郭轶尊[1]2003年在《智能机器人标图规划系统及相关技术的研究》文中认为21世纪是人类向海洋进军的世纪，智能水下机器人技术作为一种高技术手段在海洋开发和利用领域的重要性日益增强。本文以水下机器人自主标识雷区图的任务为背景，介绍了水下机器人的智能控制技术。主要研究了智能机器人标图规划系统及一些相关技术，包括智能系统的体系结构、多传感器的信息融合及搜索路径规划技术等。 首先，本文提出了一个面向任务集成的标图系统体系结构；介绍了系统设计的特点、各模块的功能；阐述了任务规划的原理和流程；设计了标图中各种控制状态的有限状态机模型。 然后，本文讨论了系统中的传感器信息融合问题。介绍了信息融合的目的和意义以及分类方法；设计了适用于标图系统的多传感器数据融合的模型。针对标图中的判断目标位置问题讨论了单传感器的数据融合技术，提出了融合方法，并通过试验数据对其进行验证。 接着，本文讨论了搜索路径规划技术。文中借鉴人工智能理论中的启发式搜索思想，提出了标图系统中的启发式搜索路径规划的概念。并且研究了一种启发式搜索算法，开发了仿真程序。 本文最后介绍了系统的嵌入式开发平台—VxWorks及其开发环境Tornado，以及软件开发技术。
张昕妍[2]2016年在《我国早期机器人知识的传播与产业政策的发展》文中研究说明当前机器人是全球高技术领域研发热点之一,创造机器人的目的就是希望它能够成为人类身体和智慧的延伸。机器人是技术综合集成的产物,与生物体意义上的“人”没有任何关系。现代机器人是一种机械与电子相结合的自动化机器。回顾机器人的发展历程,进一步反思科学与社会的关系。首先,本文探究了机器人及“Robot”一词的起源,主要将视角集中于近代机器人和现代机器人,机器人在不同的发展阶段体现出技术集成以及技术应用所带来的成效。其次,本文搜集整理了近代与机器人知识有关的报刊、小说、电影等资料,探析近代机器人作为一门知识而非技术在我国的传播过程,以及在这一过程中体现出的特点。再次,从政策追踪的角度分析我国机器人的研发历程。进入20世纪70年代,我国开始探索机器人的发展路线。从国家“第六个五年计划”开始,逐步推出发展机器人技术的相关政策。“第七个五年计划”以发展工业机器人为主,“863计划”主要关注智能机器人技术。在一系列国家政策的引导和推动下,我国机器人技术开始步入正轨。近几年,国家大力发展机器人产业,重视机器人技术的推广及应用。最后,以我国第一台水下机器人的研发作为案例,探讨了机器人立项前期的准备工作及所克服的种种困难。该项目的技术突破与创新开拓了我国水下机器人技术的新领域。总体来看,我国机器人技术在发展初期,国家政策大力扶持,工业机器人和特种机器人共同发展,我国机器人在起步阶段取得了一定的成绩。随着社会的发展,对于机器人的需求越来越广泛,成为国际尖端技术竞争的新领域。机器人技术的发展,必将引发新一轮的科技革命。
强志庄[3]2004年在《水下机器人定位标图并行技术研究》文中研究表明本论文来源于国防基础科研项目“水下多机器人分布式智能控制方法研究”，主要进行水下机器人的定位标图并行技术的研究。 论文提出了一种基于测速传感器和前视声纳的定位标图并行技术。论文中首先简要介绍了自主式水下机器人和定位标图并行技术的研究内容和发展的现状以及本论文的研究背景；然后介绍了机器人航行环境的描述方法，重点介绍了基于栅格和基于特征的描述方法，在本文中采用了直线特征描述环境。然后重点研究了前视声纳的数据处理，主要是应用直线拟合和卡尔曼滤波技术进行直线特征的提取，并且进行了物理试验，对上述两种方法进行了实验验证，并且在实验的基础上，进行了前视声纳的仿真；然后讨论了基于IWL搜索的特征匹配定位方法；最后主要讨论了基于对称摄动模型的定位标图并行技术在水下机器人上的应用，以及在此基础上进行标图作业的初步研究，并且在仿真平台上进行了实验验证。 本论文对于智能水下机器人自主导航的研究和定位标图并行技术的应用具有一定的参考意义。
