基于多传感器信息融合的自主移动机器人导航算法研究

本文介绍了一种基于微控制器控制，以GPS为主要导航手段，且基于多传感器信息融合的自主移动机器人导航系统的软硬件设计思想及实现方法。重点讨论了基于栅格法的导航算法在微控制器系统中的实现。最后给出了该导航系统在比较典型的环境中实现导航与避障的实验结果。     

基于情感的控制策略及其在移动机器人导航中的应用

提出了一种基于情感的移动机器人导航控制策略。根据机器人的导航任务设计了一个情感系统,并与基于行为的机器人系统相结合,构造了基于情感的行为协调控制策略。仿真和比较研究结果表明该控制策略能有效地提高机器人在未知环境中自主导航的能力。     

基于AT89S52的移动机器人控制系统设计

本文介绍了三轮结构型移动机器人的运动控制系统的结构和工作原理,采用分级式控制的方法,以AT89S52作为底层控制系统的核心控制器,介绍了系统的硬件和软件设计。经过实验测试,能够满足移动机器人运动控制要求。     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足，提出了一种改进的遗传算法。首先，采用栅格法对机器人路径规划进行建模。然后，提出一种生成初始种群的方法和精英策略，设计出自适应变异概率，提高了算法的求解质量。同时，在规划过程中，将全局路径规划与局部路径规划相结合，并且根据机器人与动态障碍物碰撞类型的不同，提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法，能够有效地指导机器人在动态环境中实现避障，获得无碰最优或次优路径。     

并联式混合动力车能量控制策略设计(英文)

提出了一种新颖的能量控制策略的设计方法用于并联式混合动力车.首先用SQP算法求解最大系统效率问题以实现全局优化;然后用模糊控制系统来协调发动机和电池的工作点实现局部优化.模糊系统的模糊规则建立则是汲取了SQP优化结果,从而保证全局与局部的统一.计算机仿真结果表明,运用该能量控制策略的混合动力车能达到较好的燃料经济性.     

并行集成式工艺设计系统的研究

计算机辅助工艺设计（ＣＡＰＰ）在计算机集成制造（ＣＩＭ）中起着关键的作用，并行工程既是ＣＩＭＳ从信息集成到功能集成的主要方法，又是这类复杂系统的全局优化方法。本文基于并行工程思想，研究和探讨了并行集成式工艺设计模型，它是一个实用化ＣＡＰＰ系统的新模型，不仅能利用设计信息进行初步工艺设计，而且能根据车间环境的状态，充分利用制造工艺和车间环境的柔性产生优化的工艺方案。它是采用分层工艺规划的方法来实现的。系统模型由三个层次组成，即初步规划层，决策层和详细规划层。文中最后还讨论了实现并行集成式工艺设计系统的关键技术。     

基于动态遗传神经网络的方盒件成形多目标优化

针对板料成形优化中采用传统静态代理模型存在全局近似精度不高、超量选取样本点等问题,提出了多重近似精度收敛、逐步增添样本点的动态遗传神经网络(Genetic Algorithm Back Propagation Neural Network,GABP)建模方法。样本点增补策略根据动态模型的全局近似精度和局部近似精度分别按最大最小距离增补和局部最优解增补。将动态代理模型应用于NUMISHEET 93方形盒冲压成形优化问题,结合灰色关联理论将多目标问题转化为单目标问题并构造用于优化的迭代格式,实现了方盒件成形的多目标优化,有效地提高了方盒件成形质量和优化计算效率。     

基于MAS和RL的舰船设备协同控制方法

在构建舰船设备协同控制多智能体系统(MAS)过程中,各Agent之间存在某种内在的冲突、联系和规律,为了有效地发现和消解这些问题,引入智能控制解决方案和强化学习方法,能为MAS系统的构建提供有效的技术保障.本文提出了基于强化学习(RL)算法即改进的遗传算法并辅之以贝叶斯学习算法,来解决舰船MAS中各Agent中的任务分配问题、实现设备协同控制的优化和学习,并以舰船运动目标下的设备协同控制来具体验证上述算法,从而体现舰船运动控制MAS的可行性.     

基于策略迭代的空间系绳载荷捕获自适应最优控制（英文）

研究了基于空间系绳系统载荷捕获后的摆振控制问题。载荷捕获会造成系绳的摆振并导致系绳偏离标称位置。由于捕获后系统存在未知的动力学参数,提出了基于策略迭代的自适应最优控制算法,应用于载荷捕获后系绳系统摆动的稳定控制。通过引入积分强化学习方法,在系统动力学未知情况下在线求解代数黎卡提方程。为了避免迭代方程求解的计算负担,采用最小二乘方法在线实施策略迭代算法。最后,通过数值仿真验证了算法的有效性。     

磁悬挂天平导航控制系统的应用与研究

介绍了利用美国国家仪器有限公司(简称NI:National Instruments)的软件LabVIEW和硬件高速定时器/计数器,以及含步进电机的CCD线阵列式位置传感器支架来实现的磁悬挂天平MSBS(Magnetic Suspension and Balance System)导航控制系统,其中主要包括它的俯仰、左右和平动方向的导航控制.磁悬挂天平是进行风洞实验的理想装置,其基本核心技术之一就是进行导航控制.该系统基于LabVIEW7.0平台进行编程,具有操作界面友好直观、导航控制精度高、便于扩展等特点.磁悬挂天平导航控制系统是"30cm×30cm磁悬挂天平装置"及"30cm×30cm低速高品质气流风洞装置"的重要组成部分.     

