未知環(huán)境中移動機器人導航控制理論與方法

《21世紀先進制造技術(shù)叢書》序
前言
第1章 概述
1.1 引言
1.2 未知環(huán)境中移動機器人導航理論與技術(shù)研究的進展概況
1.2.1 體系結(jié)構(gòu)
1.2.2 環(huán)境建模與定位
1.2.3 路徑規(guī)劃
1.2.4 運動控制
1.2.5 故障診斷與容錯控制
1.3 機器學習和自適應理論與方法研究的進展
參考文獻
第2章 未知環(huán)境中移動機器人系統(tǒng)的體系結(jié)構(gòu)
2.1 引言
2.2 機器人體系結(jié)構(gòu)
2.2.1 遞階式體系結(jié)構(gòu)
2.2.2 反應式體系結(jié)構(gòu)
2.2.3 慎思/反應復合式體系結(jié)構(gòu)
2.3 移動機器人系統(tǒng)體系結(jié)構(gòu)實例
2.3.1 移動機構(gòu)與傳感器系統(tǒng)
2.3.2 控制系統(tǒng)軟件體系結(jié)構(gòu)
2.3.3 控制系統(tǒng)使用的硬件
2.4 四層遞階式智能導航控制體系結(jié)構(gòu)
2.4.1 導航控制任務分解與導航控制系統(tǒng)中的幾個概念
2.4.2 一個四層模塊化的汽車自主駕駛控制系統(tǒng)結(jié)構(gòu)
2.4.3 駕駛控制系統(tǒng)各層內(nèi)部通用結(jié)構(gòu)
2.4.4 駕駛控制系統(tǒng)各層結(jié)構(gòu)特點
參考文獻
第3章 未知環(huán)境中移動機器人的動力學模型與控制
3.1 引言
3.2 輪式移動機器人的動力學模型
3.2.1 輪式移動機器人的幾種典型機構(gòu)
3.2.2 非完整約束條件下輪式移動機器人的動力學模型
3.3 輪式移動機器人的鎮(zhèn)定與跟蹤問題
3.3.1 輪式移動機器人的鎮(zhèn)定與跟蹤控制器設計問題
3.3.2 鎮(zhèn)定與跟蹤控制器的相關(guān)研究
3.4 輪式移動機器人的魯棒統(tǒng)一控制器設計理論
3.4.1 破壞理想非完整約束條件下的輪式移動機器人魯棒統(tǒng)一控制律
3.4.2 不確定曲面運動條件下輪式移動機器人原型的魯棒統(tǒng)一控制器
3.5 鎮(zhèn)定和跟蹤控制設計實例
3.5.1 Unicycle類型輪式移動機器人的控制器設計
3.5.2 單鏈鏈式系統(tǒng)的控制器設計
3.5.3 基于backstepping的跟蹤控制律設計
3.5.4 基于模糊滑模變結(jié)構(gòu)的控制器綜合
3.5.5 基于微分平坦的輪式移動機器人軌跡生成
3.5.6 基于T S模糊模型的輪式移動機器人軌跡跟蹤控制
3.5.7 同時存在執(zhí)行機構(gòu)飽和與外部干擾時的wMR軌跡跟蹤控制
參考文獻
第4章 未知環(huán)境中移動機器人的環(huán)境建模與定位研究
4.1 引言
4.2 移動機器人環(huán)境建模與定位技術(shù)
4.2.1 環(huán)境模型簡介
4.2.2 環(huán)境建模與定位方法概述
4.3 基于視覺圖像的環(huán)境特征提取
4.3.1 基于圖像外觀的環(huán)境特征分析與提取
4.3.2 基于興趣點的環(huán)境特征分析與提取
4.3.3 基于立體視覺的環(huán)境特征分析
4.4 動態(tài)環(huán)境下移動機器人地圖構(gòu)建的研究
4.4.l 地圖表示方法簡介
4.4.2 動態(tài)環(huán)境中基于障礙時空關(guān)聯(lián)的地圖構(gòu)建
4.4.3 實驗結(jié)果及其分析
4.5 移動機器人定位技術(shù)的一些實例
4.5.1 基于激光雷達環(huán)境感知信息的機器人定位方法
4.5.2 基于Monte Carlo方法的移動機器人定位
4.6 基于免疫進化算法的同步定位與建圖
4.6.1 基于占據(jù)柵格的地圖表示
