成果基本信息 | ||||||
关键词: | 移动机器人;环境建模;智能控制 | |||||
成果类别: | 基础理论 | 技术成熟度: | ||||
体现形式(基础理论类): | 论文 | 体现形式(应用技术类): | 无 | |||
成果登记号: | 20121524 | 资源采集日期: | 2012-10-20 |
研究情况 | |||||
单位名称: | 燕山大学 | 技术水平: | 国内领先 | ||
评价证书号: | 冀教鉴字[2012]第111号 | 评价单位: | 河北省教育厅 | ||
评价日期: | 2012.06.26 | 评价证书号: | 冀教鉴字[2012]第111号 |
转化情况 | |||||
转让范围: | 推广形式: | 无 | |||
已转让企业数(个): | 0 |
联系方式 | |||||
联系人(平台): | 玉女士 | 联系人(平台)电话: | 0771-5885053 | ||
*成果单位详细联系方式请登录会员;还不是会员,马上注册! |
成果简介 | |||||
1.任务来源 该项目为河北省高等学校科学技术研究青年基金项目(项目编号:2011223)。 2.研究方法和研究内容 首先针对多传感器数据在特征层次的融合问题,采用将激光测距数据和CCD摄像机图像数据统一到视觉坐标系下,再对已提取的垂直边缘线段的特征角与水平线段特征角进行匹配的处理方法,并在此基础上完成自然环境路标的辨识与确定工作,用于机器人的导航。对于在先验环境模型已知情况下,采用Markov-EKF组合概率定位方法实现鲁棒的全局定位功能;在未知环境下,提出一种集成几何方法和拓扑方法的分级混合建模方法,生成全局拓扑结构和局部的基于特征模型的分级式混合模型,提高了环境建模的准确性、鲁棒性和实用性。对于轨迹跟踪问题,采用Lyapunov递推设计方法和RBF神经网络技术,设计一种运动学控制器和神经转矩控制器相结合的不确定移动机器人轨迹跟踪控制方法,并采用PSO算法优化网络参数,有效提高计算效率,满足移动机器人行进过程中的实时性要求。 3.研究结论 (1)实现了多传感器环境特征提取和信息融合,为确定环境和未知环境下移动机器人定位及地图创建做出必要的准备; (2)建立了确定环境和未知环境下移动机器人的定位及环境建模; (3)建立了移动机器人的运动学和动力学模型; (4)基于Lyapunov递推设计方法和RBF网络优化方法实现了移动机器人的轨迹跟踪。 4.创新性 (1)将激光测距数据和图像数据统一到视觉坐标系下,对已提取的垂直边缘线段的特征角与水平线段特征角进行匹配,完成自然环境路标的辨识与确定。 (2)集成几何方法和拓扑方法的分级的自适应模糊分级混合建模方法提出。该等级式混合模型,两部分构造独立,只具有存储上的连接关系,从而减小了模型构造的计算复杂性,并提高了整个环境模型的准确度。 (3)基于不确定移动机器人系统的运动学模型和动力学模型,利用Lyapunov递推设计方法和改进RBF神经网络实现了对不确定移动机器人的轨迹实现精确快速跟踪。 5.应用性 本项目的研究成果将有助于推动移动机器人在星球探测、地下勘探、核环境作业、军事侦察和灾难救助等领域的研究与应用,提高我国移动机器人自主导航的研发能力和相关领域的技术水平,具有巨大的经济效益和显著的社会效益。 |