检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进势场法的机械臂动态避障规划

控制理论与应用 2018年第9期35卷 1239-1249页

作者：谢龙刘山浙江大学控制科学与工程学院浙江杭州310027

本文针对刚性机械臂提出了一种基于改进势场法的动态避障规划算法.势场产生只作用于机械臂末端的引力和作用于机械臂与障碍物最近点的排斥力,并依据动力学定律分别产生吸引速度和排斥速度.本文直接在笛卡尔空间中构造基于目标速度的吸... 详细信息

本文针对刚性机械臂提出了一种基于改进势场法的动态避障规划算法.势场产生只作用于机械臂末端的引力和作用于机械臂与障碍物最近点的排斥力,并依据动力学定律分别产生吸引速度和排斥速度.本文直接在笛卡尔空间中构造基于目标速度的吸引速度,使机械臂能够追踪动态目标;构造方向依据障碍物速度变化的排斥速度,使机械臂连杆也具备避开动态障碍的能力.最终两种速度在机械臂关节空间合成,为机械臂规划一条无碰路径并控制机械臂追踪动态目标.仿真结果证明了该方法的有效性.

关键词：人工势场法动态避障规划机械臂最近点

在线全文

学校读者我要写书评

暂无评论

机器人平滑抓取移动物体的运动规划方法

机械工程学报 2018年第19期54卷 10-17页

作者：张驰尚伟伟丛爽刘宜中国科学技术大学自动化系合肥230027 中国科学院合肥智能机械研究所合肥230031

结合机器视觉和运动规划方法,对动态环境中移动物体的平滑抓取进行了研究。设计了一种运动物体跟踪算法,能够实现无障碍环境下移动物体的平滑抓取;针对环境中存在动态障碍物的情况,设计了一种基于排斥矢量的动态避障算法,与运动物体跟... 详细信息

结合机器视觉和运动规划方法,对动态环境中移动物体的平滑抓取进行了研究。设计了一种运动物体跟踪算法,能够实现无障碍环境下移动物体的平滑抓取;针对环境中存在动态障碍物的情况,设计了一种基于排斥矢量的动态避障算法,与运动物体跟踪算法相结合,实现了机器人先避障后平滑抓取;基于机器人操作系统(Robotoperatingsystem,ROS)框架,在5自由度的KUKA Youbot机械臂平台上实现了无障碍环境下对传送带上物体的平滑抓取,以及动态障碍物环境中的平滑抓取,试验结果验证了所设计算法的优越性。

关键词：动态环境平滑抓取动态避障物体抓取

融合改进RRT和Dijkstra算法的机器人动态路径规划

在线全文

学校读者我要写书评

暂无评论

组合机床与自动化加工技术 2023年第2期 5-9页

作者：马新国马希青河北工程大学机械与装备工程学院邯郸056038

针对传统RRT算法在规划中随机性过大,节点利用率低且得出的路径并非最优等问题,从3个方面进行改进。首先,针对RRT在随机点采样过程中无方向性的问题,设置目标节点采样率,每次采样时目标点有几率成为采样点,使路径可以快速接近目标点;其... 详细信息

针对传统RRT算法在规划中随机性过大,节点利用率低且得出的路径并非最优等问题,从3个方面进行改进。首先,针对RRT在随机点采样过程中无方向性的问题,设置目标节点采样率,每次采样时目标点有几率成为采样点,使路径可以快速接近目标点;其次,动态设置步长使机器人能根据周围障碍物数量动态调整步长,减少迭代步数;最后,在得到RRT算法规划出的一条可行路径后,向周围扩展可行区域,将可行区域栅格化,通过Dijkstra算法找出可行区域中的最短路线,优化RRT算法得出的路线。最后将所获得的全局路径分段采用动态窗口算法。将RRT-Dijkstra融合算法与RRT算法、Dijkstra算法以及动态窗口算法在路径拐点数量以及路径长度等方面进行对比。实验表明,RRT-Dijkstra融合算法更高效,得到的路径更优。结合动态窗口算法后且能实现动态避障。

关键词：优化改进RRT算法 Dijkstra算法改进动态窗口法融合算法动态避障

融合改进A^(*)蚁群和滚动窗口法的平滑路径规划

在线全文

学校读者我要写书评

暂无评论

计算机科学与探索 2021年第10期15卷 1969-1979页

作者：殷绍伟彭力戴菲菲物联网技术应用教育部工程研究中心(江南大学物联网工程学院) 江苏无锡214122 台州市产品质量安全检测研究院浙江台州318000

针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A^(*)蚁群算法与滚动窗口法的平滑路径规划方法。首先,用改进的A^(*)算法初始化蚁群信息素,解决前期蚁群效率低的... 详细信息

