍弃死锁路径;最后,将该算法与其他改进算法进行仿真对比,结果表明学习机制蚁群算法相比对照组算法不仅缩短了运行时间,还提升了收敛速度,验证了该算法的优越性。

基于混沌求偶萤火虫算法的移动机器人路径规划

针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明:混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。