多移动机器人编队控制研究进展

多移动机器人编队控制问题包括队形形成和队形控制两个问题。文章首先介绍了多移动机器人编队控制的国内外发展现状,然后以圆形队形形成算法为例简要的论述了队形形成问题,接着重点论述了多移动机器人目前主要的编队控制方法：跟随领航者法、基于行为法和虚拟结构法,同时分析了各个方法的优缺点,最后指出了多移动机器人编队控制方法目前存在的问题并且指出了需要进一步研究的方向。     

基于Petri网的多线程技术在机器人编队中的应用

传统的单机器人难以适应复杂的任务以及灵活多变的环境,因此多机器人的研究受到越来越多的关注.结合多线程技术为机器人编队建立Petri网模型,运用Petri网模型对系统各线程对共享区资源的独占性存取,线程之间同步协作进行模拟分析,提出机器人编队的多线程软件解决方案.     

基于条件反馈机制Leader—follower多机器人队形控制

针对Leader—follower多机器人系统队形控制中,Leader和follower相对独立及落后机器人离队等问题,采用基于条件反馈机制的Leader—follower多机器人队形控制方法,建立基于条件反馈机制和Lead—follower相结合的多机器人队形控制模型。将多机器人系统的队形控制问题转化为基于条件反馈机制的follower跟踪leader的位置和方向的问题,通过实例仿真验证了方法的有效性。仿真结果表明所提出的方法是合理有效的,使多机器人系统能够有效地完成编队控制任务。     

基于DSP带机械手臂履带式移动机器人

履带式移动机器人在军事侦察、反恐防暴、防核化及污染等危险与恶劣环境作业中有着广阔的应用。本机器人控制系统采用了DSP结构的嵌入式伺服控制系统以及遥控/半自主的工作方式,使得机器人工作更具实用性,而嵌入式控制系统则保证了控制系统重量轻、体积小、实时性好、可靠性高的要求。机器人带有多功能机械手臂,现场视频实时传输,履带式移动平台和远程控制相结合。     

多移动机器人通信技术综述

移动机器人通信技术是群体机器人协调工作中的一个重要研究领域,包括单机器人的上下位机通信以及多机器人的互通信。本文概述了移动机器人通信技术的发展历史和现状,对目前在机器人通信中广泛采用的通信方式．拓扑结构．通信协议及通信模型进行了讨论。     

机器人队列的分布式协作控制研究

主要研究了自主移动机器人队列的分布式协作控制。队列控制是使机器人能够在一个混沌的环境下保持某种指定队形的控制类型。文中描述了使机器人保持队形的控制行为和避障行为,这些行为是由原始行为与设定行为的偏差决定的。然后构造了有两个自主移动机器人的队列,红外传感器和LED灯分别安装在机器人的前后部。最后成功实现了仿真和实验。     

Linux实时调度机制研究

在有大量的外部事件的计算机系统中,实时操作系统必须在有限的时间内接收和处理。这样的要求不是只有多道程序设计能满足的,还有实时操作系统一般是依靠一些特别的策略和技术来完成这些任务。Linux操作系统利用静态的可抢占的优先调度到大部分没有实时的多道程序设计系统中。作为一个在实时系统中的修改,优等权的分配是和每个任务的时间约束联系在一起的。本文阐述了Linux实时调度的几种机制。     

爬壁机器人技术研究现状及展望

近年来移动机器人技术飞速发展,很多种类的移动机器人开始应用到实际中。爬壁机器人作为移动机器人领域的一个重要分支,把地面移动机器人技术与吸附技术有机结合起来,大大扩展了机器人的应用范围。本文通过对爬壁机器人应用及研究目的分析,根据其行走机构介绍了目前爬壁机器人的种类,最后进一步讨论了目前磁吸附爬壁机器人的发展趋势。     

一种基于区域划分的机器人路径规划策略设计

<正>随着智能机器人技术的飞速发展和人们生活品质的不断提高,家庭服务机器人逐渐进入了我们的日常生活,例如扫地机器人、巡视机器人、娱乐机器人等。然而,高效的路径规划策略是移动机器人能否高质量完成服务任务的关键因素。机器人路径规划是指在包含障碍物和隔墙等已知或未知环境中为完成其服务任务而进行最优运动路径搜索的行为。该路径不但具备“成功完成服务任务”“顺利绕开障碍物”等固有属性,同时还满足“覆盖面积最大”“花费时间最短”和“能量消耗最低”等优化指标。     

动态环境下基于实际隶属函数的移动机器人路径规划

为优化模糊神经网络的实时性、学习速度、收敛性、稳定性,在移动机器人局部路径规划中构建了基于实际隶属函数T-S(Takagi-Sugeno)模型的改进型模糊神经网络。对外部环境信息用多传感器(超声波、摄像头)采集并优化,将机器人横纵坐标及行进方向作为输入、机器人下一步行进方向及速度作为输出,以便机器人实现局部路径规划;结合动态环境下机器人路径规划的实际,综合考虑二维直角坐标体系下机器人、障碍物的位置、速度及运动方向等实时信息,推导出一种新的具有实际含义的隶属函数作为避碰隶属函数,并通过对比隐含层节点数对网络相对误差的影响来确定隶属函数层节点数,构建五层T-S型模糊神经网络;在此基础上应用改进型误差反传学习算法,通过matlab模拟实验仿真验证及对比分析,表明了改进型网络在优化网络实时性、学习速度、收敛性、稳定性方面有良好的性能。