针对蚁群算法应用于移动机器人路径规划时,出现的死锁、收敛慢、易陷入局部最优以及路径不平滑的问题,提出了一种融合改进A^(*)蚁群算法与滚动窗口法的平滑路径规划方法。首先,用改进的A^(*)算法初始化蚁群信息素,解决前期蚁群效率低的问题。然后,改进状态转移概率函数,在函数中考虑可行路径“活跃度”以及终点位置,避免死锁现象。同时,基于不平等原则机制更新蚁群的信息素,避免陷入局部最优路径,加快算法的收敛速度。其次,融合滚动窗口法,在全局路径规划的基础上,结合动态避障策略进行局部实时路径规划。最后,使用贝塞尔曲线对所规划出的路径进行平滑度处理,使平滑后的路径更加接近实际运动路径。为确保算法表现出最好的性能,利用带精英策略的遗传算法对该算法中的参数进行自主优化选择。三组实验结果表明,无论是简单还是复杂的静态或动态障碍物存在的环境中,该算法均有不错的效果。

关键词：路径规划蚁群算法(ACO) A^(*)算法滚动窗口法遗传算法(GA) 贝塞尔曲线动态避障

在线全文

学校读者我要写书评

暂无评论

在密集人群环境下机器人导航算法研究

在密集人群环境下机器人导航算法研究

作者：李海明齐鲁工业大学

学位级别：硕士

随着人工智能技术的发展,机器人与人类生活越来越密切,机器人逐渐成为了人类生产和生活中的好帮手,既能够代替人类从事复杂的劳动,也能在生活中改善人类的生活质量,小到扫地做饭、大到汽车生产。但是目前的大部分机器人并不是理想型的... 详细信息

随着人工智能技术的发展,机器人与人类生活越来越密切,机器人逐渐成为了人类生产和生活中的好帮手,既能够代替人类从事复杂的劳动,也能在生活中改善人类的生活质量,小到扫地做饭、大到汽车生产。但是目前的大部分机器人并不是理想型的智能机器人,只能在简单的环境中从事着简单的劳动。在复杂的环境下,尤其是在人与机器人共存的复杂环境下,如何实现机器人自主应对复杂多变的人与机器人共存的复杂环境变成了一个有待解决的问题。因此,本文以移动机器人为研究对象,针对移动机器人在密集人群环境下导航的问题进行算法研究,主要研究内容如下:（1）针对现有基于深度强化学习的导航算法不处理多帧数据之间的时间序列信息,不考虑行人未来的运动状态等问题,提出了基于部分可观测强化学习的导航算法设计算法。不考虑行人未来的运动状态,将导致算法的规划决策能力出现近视的问题,无法从导航过程的全局考虑导航的最优性,进而导致机器人在人群中绕行,甚至导航失效等问题。基于部分可观测强化学习的导航算法设计算法在深度强化学习中使用部分可观测马尔可夫决策过程模型代替了强化学习框架中的马尔可夫决策过程模型,将相邻帧的观测数据之间的交互纳入强化学习网络,克服了现有基于强化学习的机器人导航算法只考虑当前帧而导致的短视问题。（2）针对基于无模型强化学习的导航算法需要大量训练数据、样本采样率低、泛化能力很差,当使用环境发生变化时需要重新训练强化学习模型等问题,提出了基于人工势场与有模型强化学习的导航算法设计。在基于人工势场与有模型强化学习的导航算法中本文将环境模型的训练与强化学习控制策略的分离设计,可单独训练环境模型,实现了针对不同环境可以即使更换环境模型的效果,增强了算法的泛化能力。本文基于模型预测控制算法设计了基于人工势场与有模型强化学习的导航算法,将基于神经网络的环境模型作为模型预测控制的模型预测模块,将基于人工势场法的路径规划算法作为模型预测控制的模型规划模块,使三种算法相互结合形成新的混合导航算法。相比于基于无模型强化学习的机器人导航算法,该算法在导航环境的变化后不需要重新训练强化学习模型,克服了现有基于无模型强化学习的机器人导航算法样本采样率低、泛化能力差等问题。