徐宏根[4]2005年在《多水下机器人编队协调问题研究》文中认为海洋,对于人类的发展和社会进步将起到至关重要的作用。自主式水下机器人(AUV)系统是未来海洋探测和开发,以及完成各种水下智能作业任务的重要工具。作为水下机器人技术的一个重要发展方向,多水下机器人协调技术已开始成为当前研究的热点。研究多水下机器人之间的协调与合作对提高水下机器人行为的智能化程度及加快水下机器人的实用化进程具有重要的理论研究意义和实用价值。 本文主要针对教育部博士点专项科研基金和省政府博士后科研启动基金“水下机器人多目标运动协调与控制关键技术”项目中的多机器人编队协调部分进行了一些研究工作。 首先研究了多机器人协调的环境建模与路径规划问题。在分析和总结以往机器人环境建模方法的基础上,本文基于栅格法对动态水下环境进行建模,并提出用D*算法搜索出机器人在动态环境下的无碰路径,完成机器人的路径规划。其次设计了多水下机器人的混合控制体系结构。 在多水下机器人编队问题上,本文提出了一种基于分解策略的多机器人编队控制方法,将复杂的多机器人编队问题分解为若干组两个机器人之间的协调问题。建立了多机器人编队的基本队形模型,提出了基于主从方式的多机器人控制策略,并根据基于行为的方法设计了机器人的各子行为,给出了机器人的速度调节方案。最后将以上的方法拓展到复杂的多机器人编队中。计算机仿真结果验证了本文所提方法的有效性和可行性。
张宏烈[5]2002年在《移动机器人全局路径规划的研究》文中提出路径规划是机器人导航系统中最重要的任务之一，全局路径规划是移动机器人研究领域的一个重要课题，对它的研究有重要的意义。 如何寻找到一条从起点到终点的无碰路径是本文的研究重点。在总结已有路径规划方法的基础上，参考路径规划技术研究的最新成果，作者进行了如下几项工作： 首先分析了利用神经网络实现机器人路径规划的基本思想和具体方案，在此基础上提出一种快速神经网络路径规划算法，设计了与本算法相适应的路径优化函数，模拟退火函数，并且进行了仿真实验验证和收敛性分析。 其次重点讨论了利用遗传算法实现机器人路径规划的基本思想，引入间断无障碍路径新概念，采用实数直接编码，遗传模拟退火算法，设计出在不同环境模型下的编码方案，选择策略，遗传算子和停止准则。并且进行了仿真实验验证和算法性能测试。本文对遗传算法进行了改进，克服了直接使用遗传算法进行路径规划的不足之处。 最后，本文对未知环境下机器人路径规划问题作了初步的探讨，对导航系统的结构、地图的创建和不确定信息的描述等问题进行了讨论。
张家飞[6]2010年在《机器人群体协同任务规划与协调避碰》文中研究说明本论文以机器人群体协调合作研究为背景,针对机器人群体执行未知环境下大范围环境探测与目标搜索任务案例,深入开展了机器人群体体系结构、地图构建、分区搜索与协调避碰等方法的研究。首先,根据机器人个体结构及案例需求,在传统的分布式体系结构基础上,设计了机器人群体具有任务规划层和行为控制层的混合分层式体系结构,增强了机器人个体之间的协作能力。其次,根据大范围区域搜索多目标的作业需求,将机器人群体协同任务规划具体划分为先是任务的分解,然后基础市场拍卖的原则,然后再分配给适合的机器人。提出了将整个搜索范围分区域的搜索策略,根据团队中成员数量和工作区域大小进行搜索区域划分,提出了一种根据团队成员当前位置选取作业子区域的方法,使多个机器人均匀分布在工作区中,满足了实时性要求。再次,在MoboSim仿真软件的基础上,采用分区搜索策略,完成了整个区域的探测和目标的搜索。通过实验表明,机器人群体所采用的协同任务规划的方法比较适用于大型的区域的探索。最后,针对区域搜索时路径优化和解决机器人群体动态运动过程中与环境障碍、运动体(其它机器人或动目标)间的碰撞冲突问题,开展了路径规划与协调避碰方法研究,提出了将威胁度系数和人工势场法相结合的避碰路径规划策略。设计了威胁度系数、有效距离和协调避碰策略。提高了机器人在复杂环境中的快速反应能力和整体的安全性。
