收藏本站
《浙江大学》 2008年
收藏 | 手机打开
二维码
手机客户端打开本文

多机器人编队导航若干关键技术研究

蒋荣欣  
【摘要】: 多机器人学是当前机器人领域中令人激动且富有挑战性的新兴学科,有很强的学科交叉性,涉及到了生物学、管理学、分布式人工智能和控制论等多个领域。多机器人学领域的一个重要组成部分就是多机器人系统协作的研究,从系统的角度探讨机器人群体的合作行为、信息交互及进化机制等。本文研究的多机器人编队导航正是典型的多机器人系统协作课题,该课题被广泛应用于军事、救援、安防和机器人足球等领域。 多机器人编队导航是指机器人群体通过传感器感知周边环境和自身状态,协作完成编队,实现在有障碍物的环境中向目标运动。其研究内容包括了协作定位,路径规划,多机器人通信,以及合作编队等关键技术。本文围绕多机器人编队导航的几个关键技术,根据它们在编队导航系统构成中的先后逻辑,展开深入研究。 定位问题是编队导航基础而又重要的问题,定位的精度及实时性直接影响到编队及导航的质量。本文针对编队机器人协同定位问题,提出了一种基于多传感器融合的多机器人协同定位方法。该方法以建立一个联合滤波模型为基础,联合滤波模型由三个子滤波器及一个主滤波器组成。首先利用离散卡尔曼滤波器融合机器人内部里程计与陀螺仪,推导出惯导系统状态方程;接着改进了CMVision算法,并结合Adaboost算法训练的分类器及摄像机标定算法获取目标的定位信息,将此定位信息作为观测输入,通过扩展卡尔曼滤波器估计视觉传感器对目标的定位状态;然后激光测距扫描仪结合通过视觉传感器获取到的目标在水平方向的投影跟摄像机光轴的夹角,获取目标的定位信息。将此定位信息作为观测输入,通过扩展卡尔曼滤波器估计激光测距扫描仪对目标的定位状态。最后主滤波器计算各子滤波器的信息分配因子,将各子滤波器估计结果按照信息分配因子权重,利用扩展卡尔曼滤波器进行融合,得到精确的目标定位。 在协同定位的基础上,本文针对编队机器人导航过程的避障问题,提出了基于障碍物运动预测的类人方式移动机器人避障方法。该方法使用常速(CV)模型、常加速(CA)模型和当前统计(CS)模型描述障碍物运动状态,利用交互多模型(IMM)算法预测出障碍物下一时间点的位置,速度及加速度。将机器人周围空间由外到内划为规划合理路径区域(PPA)、常规避障区域(NAA)以及紧急逃逸区域(UEA)三个区域。基于障碍物运动状态的预测信息,对进入PPA的障碍物,改进了人工势场法进行局部路径规划;对进入NAA的障碍物,采用变速或绕行策略进行避障;对进入UEA区域的障碍物,采用紧急逃逸算法,计算最佳逃逸角度进行避障。 机器人之间的信息交互是多机器人系统研究的基础,也是多机器人编队导航最基本的需求。本文针对采用Ad Hoc组网方式的编队机器人数据通信,提出了一种基于Ad Hoc网络带宽预测方式的实时数据传输模型。发送方在通信过程中,使用跨层方式与接收端反馈方式,周期性提取对传输性能影响较大的几个因素。根据这些因素之间的依赖关系,构建贝叶斯网络预测模型,并将周期性获取的影响因素值作为实时样本数据输入预测模型。预测模型输出下一时间周期Ad Hoc网络带宽的预测值。发送方根据该预测值控制网络发送流量,达到更小丢包率和更大网络带宽利用率的目的。 基于上述关键技术的研究,本文针对编队机器人队形变换问题,提出了队形变换最优效率求解模型。将多机器人队形变换模式分为静态变换和动态变换,并确定队列变换能耗(FEC)与队列收敛时间(FCT)作为效率衡量指标。最优FEC效率模型是使得队列中所有机器人移动距离之和最小的极小化模型;最优FCT效率模型是使得队列中移动距离最大的机器人移动的距离最小的极小化极大模型。动态变换的效率模型增加了队形几何中心移动方向与范围的约束条件。通过求取模型的最优解,获取各机器人变换后最优空间位置,并得到最优的队形变换效率。 在论文的最后,总结了整个论文的工作,指出了进一步研究和探索的方向。
【学位授予单位】:浙江大学
【学位级别】:博士
【学位授予年份】:2008
【分类号】:TP242