关键词：移动机器人强化学习动态避障密集人群

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度强化学习的AUV动态避障方法研究

基于深度强化学习的AUV动态避障方法研究

作者：罗孝坤哈尔滨工程大学

学位级别：硕士

避障规划技术是水下自主航行器(Autonomous Underwater Vehicle,AUV)领域的重要技术之一,贯穿了AUV水下航行的始终。本文重点研究复杂动态环境下的避障方法,以某巡检AUV为研究对象,针对该型AUV在动态未知水下环境执行固定水深梳状搜索... 详细信息

避障规划技术是水下自主航行器(Autonomous Underwater Vehicle,AUV)领域的重要技术之一,贯穿了AUV水下航行的始终。本文重点研究复杂动态环境下的避障方法,以某巡检AUV为研究对象,针对该型AUV在动态未知水下环境执行固定水深梳状搜索巡检任务以及AUV自主回收过程,整个工程应用过程中AUV遭遇的动态避障问题为典型科研问题背景,结合人工智能技术,将深度强化学习应用到AUV避障方法中,以提升动态环境下AUV的避障决策能力,保障AUV执行使命任务过程中的安全。主要研究以下几点内容:首先,本文提出了基于深度强化学习方法(Deep Reinforcement Learning,DRL)的AUV端到端避障框架结构,将水下自主航行器数学建模、传感器系统、避障方法、深度强化学习系统、动作执行控制系统等有机的结合起来,该框架将用于指导后续具体工程任务场景的动态避障方法设计。其次,本文提出在传感器探测数据与避障规划之间,添加AUV避障感知端,考虑AUV传感器水下观测结果的量测误差,使用交互多模型-扩展卡尔曼滤波状态预测估计算法(Interacting Multiple Model-Extended Kalman Filter,IMM-EKF),进行去噪声处理,并对探测到的障碍物运动状态的进行估计和预测,提高了避障方法的可靠性。试验表明采用IMM-EKF障碍物状态预测估计算法相比于改进前的扩展卡尔曼滤波预测算法Extended Kalman Filter,EKF),能有效适应障碍物的运动变化过程,大大提高了机动障碍物的运动状态预测准确性,满足了避障行为对预测精度的要求,可为AUV在面对定深梳状巡检任务、自主回收过程中的动态避障方法的设计,提供较为精确的障碍物感知输入。再次,针对本文巡检AUV载体,在动态未知水下环境执行固定水深梳状搜索巡检任务中,为解决此类场景复杂、多任务、多约束条件下水平面避障规划问题,本文结合深度神经网络(Deep Q Network,DQN)算法,提出基于多行为网络调用的AUV任务自主决策的方法,并在基于DRL的端到端避障框架下,提出了基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法的自适应比例积分微分控制(Proportional Integral Derivative,PID)算法(命名为:DDPG-PID控制算法)的AUV二维动态避障决策方法。最后开展的了一系列相关仿真试验验证了本文方法的有效性,最终单步避障决策时间小于0.5秒,提高了AUV巡检作业时的安全性。最后,针对巡检AUV三维未知水域自主回收过程中,传统避障方法难以处理三维空间栅格维数爆炸问题与庞大的环境感知信息数据量,本文基于DRL的端到端避障框架结构,对水平面自主避障决策过程方法改进,提出了基于深度强化学习的三维空间避障行为学习训练系统,系统核心为基于二叉树-深度确定性策略梯度(Sum Tree-Deep Deterministic Policy Gradient,Sum Tree-DDPG)算法的三维自主避障决策方法,该方法在避障行为训练学习过程相比于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)算法效果突出,能得到有效的避障策略。仿真试验结果表明,与改进前的DDPG算法和传统的人工势场法相比,其中基于Sum Tree-DDPG算法的三维自主避障决策方法在不同的障碍物的复杂场景以及海流干扰下,均可有效指导AUV动态规避障碍物,能保障AUV自主回收过程的安全,并通过指标验证,在工程应用中具有很高的可行性与应用价值。

关键词：水下自主航行器动态避障深度强化学习自主决策

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

移动机器人多模态融合跟随与动态避障研究

移动机器人多模态融合跟随与动态避障研究

作者：税翔西安理工大学

学位级别：硕士

随着工业技术的不断发展,服务类机器人的需求不断增大。对于跟随类服务机器人“跟随”系统设计中的一个流行趋势是传感器融合,因为单一传感器难以适应复杂多变的环境,多个传感器融合系统的组合使用可以显著提高避障跟随系统的可靠性。... 详细信息