戴光智[7]2005年在《智能吸尘器全覆盖路径算法研究和测控系统的设计》文中研究说明吸尘机器人将移动机器人技术和吸尘器技术有机地融合起来,实现室内环境(地面)的半自动或全自动清洁,替代传统繁重的人工清洁工作,近年来已受到国内外的研究重视。作为智能移动机器人的一个特殊应用,从技术层面上讲,智能化自主式吸尘器比较具体地体现了移动机器人的多项关键技术,具有较强的代表性。从市场前景角度讲,自主吸尘器将大大降低劳动强度、提高劳动效率,适用于家庭和公共场馆的室内清洁。因此开发自主智能吸尘器既具有科研上的挑战性,又具有广阔的市场前景。 文中首先以移动机器人为例,对一个含有障碍物的房间进行环境建模,在此环境模型上,提出具有一定优化能力的全覆盖路径规划的设计目标,从算法设计到计算机仿真进行了相关研究。在回顾并总结国内外移动机器人全覆盖路径规划研究成果的基础上,本文提出了一种面向实用型的具有一定优化能力的全覆盖路径规划算法,并对该算法进行了计算机仿真。用Visual C++编写的程序运行结果以图形动画的形式表明了该算法的可行性和有效性。 在算法仿真实现的基础上,设计研制了智能吸尘器测控系统实验模型,该模型采用左右两轮步进电机独立驱动,前后两轮万向随动;采用红外传感器阵列探测障碍物和吸尘器导航定位,以实现无碰撞探测障碍物;使用碰撞传感器配合红外线传感器的使用,用于吸尘器和障碍物碰撞后的避障;利用霍尔传感器检测安装在墙壁上的磁铁,用于把障碍物和墙壁做出区分,从而识别出墙壁;系统采用主从式多级单片机控制结构实现测量与控制。根据环境模型对吸尘机器人的测控要求,对实验模型的测控系统进行相应的研究和设计,基本达到设计要求。 本文是对智能吸尘机器人的基础性研究,所作研究仅仅是该领域的一个开始和入门,内容主要涉及吸尘机器人的传感器系统、控制系统和运动规划等几个问题。在第叁章,介绍了全覆盖算法以及仿真实现;在第二、四章,介绍了吸尘机器人的整体结构方案和测控系统的设计,重点讨论了移动结构的实现、驱动系统设计、控制系统的组成以及动态路径规划等方面所采用的技术方案。
秦政[8]2007年在《基于自主和自学习行为智能体的AUV运动规划研究》文中研究说明本论文以国家重大基础研究项目“水下无人潜器技术”为背景,对基于行为主义的智能体技术在自治式水下机器人(Autonomous underwatervehicle,简称AUV)运动规划中的应用展开了深入地研究。论文的研究旨在提高AUV自主作业过程中对环境的适应性、反应的快速性以及决策的有效性。论文主要完成以下的研究工作:针对动态不确定环境下的AUV运动规划问题,将智能体的行为看作是AUV和环境之间交互的一个动态变化的过程,提出并阐释了行为动力学方法,并利用该方法建立了AUV水平面的自主行为智能体。仿真结果表明自主行为智能体对非结构环境响应快速,正确、有效。垂直面运动规划对AUV下潜深度及距底高度均有特殊要求,而单独的定高航行或定深航行难以同时满足。本文建立了基于模糊推理的AUV垂直面自主行为智能体,对定高航行行为和定深航行行为进行融合。仿真结果说明垂直面自主行为智能体在保证AUV自身安全的同时,尽可能满足了声学仪器对距底高度的要求,此外正常航行时AUV不随海底地形起伏而频繁改变深度,使得航行稳定。为了对AUV空间运动规划中水平面和垂直面自主行为智能体进行协调,提出了基于使命分解和任务执行语句的行为协调机制。该机制的原理是:将使命分解成若干个能够顺序执行的任务,针对特定任务定义任务执行语句,任务执行语句将任务转换为并发的自主行为智能体,再按照优先级规则对并发行为进行协调。进行了仿真验证,结果证明提出的自主行为智能体及协调机制正确、可行。针对传统强化学习方法应用于AUV工程实际的不足,如学习的泛化性差、试错带来的风险性以及学习效率低等,提出了基于神经网络和案例的Q学习算法(NCQL)。NCQL的基本思想是用神经网络解决Q学习的泛化问题;用案例学习保证学习过程的收敛性、避免试错的风险及提高学习效率。给出了基于NCQL的AUV自学刊行为智能体各要素的实现方法。进行了仿真,仿真结果可以看出,提出的NCQL算法收敛性能好、收敛速度快并且收敛到的结果较优化。NCQL算法具有在线学习和自适应学习的特点。论文从自主控制体系结构顶层设计要求出发,设计了含行为智能体的混合式AUV自主控制系统。