导读:本文包含了避障行为论文开题报告文献综述及选题提纲参考文献，主要关键词:移动机器人,酶数值膜系统,膜控制器,自适应巡航速度
避障行为论文文献综述
黄振,董建平,段莹莹,张葛祥[1]（2019）在《移动机器人避障行为酶数值膜控制器》一文中研究指出为了兼顾膜控制器控制下的移动机器人行走速度和避障效果,提出了一种基于酶数值膜系统的自适应巡航速度避障控制方法.该方法采用酶数值膜系统结构,利用膜之间的信息交流,实现多个膜融合多个传感器的距离信息,根据融合距离信息自适应调节巡航速度,使移动机器人能够有效的避开障碍物,同时兼顾无障碍物时移动机器人行走速度.基于移动机器人Pioneer3-DX的仿真和实物实验表明:该方法设计的酶数值膜控制器可行且避障控制效果更优.(本文来源于《计算机系统应用》期刊2019年07期）
张伟[2]（2019）在《基于模糊融合的足球机器人避障行为设计》一文中研究指出近年来,随着足球机器人比赛事业的发展,关于自主避障问题的研究是当前足球机器人研究的热点和难点。如何将多传感器信息融合,提出最佳的避障方案,是未来足球机器人避障研究工作的重要方向。本文基于多传感器的模糊融合技术对足球机器人的避障行为展开研究,提出一种趋向于目标行为的避障行为设计方案,提高机器人避障成功率,保证机器人安全运行。(本文来源于《电子测试》期刊2019年08期）
王潇,邓欣,王进,陈乔松,高峰星[3]（2018）在《基于模糊逻辑的秀丽隐杆线虫避障行为》一文中研究指出通过对秀丽隐杆线虫波形运动行为进行研究,提出一种通过模糊逻辑和波形运动相结合的避障算法,对其进行可视化仿真实验。根据其本体感受回馈机制下产生波形运动的机理,建立波形运动数学模型和转向模型;利用探测感受器,获取线虫与环境中障碍物的相对位置关系信息;通过模糊逻辑原理构建的模糊控制器系统,模拟线虫的自适应波形运动行为。仿真结果表明,设计的模糊控制系统有效地模拟了秀丽隐杆线虫的躲避障碍物行为,为波形运动爬行机器人的构建提供了理论支持。(本文来源于《计算机工程与设计》期刊2018年05期）
沈广田[4]（2018）在《基于Q-学习的机械臂避障行为学习控制器的设计及实现》一文中研究指出近年来,强化学习理论在机器人控制领域得到了广泛的关注和研究。工业机械臂作为工业生产中常见的工具被大量地运用于自动生产线中。如何把强化学习理论应用到工业机械臂的运动控制中,令其具有一定的自主学习的能力,对扩大机械臂的应用场合,降低机械臂的操作难度具有重大意义。本文针对传统的强化学习算法无法直接应用到高维连续状态-动作空间的问题,提出了一种新的解决方法,成功解决了机械臂避障轨迹规划的问题。该方法将传统轨迹规划方法与Q-学习算法相结合,通过重新定义机械臂的状态空间与动作空间,将寻找路径点和轨迹规划任务分离,不仅降低了机械臂的搜索空间,缩短了学习时间,并且保证了机械臂在学习过程中的安全性。本文具体工作如下:首先,回顾了传统机械臂运动控制理论,主要包括机械臂运动学建模,动力学建模以及轨迹规划方法,并且对机械臂闭环控制系统中由于关节力矩波动、负载突变及传感数据不准确造成的误差,分析了相应的补偿方法,并在仿真实验中证明了该方法的有效性。接着,详细地介绍了强化学习理论,在此基础上,将Q-学习算法应用到机械臂学习避障行为的任务中。通过重新定义状态-动作空间,设计奖惩函数以及改进搜索策略设计出了基于Q-学习的机械臂避障行为学习控制器,该控制器可以使机械臂可以通过自主学习完成避障行为,从而增强机械臂自主执行任务的能力。其次,将该方法与传统机械臂避障方法在不同实验环境下进行比较,通过实验仿真验证了该方法的优越性。最后,设计了Dobot Magician机械臂的实验环境,并在该机械臂上运行了本文提出的方法,实验显示机械臂可以通过自主学习实现避障功能,验证了该方法在工业机械臂上应用的可行性。文章最后,详细总结了该方法的优缺点并提出了未来可改进的问题,对以后工作方向做了阐述。(本文来源于《重庆大学》期刊2018-04-01）