随着工业技术的不断发展,服务类机器人的需求不断增大。对于跟随类服务机器人“跟随”系统设计中的一个流行趋势是传感器融合,因为单一传感器难以适应复杂多变的环境,多个传感器融合系统的组合使用可以显著提高避障跟随系统的可靠性。本文采用了超宽带技术、激光雷达与红外传感阵列对移动机器人跟随与动态避障系统进行了设计和研究。其中超宽带通信技术(UltraWideBand,UWB)作为目标定位与跟随,激光雷达用于检测障碍物与机器人相对位置信息,红外传感器阵列用于检测前方通过的障碍物运动方向。提出改进动态窗口法(Dynamic Window Approach,DWA),改进了评价函数评价指标减小轨迹长度,降低到达目标点时间的同时提升算法效率,在机器人运动与避障过程中设计了多模态信息的融合决策方法。最后在ROS系统下采用Turtlebot2机器人在不同的复杂场景下进行了跟随与避障实验验证。具体研究内容如下:1.根据UWB的性能特性设计了移动机器人目标定位与跟随算法,针对跟随过程中出现动态障碍物的问题,构建了基于激光雷达与UWB多传感器融合的跟随与避障系统。激光雷达用于实时检测跟随轨迹上的障碍物,UWB获取目标定位信息进行目标跟随。设计了激光雷达障碍物检测与UWB定位跟随决策融合算法,机器人通过激光雷达实时获取障碍物相对位置信息,选择合适的运动方向实现跟随过程中的动态避障。2.红外传感器在机器人领域具有广泛应用,针对单个红外传感器无法获取障碍物距离之外的其它信息,本文设计了红外传感器阵列行人(或障碍物)检测系统,不仅能探测运动目标距离信息还能识别目标的运动方向。当运动目标通过红外阵列时,该系统检测到红外反射回波信号转换为目标距离信息,采用K-means聚类分析把运动目标信号从背景噪声中分离出来,再经过最小二乘拟合提取目标运动方向特征,最后通过分类器对八种不同运动方向进行有效感知分类。3.针对DWA算法未考虑到待评价轨迹的方向性,运动的平滑性及到达目标点的快速性等缺点,综合考虑生成的待评价轨迹的方向性、机器人运动的平滑性及到达目标点的快速性等性能指标,通过增加障碍物评价子函数与速度评价子函数,同时改变障碍物评价函数与速度评价函数权重,对DWA算法进行了改进。改进DWA避障算法降低了机器人到达终点所需要的时间,减少了轨迹长度从而提高了算法规划效率。综上所述,本文设计了基于UWB与激光雷达多模态融合的跟随避障系统,并在真实环境下对该系统进行了机器人实验验证。实验结果表明所提出的基于UWB与激光雷达结合的移动机器人跟随避障系统能够在复杂场景下实现人体目标稳定跟随,并且能够实时有效规避目标跟随轨迹上出现的未知动态障碍物。此外,红外传感器阵列可准确检测与识别行人的八种运动方向,平均识别准确率最高达到0.83以上,实验结果验证了本文提出的基于红外传感器阵列对目标运动方向进行准确探测与识别的可行性。

关键词：移动机器人目标定位与跟随运动方向识别多模态融合动态避障

基于时间弹性优化的移动机器人运动规划方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于时间弹性优化的移动机器人运动规划方法研究

作者：吴汉钊中南大学

学位级别：硕士

随着人工智能技术的不断发展与相关政策的大力支持,国产机器人发展迅速,自动化、智能化程度逐年提高。运动规划是机器人系统中的关键技术,而非结构化狭窄道路与动态复杂环境制约了运动规划技术在实际场景中的应用。因此,本文将从移动机... 详细信息