采用有色Petri网(CPN)作为工具,对所提出的结构进行了形式化建模,利用CPN的数学理论分析了模型基本特性,包括有界性、活性和互斥性。形式化分析验证了AUV自主控制体系结构以上性质的正确性和有效性。为了综合验证本文所提出的各主要方法,分别进行了声呐湖上试验、缩尺度模拟试验和半实物仿真试验。本文从声学传播和声呐物理特性考虑,提出了一种数字滤波算法,对多波束前视声呐探测到的数字信号进行后处理。设计了基于声呐信息的避障试验方案,进行了避障行为动力学模型的湖上试验验证。设计了AUV缩尺度模拟试验,应用激光测距仪模拟AUV前视声呐传感器,完成了不同案例下的水平面行为智能体功能的有效验证。利用半实物仿真平台对含行为智能体的AUV自主控制系统进行了仿真试验。通过反复试验,进一步说明了本文所提方法正确、可行。基于自主和自学习行为智能体的运动规划研究对于AUV安全、高效地完成远程航海与地形勘察自主作业使命,具有重要的理论意义和实用价值。
张汝波, 林德胜, 谢杰文, 顾国昌, 张国印[9]1998年在《水下智能机器人实时标图方法研究》文中指出介绍了利用具有避碰能力的水下智能机器人进行环境标图的方法。在论述了水下机器人的避碰策略之后，详细讨论了利用避碰声纳的探测距离进行区分自由空间和障碍物的方法，根据探测结果用栅格法来描述机器人探测区域。采用图象处理技术，对标图的结果进行噪声消除、特征提取等处理，最终将障碍物的形状识别出来。文中给出了详细的仿真结果。
常文君[10]2003年在《基于神经网络的多水下机器人协调控制方法研究》文中研究表明21世纪是海洋的世纪。海洋对于人类的发展和社会进步将起到至关重要的作用。自主式水下机器人(AUV)系统是未来海洋探测和开发，以及完成各种水下智能作业任务的重要工具。作为水下机器人技术中的关键技术，研究如何实现水下机器人运动的精确控制以及多机器人系统控制具有重要意义。 本文首先研究了神经网络技术在水下机器人运动控制中的应用，为多机器人的协调控制提供基本技术保障。研究的重点在于通过优化神经网络算法以提高网络学习的收敛速度和提高网络学习的稳定性。实验证明，设计的神经网络控制器具有良好的控制效果，为水下机器人的运动控制开辟了一种新的思路和设计方案，这对研究自主式水下机器人的智能控制起到积极的推动作用。 其次我们对多水下机器人系统的分布式控制进行了探索性的研究，多水下机器人系统的群体组织方式与机器人混合控制结构，机器人之间的行为协调是本文的研究重点。试验的结果表明基于混合结构的行为协调可以构建一个有效的多机器人分布式控制系统，强化学习的引入使得系统可以得到较好的优化结果。绝大部分的工作都是建立在新的多水下机器人仿真器之上的，新的6自由度数学模型、限制水域及海流修正、声与非声传感器的模拟以及基于MAS的软件框架使得该仿真系统大大加速地逼近真实条件下的多机器人控制研究。
参考文献：
[1]. 智能机器人标图规划系统及相关技术的研究[D]. 郭轶尊. 哈尔滨工程大学. 2003
[2]. 我国早期机器人知识的传播与产业政策的发展[D]. 张昕妍. 内蒙古师范大学. 2016
[3]. 水下机器人定位标图并行技术研究[D]. 强志庄. 哈尔滨工程大学. 2004
[4]. 多水下机器人编队协调问题研究[D]. 徐宏根. 哈尔滨工程大学. 2005
[5]. 移动机器人全局路径规划的研究[D]. 张宏烈. 哈尔滨工程大学. 2002
[6]. 机器人群体协同任务规划与协调避碰[D]. 张家飞. 哈尔滨工程大学. 2010
[7]. 智能吸尘器全覆盖路径算法研究和测控系统的设计[D]. 戴光智. 广东工业大学. 2005
[8]. 基于自主和自学习行为智能体的AUV运动规划研究[D]. 秦政. 哈尔滨工程大学. 2007
[9]. 水下智能机器人实时标图方法研究[J]. 张汝波, 林德胜, 谢杰文, 顾国昌, 张国印. 船舶工程. 1998
[10]. 基于神经网络的多水下机器人协调控制方法研究[D]. 常文君. 哈尔滨工程大学. 2003