【相似文献】
中国期刊全文数据库 前10条
1 王得利;;分布式多传感器交互式多模型融合算法[J];唐山学院学报;2011年03期
2 丘柳东;王牛;李祖枢;;一种中型自主足球机器人自定位方法[J];计算机工程与应用;2011年22期
3 王一强;王视鎏;冯瑞;;基于多传感器融合的自动导引车系统设计与控制策略[J];计算机应用与软件;2011年07期
4 麦新晨;杨明;王春香;王冰;;一种基于多传感器融合的车辆检测与跟踪方法[J];上海交通大学学报;2011年07期
5 刘海峰;王娜;;用AVR单片机实现步行机器人的设计[J];科技信息;2011年21期
6 魏晓明;王明皓;;支持向量机在目标融合识别中的应用[J];系统仿真学报;2011年S1期
7 ;[J];;年期
8 ;[J];;年期
9 ;[J];;年期
10 ;[J];;年期
中国重要会议论文全文数据库 前10条
1 彭健;席裕庚;何发昌;许玲;;机器人多传感器集成与信息融合的技术及应用[A];1997中国控制与决策学术年会论文集[C];1997年
2 戴磊;齐俊桐;宋大雷;王启久;韩建达;;基于多传感器融合的组合导航方法研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年
3 林萍;陈伯川;王晓萍;黄轶伦;;多传感器数据融合在气固流化床流型识别中的应用[A];中国化工学会2003年石油化工学术年会论文集[C];2003年
4 左巍;王雪;赵国华;;基于虚拟测试的多传感器数据融合诊断[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
5 曾瑜;付敬奇;朱晓锦;;双轴倾角传感器耦合干扰的补偿[A];中国仪器仪表学会第六届青年学术会议论文集[C];2004年
6 邓巍;丁为民;;多传感器信息融合技术在水果质量评价中的应用[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第一分册[C];2005年
7 李玉榕;蒋静坪;;一种多传感器融合方法在移动机器人避障控制中的应用[A];2001中国控制与决策学术年会论文集[C];2001年
8 尚留记;王硕;;导航技术及其在水下仿生机器人中的应用综述[A];2008第四届中国智能交通年会论文集[C];2008年
9 崔厚梅;郭西进;;基于嵌入式系统的动态称重系统的研究[A];第十八届全国煤矿自动化学术年会中国煤炭学会自动化专业委员会学术会议论文集[C];2008年
10 刘仁溥;;多传感器信息的有序分层融合[A];1996年中国智能自动化学术会议论文集(下册)[C];1996年
中国重要报纸全文数据库 前8条
1 ;基于SOC/IP的智能传感器设计研究(下)[N];电子报;2007年
2 ;基于SOC/IP的智能传感器设计研究(上)[N];电子报;2007年
3 ;精密测试技术的展望(下)[N];电子报;2008年
4 高飞;基于多传感器数据融合的油/气/水三相流测量[N];科技日报;2007年
5 本报记者 杨柳纯;深圳成立联盟抢占产业先机[N];深圳特区报;2007年
6 张满定;750千伏变电站机器人巡检系统投运[N];国家电网报;2010年
7 记者 贺韬 通讯员 张满定;国内首个750千伏变电站 机器人巡检系统在陕投运[N];陕西日报;2010年
8 姚燕燕;香气质量定性分析有“高手”[N];中国化工报;2002年
中国博士学位论文全文数据库 前10条
1 蒋荣欣;多机器人编队导航若干关键技术研究[D];浙江大学;2008年
2 刘鹏;基于多传感器融合无损检测鸡蛋品质的研究[D];南京农业大学;2011年
3 杨涛;基于多传感器融合的油管无损检测与缺陷量化技术研究[D];天津大学;2004年
4 陈忠德;多传感器智能系统信息融合理论及应用[D];浙江大学;1995年
5 梁冰;基于自动机理论的多传感器融合建模方法研究[D];哈尔滨工程大学;2008年
6 吴伟;基于二维地图匹配的机器人定位关键技术研究[D];东北大学;2006年
7 杨峰;现代多目标跟踪与多传感器融合关键技术研究[D];西北工业大学;2006年
8 刘华军;面向智能车辆的道路环境理解技术研究[D];南京理工大学;2007年
9 高大晓;ELID磨削砂轮的电火花精密整形与氧化膜状态识别[D];天津大学;2008年
10 谭超;基于多传感器融合的两相流参数测量方法[D];天津大学;2010年
中国硕士学位论文全文数据库 前10条
1 卢悦;基于C8051F120的多传感器融合的智能定位装置的设计[D];昆明理工大学;2011年
2 孙波;多传感器融合估计算法的研究及在滑坡中的应用[D];中国地质大学;2012年
3 叶美倩;基于多传感器融合的机器人环境感知研究[D];浙江工商大学;2012年
4 张弦;AIS技术在VTS系统中的应用研究[D];上海海事大学;2004年
5 郭金坤;基于Ch平台实现多传感器融合的机器人控制[D];天津理工大学;2012年
6 徐涛;基于多传感器融合的水下机器人自主导航方法研究[D];中国海洋大学;2010年
7 刘超;多传感器融合的目标定位装置的研究[D];昆明理工大学;2012年
8 唐骥锋;基于多传感器融合的移动机器人决策及规划研究[D];江南大学;2012年
9 顾景;基于视觉与肌电信号的手势识别研究[D];中国科学技术大学;2009年
10 郑慧萌;基于模糊控制的微孔钻削在线监测系统[D];吉林大学;2006年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026