A Generic Plug-and-Play Navigation Fusion Strategy for Land Vehicles in GNSS-Denied Environment

Achieving accurate navigation information by integrating multiple sensors is key to the safe operation of land vehicles in global navigation satellite system(GNSS)-denied environment. However,current multi-sensor fusion methods are based on stovepipe architecture,which is optimized with custom fusion strategy for specific sensors. Seeking to develop adaptable navigation that allows rapid integration of any combination of sensors to obtain robust and high-precision navigation solutions in GNSS-denied environment,we propose a generic plug-and-play fusion strategy to estimate land vehicle states. The proposed strategy can handle different sensors in a plug-and-play manner as sensors are abstracted and represented by generic models,which allows rapid reconfiguration whenever a sensor signal is additional or lost during operation. Relative estimations are fused with absolute sensors based on improved factor graph,which includes sensors' error parameters in the non-linear optimization process to conduct sensor online calibration. We evaluate the performance of our approach using a land vehicle equipped with a global positioning system(GPS) receiver as well as inertial measurement unit(IMU),camera,wireless sensor and odometer. GPS is not integrated into the system but treated as ground truth. Results are compared with the most common filtering-based fusion algorithm. It shows that our strategy can process low-quality input sources in a plug-and-play and robust manner and its performance outperforms filtering-based method in GNSS-denied environment.     

移动机器人视觉伺服仿真系统研究

采用基于单应矩阵的视觉伺服方法,利用机器人仿真工具箱（Robotics Toolbox for Matlab）,在Matlab／Simuiink环境下,构建移动机器人视觉仿真系统。仿真试验表明所构建的移动机器人视觉伺服系统的有效性。     

基于神经网络的机器人迭代学习控制

针对机器人动力学模型的不确定性和负载扰动,提出了一种采用神经网络的机器人迭代学习控制方法。该方法将反馈控制和神经网络学习控制相结合,反馈控制沿时间轴方向使关节运动跟踪期望轨迹,神经网络学习控制沿迭代轴方向使关节运动逼近期望轨迹。文中还给出了基于ＢＰ神经网络的学习控制算法。仿真结果表明,该方法能克服机器人动力学模型的不确定性和负载扰动,具有良好的鲁棒性和控制性能。     

三维物体平稳堆放概念的学习

提出在机器人动作规划控制系统中，增加学习模块，通过分析各种三维物体堆放的不稳定因素，从和平稳的正面例和堆放倒塌的反面例中，学习平稳堆放Ｓｔａｂｌｅ－Ｓｔａｃｋ概念。利用抽象的Ｓｔａｂｌｅ－Ｓｔａｃｋ概念，修正和改进机器人动作规划的制定以提高机器人自动化水平。     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

一种基于遗传算法的机器人补偿学习控制方法

机器人建模的不精确性以及一些扰动的存在给机器人控制增加了相当大的难度。针时这一问题，本文以PUMA560机器人为被控对象，给出了一种PUMA560机器人动力学模型的简化形式，采用PD控制的计算力矩法，得到了机器人的闭环动态误差方程，在此基础上设计了机器人的控制器结构，提出了一种新的基于遗传算法(Genetic algorithm，GA)的机器人补偿学习控制方法。将GA与计算力矩法相结合，利用进化学习来消除机器人中不确定因素的影响，实现时机器人轨迹跟踪的良好控制。最后给出了这种控制的仿真结果，验证了该方法的有效性。     

绝缘子清扫机器人的动力学建模及轨迹优化

研究了支柱型绝缘子带电清扫机器人伸缩臂运动引起升降臂振动的问题，将升降臂和伸缩臂分别建模为柔性臂和刚性臂，形成末端具有移动刚体的柔性臂系统，在假设模态法的基础上建立了系统的Lagrange动力学模型，建模考虑了大多数柔性臂模型忽略的重力和非线性耦合的影响，分析了伸缩臂全局运动与升降臂局部振动的相互影响。提出一种单变量优化方法，以升降臂的残余变形能为性能指标，优化伸缩臂的运动轨迹，降低升降臂的残余振动。应用该方法对梯形速度曲线进行了优化，结果表明可以有效地控制升降臂的残余振动。该方法计算量小，便于在线实现。