针对传统萤火虫算法应用于移动机器人路径规划中存在陷入局部最优和搜索精度低的问题,提出一种基于混沌求偶萤火虫算法的移动机器人路径规划方法。设计一种混沌求偶荧火虫算法,该算法采用混沌映射策略初始化种群,优化种群分布不均和搜索范围不足问题;利用求偶学习策略指导雄性萤火虫向雌性萤火虫学习,提高算法的收敛速度和求解精度。建立移动机器人路径规划的环境仿真模型,应用混沌求偶萤火虫算法进行移动机器人路径规划仿真。仿真结果表明:混沌求偶萤火虫算法比传统萤火虫算法和粒子群算法在路径长度上分别减少了3.075%和2.428%,拥有更高的搜索精度和跳出局部最优的能力。

针对渐进最优快速扩展随机树(RRT*)应用于机器人路径规划中时存在精度低、环境适应性差等问题,提出一种基于稀疏节点与双向插值的RRT*改进算法。将目标偏向采样和稀疏节点法引入RRT*算法中,通过避免对局部区域过度的搜索,达到提高初始路径搜索效率的目的;借助三角不等原理思想,对初始路径中的冗余节点进行剔除,并基于双向插值方法对路径节点进行优化,以更短的时间获得次优路径。在多种仿真环境中的实验结果表明:相对于RRT*算法、Informed-RRT*算法和Q-RRT*算法,改进算法的初始路径规划效率提高了61%,次优路径规划效率提高了59%,且在多种环境下均具有很强的稳定性。最后,在实际的机器人路径规划实验中对所提算法的有效性进行了进一步验证。

针对移动机器人移动过程中会遇到各种障碍物并需要合理地避开，以移动机器人为平台，利用超声测距原理，以51单片机为核心设计硬件电路，设计了一种基于超声传感器的移动机器人避障控制系统。利用单片机对超声波传感器采集到的环境信息进行存储处理，特别是在避障系统控制算法设计基础上引入模糊控制理论，设计模糊控制器，并且利用Matlab软件对模糊控制器进行了仿真验证。

针对PRM算法运行速度慢、难以针对狭窄通道采样的问题,提出一种栅格概率路径图算法。用栅格划分地图,并根据栅格内障碍物面积,划分栅格威胁等级,并依此使用不同采样策略。提出一种采样点落在障碍物内的重采样方法,提升了采样效率,增加了在狭窄通道内的采样。同时,改变连接策略,连接采样点时,不再遍历所有点,只与附近栅格进行连接,减少算法耗时。生成路径后,对路径进行优化与平滑,提升路径质量,使之符合移动机器人运动约束。通过仿真分析得到

利用测地线是度量空间内两点之间最短路径的几何性质,提出一种基于测地线的移动机器人轨迹规划方法。以两轮差分驱动机器人的左右轮子转角为参数构建移动机器人轨迹弧长平方的黎曼度量,以该黎曼度量所确定的测地线作为机器人的最优轨迹。根据黎曼度量求解测地线方程的Christoffel符号,进而求解出代表路径最短的测地线方程,直接得到轮子转角与角速度,生成测地线最优轨迹。

针对在未知的室内环境，其不可预知性或不确定性给家用服务机器人实时环境感知和定位带来了巨大的问题，直接影响到机器人导航的效果。移动机器人不仅要完成避开附近的移动障碍物，而且要进行局部规划或局部路径修正。将自主移动机器人其功能研发分为如下：理解自己的状态和外部环境信息，从而实现实时运动控制决策，避障，找到最优路径；在栅格地图表征环境，采用Wavefront方法进行路径规划自主移动和轨迹跟踪。对服务机器人导航与路径规划技术研究对于提高智能服务机器人的技术水平，促进智能机器人产业的发展是非常重要的。

简单介绍了当今主流移动机器人行走机构的主要类型,具体分析了各类移动机器人的工作原理及优缺点。列举了国内外实例,对各类移动机器人的适用范围进行了具体分析。

基于ROS工业机器人开源平台,应用C++语言进行了移动机器人导航避障系统的设计与开发。选用激光雷达作为位置传感器,融合视觉里程计、轮式里程计和IMU里程计三大里程计数据,采用传统定位与SLAM算法创建地图,应用AMCL算法准确确定移动机器人位置;对移动机器人使用A*算法进行全局路径规划、DWA算法进行局部路径规划,并且使用模糊BUG2算法作为核心算法实现局部避障器融入ROS规划系统中,应用C++语言开发程序,在移动机器人Robotino在地图上的两个点进行导航和避障测试。结果表明,只要合理设置机器人和障碍物之间相对运动速度,机器人可以规划出一条躲避缓慢移动障碍物、全局较优路径。

针对小型四轮移动机器人控制系统进行了系列PID调试实验,掌握了单轮驱动的运动状态和最佳控制方式,提出了合理的控制策略。

该文介绍了液压转向系统在重载移动机器人中的应用。移动机器人通常使用电动转向控制系统,但由于电动转向受制于电机功率限制,无法满足重载转向需要,并且电动转向扭矩小,电机体积大。而液压转向系统响应速度快,驱动力矩大,占用空间小,控制精度高,可用于重载移动机器人的自动转向控制。