智能墙面抹灰机器人侧移运动轨迹规划

针对智能墙面抹灰机器人在狭窄的建筑空间快速进行工位转换的问题,基于阿克曼转向原理,提出了一种基于两段五次多项式和圆弧曲线的轨迹规划方法。方法将侧移运动路径分为后退和前进两段轨迹,通过采样的方式选取抹灰机器人在两段轨迹中间点和过渡点不同的位姿,规划出一系列曲率连续、满足路径约束的路径曲线。然后,采用最优函数获得一条运动空间小、工作效率高的最优轨迹。通过该方法在狭窄区域最佳施工位置进行工位转换仿真和样机试验,结果表明,采用上述方法规划的最优轨迹成功实现抹灰机器人自动工位转换,轨迹跟踪效果和规划轨迹基本吻合,验证了所提方法的可行性和有效性。

基于改进Hybrid A^(*)算法的阿克曼移动机器人路径规划

针对移动机器人路径规划的效率和所规划路径的安全性问题,基于阿克曼六轮转向模型,提出了一种基于改进Hybrid A^(*)算法的路径规划方法。通过改进Hybrid A^(*)算法中的启发式函数,引入距离惩罚函数,减少了节点搜索数量;通过构建安全走廊,引导移动机器人尽可能远离障碍物;在代价函数中加入了节点向前、换向和向后扩展的惩罚项,确保所规划路径的可执行性与安全性。通过仿真表明,基于改进Hybrid A^(*)算法的路径规划方法适用于阿克曼六轮移动机器人,提高了路径规划的效率,规划的路径更具安全保障。

基于阿克曼原理的车式移动机器人运动学建模

基于阿克曼原理的轮式移动机器人运动学模型对于无人驾驶车辆的研究有着重要的意义.对轮式移动机器人的运动学特性进行了分析,建立了不考虑滑行、刹车等的轮式移动机器人的运动学模型.对该运动学模型引入了阿克曼约束,给出了描述机器人运动状态的转向角、航向角和转弯半径等物理量的数学公式.最后对该运动学模型进行仿真实验,验证了所建立的运动学模型的正确性,为进一步研究轮式移动机器人提供了理论分析的基础.

阿克曼转向农业机器人的多级模糊控制避障

针对大田作业农业机器人避障问题,引入多级模糊控制策略,通过三角信息融合法处理超声波阵列信息,并采用齐次坐标变换获取全局坐标系下的障碍物信息,将其分别作为主、子模糊控制器的输入。主模糊控制器实时调整子模糊控制器的量化因子和比例因子,子模糊控制器通过模糊推理获得农业机器人的几何中心速度和等效前轮转向角,并依据阿克曼转向原理协调分配四轮驱动速度和转向角度。仿真实验表明:该控制方法能够使农业机器人规划的从起始状态到目标状态的无碰撞路径更加平滑,同时使农业机器人避障所需步数减少13%左右。

基于改进TEB算法的阿克曼机器人运动规划系统

TEB(timed elastic band)算法通过修饰全局路径规划生成的初始轨迹来优化机器人轨迹,得到一条满足机器人运动学动力学约束,避开障碍物,时间较优的轨迹。加速度的变化率过大会使机器人底盘电机输出的力矩突变引起机器人受到冲击震荡,加加速度的约束可使加速度的变化率限定在一个合理的范围,在TEB方法中缺少加加速度约束的基础上,对原始TEB算法进行改进,在轨迹优化过程中构建了具体的加加速度的约束,并在Stage仿真平台对改进TEB算法进行了仿真和在真实的阿克曼机器人上进行了实现,实验结果表明:得到的轨迹满足运动学、动力学,避开障碍物的要求而且平滑,真实机器人运动平顺。可见,改进的TEB算法适用于阿克曼机器人,规划的轨迹效果较好。

基于改进A^(*)与TEB算法融合的移动机器人路径规划

移动机器人在复杂环境中,利用传统A^(*)算法进行路径规划时,往往搜索效率低、转折点多、路径不平滑,且无法有效应对动态障碍物。本文提出了一种基于改进A^(*)与TEB算法融合的方案。通过设置虚拟膨胀区域、改进启发函数以及优化拐点选取策略,提高了算法的搜索效率与安全性,然后在全局最优的前提下融合TEB算法,实现移动机器人的动态路径规划。实验验证,融合算法能够有效提高搜索效率,实现路径平滑及动态避障,且满足阿克曼机器人的约束要求,具有良好的可行性与适应性。

新型巡检机器人移动底盘设计及越障性能分析

针对石化行业户外巡检工作设计了一款带有新型H型平衡摇臂机构的路面自适应巡检机器人移动底盘,该底盘采用新型“4h”对称结构实现底盘的四轮驱动和转向操作。在介绍底盘总体结构的基础上,分析了底盘驱动机构和转向机构的设计原理,建立了底盘阿克曼4WS转向和原地转向的理论模型,为机器人底盘运动控制提供了理论依据。对机器人底盘的单侧越障过程进行理论分析和仿真,并与普通一体式底盘越障过程进行仿真对比,研究了越障过程中底盘的行驶稳定性。最后,进行了底盘样机的转向模式实验和单侧越障实验,结果表明:该移动底盘能实现驱动和转向模式的切换,在进行单侧越障时底盘运动姿态平稳,具有良好的路面自适应能力和越障性能。

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。

基于阿克曼原理的集装箱装车机器人的设计与仿真

目前,集装箱装车机器人的设计较多使用AGV作为载具,即将机械臂等执行机构运入集装箱中进行箱式货物的装箱工作。创新地设计了一款使用双协作机械臂、基于阿克曼转向原理的集装箱装车机器人。通过四个位移传感器测量机器人与集装箱箱壁间的距离,实现了装车机器人在集装箱内的自定位。通过MATLAB仿真,验证了在初始误差不超过一定范围时,自定位方案的可行性。