李凤娇[5]（2015）在《无人驾驶车辆综合避障行为研究与评价》一文中研究指出随着信息时代的到来，汽车的发展方向逐渐发生变化，无论从国内外政策扶持的态度中，还是从汽车行业、科研院校不断努力的实际行动中，都不难看出无人驾驶车辆技术蓬勃发展的态势，此时，针对无人驾驶车辆智能行为进行的测试与评价便显得尤为重要，不仅可以规范无人驾驶车辆的智能行为，而且能够促进无人驾驶车辆关键技术的提升及驾驶辅助系统的研究开发。本研究是在国家自然科学基金重点项目无人驾驶车辆智能行为综合测试环境设计与测评体系研究（项目编号：90920304）和国家自然科学基金培育项目无人驾驶车辆认知能力测试及验证环境设计与实现（项目编号：91120010）的支持下开展的，旨在针对无人驾驶车辆综合避障行为提出有效的测评方法，并为无人驾驶车辆技术提升及驾驶辅助系统研究开发提供依据。通过对国内外研究现状的分析，找出现有研究中的不足，而后确定本文的研究内容和研究方法。首先对有人驾驶行为进行总体分析，找出与避障行为相关的典型工况，分析得到避障规律，建立基于安全距离、前轮转角等参数的四车交互影响下的变更车道模型；搭建综合避障行为虚拟视景仿真试验平台，根据中国智能车未来挑战赛中的考点设置，设计虚拟试验场景，并选择有丰富驾驶经验的驾驶人进行试验，通过试验数据分析，验证并优化避障模型，由此给出影响车辆综合避障行为的参数及参数之间的关系。考虑到驾驶行为与影响因素之间的非线性关系特点，选定模糊综合评价与层次分析相结合的方法来实现对无人驾驶车辆综合避障行为的评价，通过分析虚拟视景试验数据，建立评价因素的模糊规则及隶属度集，最终建立模糊综合评价模型。选择比赛中五组无人驾驶车辆避障行为数据，带入本研究提出的评价模型中，将输出结果与比赛现场评分结果进行对比，以此验证本文综合研究结果的有效性，为今后的比赛提供评分依据，促进无人驾驶车辆关键技术的提升及驾驶辅助系统的研究开发工作。(本文来源于《北京理工大学》期刊2015-01-01）
石庆龙[6]（2013）在《基于LWR算法的避障行为学习控制器设计及在机器人上的实现》一文中研究指出对于机器人控制系统来说，核心问题可以抽象为函数的逼近。对这个问题通常有两条途径，一是尽可能建立与被控对象比较接近的数学模型，然后求出数学模型的系数；二是模拟智慧生物对自然界的反应方式，这种方式并不建立精确的数学模型，而是对被控对象寻找另外的描述方式，如人工神经网络，模糊逻辑或云模型等方法。LWR即局部加权回归算法是一种利用简单的数学模型拟合复杂函数的方法。一般的回归算法对于越复杂的问题就要建立越复杂的数学模型，要建立一个合适的模型有时候需要设计者经验，即便如此这种凑数学模型的方法也需要碰运气。LWR算法对被控对象进行局部化逼近，通过使用每个预测点的相似点生成该预测点的预测模型的方式，解决了拼凑复杂数学模型的问题，同时具有了逼近非线性函数的能力。LWR算法可以称为惰性算法，因为这种算法要在需要预测的时候才产生预测模型，而不是像其他一些方法那样先通过训练得出模型；也可以称为基于样本点存储的算法，因为LWR算法每次预测都需要用到所有的样本点，而不是像神经网络那样训练得出模型之后就不再需要样本点了。正是由于LWR算法的这些特点，使得该算法具有了一些显着的优点，比如模型简单，对新增样本点产生新模型只需要增加极少的计算量，以及对样本点没有覆盖的区域也有一定的预测能力。本文设计了基于LWR算法的移动机器人漫游避障控制器和跟墙控制器，并通过实验验证验证了算法的可行性。本文说完成的主要工作包括：首先，在介绍了课题的研究背景意义和LWR算法的基础上，设计了四个控制器，即基于人工势场法的漫游内生控制器和基于模糊逻辑的跟墙内生控制器，基于LWR算法的避障控制器和跟墙控制器。两个内生控制器供采集训练LWR算法控制器所需的样本点之用。在我们已知的文献来看，这是第一次将LWR算法引入移动机器人控制领域。其次，本文还提出了一种新的调整LWR算法中接受域半径的方法，即通过样本点预测的残差来调整LWR模型的非线性程度。最后设计搭建了Khepera-II移动机器人的实验环境，并在该机器人平台上运行了局部接受域半径的LWR算法控制器，实现了预期的避障及跟墙行为，并且效果好于LSM和内生控制器以及基于全局接受域半径的LWR算法，说明了局部接受域半径的LWR算法对非线性函数的逼近能力，验证了其在移动机器人上应用的可行性。(本文来源于《重庆大学》期刊2013-04-01）