随着人工智能技术的不断发展与相关政策的大力支持,国产机器人发展迅速,自动化、智能化程度逐年提高。运动规划是机器人系统中的关键技术,而非结构化狭窄道路与动态复杂环境制约了运动规划技术在实际场景中的应用。因此,本文将从移动机器人全局路径规划、局部轨迹规划与动态避障三个方面展开研究。具体内容如下:(1)在全局路径规划方面,传统方法在求解速度与安全性上存在缺陷。本文在Soft Actor-Critic(SAC)算法的基础上融入人工势场模型并扩展了网络结构,提出了PF-SAC算法。该方法首先构建了运动风险势场模型。然后利用统一运动风险场对新增的两个Critic网络进行监督学习。同时将预测值加入到Actor网络的优化目标函数中,从而引导智能体选择势场更小的状态。此外,为了适应全局环境的改变,本文提出了基于运动风险评估的PF-SAC-Risk算法。该方法首先通过蒙特卡洛随机采样法计算机器人位姿的风险值,然后将风险值作为新状态输入网络以适应环境的变化。实验结果表明本文提出的方法比传统的全局路径规划方法耗时更低、路径质量更高。与深度强化学习方法相比,收敛速度更快、路径安全性更高。(2)在局部轨迹规划方面,本文在时间弹性带(Timed-Elastic-Band,TEB)算法的基础上进行改进,重构其优化框架,提出了基于窄路时间弹性带的局部轨迹规划方法,以克服非结构化狭窄道路场景下,非完整约束机器人速度规划曲线不平滑、倒车不安全的问题。本文在内层优化循环中引入Jerk约束来限制轨迹速度的突变。Jerk约束通过欧拉差分法进行表达,以软约束的形式纳入图优化框架中作为优化目标进行求解,从而提高速度规划的平滑性。此外,在外层规划循环中设计了窄路倒车策略。通过判断机器人航向与全局路径的相对方向来修正局部目标参考航向,从而生成小曲率倒车轨迹,取代大曲率ReedsShepp(RS)泊车轨迹。进一步提高窄路场景局部轨迹规划的平滑性与安全性。(3)在动态避障方面,针对TEB算法存在优化终点不可达与易陷入局部极小的问题,本文提出了基于凸优化时间弹性带的动态避障方法。该方法由基于路径几何采样的局部目标更新策略与基于局部A*路径引导的动态避障方法组成。两者均从开辟凸空间的角度出发,将搜索空间凸化,进而将优化求解方向引导到全局最优解。基于路径几何采样的局部目标更新策略通过搜索备选采样点集寻找安全可达的局部目标,从而提高初始解的质量。基于局部A*路径引导的动态避障优化算法采用局部A*路径开辟凸空间,后续图优化基于该初始解进行,从而得到一条安全、平滑、无碰撞的局部轨迹。最后,通过仿真实验与实车实验验证了本文提出的动态避障算法的有效性与优越性。图60幅,表20个,参考文献78篇

关键词：移动机器人运动规划全局路径规划局部轨迹规划动态避障

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于城市作战仿真的地面机动系统的研究

基于城市作战仿真的地面机动系统的研究

作者：孙博重庆理工大学

学位级别：硕士

在城市作战仿真中,地面机动系统作为控制单位在场景中运动的基础模块之一,既是各机动单位在场景中能够可靠运动的前提,也是评估仿真结果可靠性的核心指标。在尺度巨大且环境复杂的城市作战场景中,对众多的可运动单位进行实时的路径规划... 详细信息

在城市作战仿真中,地面机动系统作为控制单位在场景中运动的基础模块之一,既是各机动单位在场景中能够可靠运动的前提,也是评估仿真结果可靠性的核心指标。在尺度巨大且环境复杂的城市作战场景中,对众多的可运动单位进行实时的路径规划和运动过程中的动态避障是一个十分具有挑战性的任务。其难点主要有以下三个方面:第一,地图中的场景比较复杂,单一数据格式无法组织地图中所有场景,需要用多种不同形式的地图数据进行建模,并将建模好的各类型地图有效衔接在一起;第二,庞大的地图衍生出的搜索空间巨大,求解所消耗的时间随着节点数目的增长呈指数级增长,使得诸如A*、D*和Dijkstra等路径搜索算法无法满足系统的实时性需求;第三,机动单位在场景中运动时的互相干扰,以及作战时静态环境的改变,从而产生动态避障问题。针对于以上问题,本文主要做了以下工作:(1)针对城市作战仿真场景尺度大且环境复杂,单一数据格式的地图无法组织地图中所用场景的问题,本文构建分类分层的地图系统,为寻径和避障任务提供有效的地图支撑。(2)为了满足寻径的实时性要求,本文提出了多种改进的寻径算,在局部寻径中提出了基于预训练和分段寻径的寻径算法,使得局部寻径效率得到了显著的提升;在路网寻径中,提出了利用聚类算法建立子网络并构建子路由的路由构建方法,使得路网寻径的效率得到了显著的提升;在室内寻径中,通过增加辅助线,提出了用于室内寻径的中轴线算法,显著的提升了室内寻径的效率。(3)为了提高避障的效率,本文提出了多种改进的避障算法。提出了一种八相位图的避障判断算法,配合基于规则的行为树模型进行避障决策,显著的提升了局部避障效率;提出了一种双向标记链路和基于规则的行为树路网避障模型;针对室内避障,本文提出了基于规则的中轴线避障算法和基于社会力模型(SFM)的改进ORCA算法。

关键词：城市作战仿真地面机动系统局部寻径路网寻径室内寻径动态避障 ORCA算法社会力模型SFM