黄珏,秦龙,尹全军,查亚兵[7]（2012）在《CGF队形形成及避障行为研究》一文中研究指出计算机生成兵力(CGF)在模拟战术级兵力仿真时,多个兵力实体要按照一定的队形行进。首先对基本队形的分布式控制方法进行分析;然后,将leader-follower算法思想应用其中,简化了算法模型;其次,为了满足底层仿真的需要,对兵力实体的避障行为进行了研究,引入了切线避障法。增加follower与leader之间的距离对leader速度的反馈,在follower避障过程中,动态地改变leader的速度,避免掉队现象。实验表明,该方法能很好地适用于底层战术级仿真模型。(本文来源于《计算机应用研究》期刊2012年12期）
杜国平,陈圣灵,闫阿宾,卢俊,王月海[8]（2012）在《移动机器人的避障行为及导航控制》一文中研究指出本文研究了移动机器人基于红外、超声和视觉的导航控制问题。介绍了机器人基于红外和超声传感器避障的原理,提出了机器人二值化解析视频图像提取出目标点的导航控制算法。实验结果表明,该综合红外、超声和视觉的导航控制方式在复杂的动态外界环境中具有较好的效果。(本文来源于《数字技术与应用》期刊2012年11期）
宋颖丽,李彩虹[9]（2011）在《基于ANFIS的移动机器人避障行为》一文中研究指出针对移动机器人的避障问题,设计了一种基于自适应神经模糊推理系统的智能控制方法.根据专家经验构造初始模糊神经网络,然后利用神经网络的学习算法对输入输出数据进行训练,优化模糊隶属度函数的参数.训练后的神经模糊控制器能更好地控制机器人的避障行为.仿真结果表明,此方法具有可行性和有效性.(本文来源于《山东理工大学学报(自然科学版)》期刊2011年02期）
田广,刘和祥,赵海鹰,王君[10]（2009）在《自治式水下机器人避障行为机制研究》一文中研究指出针对未知环境下自治式水下机器人(AUV)的运动规划问题,提出了一种基于行为的避障和趋向目标方法。根据行为动力学原理,设计了水平方面的趋向目标行为模块和避障行为模块,利用水平面的宏行为实现了水平面行为模块的融合。垂直面的行为设计根据模糊理论建立了输入"深度"和"高度"的模糊隶属度,制定了航行深度和距底高度与参考深度之间的推理规则,再通过解模糊化得到实际的参考深度的精确量。仿真结果表明:所设计的行为模型对外界环境有较好的反应性,响应正确有效,有助于提高AUV对环境的适应性。(本文来源于《传感器与微系统》期刊2009年12期）
避障行为论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来,随着足球机器人比赛事业的发展,关于自主避障问题的研究是当前足球机器人研究的热点和难点。如何将多传感器信息融合,提出最佳的避障方案,是未来足球机器人避障研究工作的重要方向。本文基于多传感器的模糊融合技术对足球机器人的避障行为展开研究,提出一种趋向于目标行为的避障行为设计方案,提高机器人避障成功率,保证机器人安全运行。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
避障行为论文参考文献
[1].黄振,董建平,段莹莹,张葛祥.移动机器人避障行为酶数值膜控制器[J].计算机系统应用.2019
[2].张伟.基于模糊融合的足球机器人避障行为设计[J].电子测试.2019
[3].王潇,邓欣,王进,陈乔松,高峰星.基于模糊逻辑的秀丽隐杆线虫避障行为[J].计算机工程与设计.2018
[4].沈广田.基于Q-学习的机械臂避障行为学习控制器的设计及实现[D].重庆大学.2018
[5].李凤娇.无人驾驶车辆综合避障行为研究与评价[D].北京理工大学.2015
[6].石庆龙.基于LWR算法的避障行为学习控制器设计及在机器人上的实现[D].重庆大学.2013
[7].黄珏,秦龙,尹全军,查亚兵.CGF队形形成及避障行为研究[J].计算机应用研究.2012
[8].杜国平,陈圣灵,闫阿宾,卢俊,王月海.移动机器人的避障行为及导航控制[J].数字技术与应用.2012
[9].宋颖丽,李彩虹.基于ANFIS的移动机器人避障行为[J].山东理工大学学报(自然科学版).2011
[10].田广,刘和祥,赵海鹰,王君.自治式水下机器人避障行为机制研究[J].传感器与微系统.2009