4.6.2 關(guān)鍵點柵格及其檢測
4.6.3 結(jié)合領域知識的并發(fā)定位與建圖免疫進化算法
4.6.4 算法的實現(xiàn)和實驗結(jié)果
4.6.5 結(jié)論
4.7 基于視覺的拓撲環(huán)境建模與定位
4.7.1 拓撲模型與度量模型
4.7.2 視覺拓撲建模與定位領域常用的概率技術(shù)
4.7.3 視覺拓撲建模與定位系統(tǒng)
4.8 基于視覺信號的地面移動機器人航跡修正
4.8.1 問題描述
4.8.2 視覺里程計
4.8.3 基于立體視覺的視覺里程計實現(xiàn)技術(shù)
4.8.4 基于視覺量角計的航跡修正算法
參考文獻
第5章 未知環(huán)境中移動機器人的障礙物檢測
5.1 引言
5.2 障礙物的檢測方法
5.2.1 激光測距雷達
5.2.2 視覺方法
5.3 基于激光雷達的障礙檢測方法
5.3.1 測距數(shù)據(jù)的濾波處理
5.3.2 激光雷達測距數(shù)據(jù)的3-D變換
5.3.3 非結(jié)構(gòu)化環(huán)境中的障礙檢測
5.4 基于自適應分割和立體視覺的快速障礙檢測
5.5 基于移動機器人視覺系統(tǒng)的運動目標檢測與跟蹤
5.5.1 基于移動機器人視覺系統(tǒng)的運動目標檢測方法
5.5.2 運動目標跟蹤技術(shù)
5.5.3 目標檢測與跟蹤的難點
參考文獻
第6章 未知環(huán)境中移動機器人的導航策略
6.1 引言
6.2 路徑規(guī)劃技術(shù)
6.2.1 基于事例的學習規(guī)劃方法
6.2.2 基于環(huán)境模型的規(guī)劃方法
6.2.3 基于行為的路徑規(guī)劃方法
6.2.4 發(fā)展趨勢
6.3 基于近似Voronoi圖的路徑規(guī)劃
6.3.1 移動機器人運行環(huán)境的空間表示方法
6.3.2 Voronoi圖的介紹
6.3.3 近似Voronoi邊界網(wǎng)絡(AVBN)建模方法
6.3.4 基于AVBN模型與GAS的全局規(guī)劃
6.3.5 仿真與實驗
6.4 反射式局部規(guī)劃策略
6.4.1 反射式7層避障模型
6.4.2 軌跡的運動控制
6.4.3 擾動策略
6.4.4 反應式導航實驗驗證
6.5 移動機器人的局部規(guī)劃策略
6.5.1 局部規(guī)劃方法概述
6.5.2 基于模擬退火的擾動規(guī)則設計
6.5.3 局部規(guī)劃程序設計
6.5.4 局部規(guī)劃仿真實驗
6.6 復合導航策略與實現(xiàn)
6.6.1 復合導航的策略
6.6.2 復合導航的實現(xiàn)
6.7 路徑規(guī)劃的智能方法
6.7.1 基于免疫進化和示例學習的移動機器人路徑規(guī)劃
6.7.2 基于蟻群算法的移動機器人路徑規(guī)劃
6.8 基于特征點的導航策略
6.8.1 特征提取
6.8.2 基于特征點的導航行為
6.8.3 導航策略的設計與實現(xiàn)
參考文獻
第7章 未知環(huán)境中移動機器人的故障診斷與容錯控制
7.1 移動機器人故障診斷與容錯控制概述
7.1.1 故障模型和傳感器誤差模型
7.1.2 移動機器人故障診斷與容錯控制的特點
7.1.3 移動機器人故障診斷與容錯控制的方法
7.2 航跡推算系統(tǒng)硬故障診斷
7.2.1 基于粒子濾波器的混合動態(tài)系統(tǒng)估計
7.2.2 航跡推算系統(tǒng)故障模型
7.2.3 狀態(tài)空間自適應
7.2.4 移動機器人航跡推算系統(tǒng)傳感器的故障診斷
7.3 移動機器人軟故障檢測與補償?shù)淖赃m應粒子濾波算法
7.3.1 模型與軟故障檢測
7.3.2 軟故障補償?shù)淖赃m應粒子濾波器PD-PNAPF
7.3.3 實驗與分析
7.3.4 粒子數(shù)目自適應、精度及效率分析
7.4 軟故障補償?shù)淖赃m應進化粒子濾波算法PD-EAPF
7.4.1 多樣性測度
7.4.2 自適應進化粒子濾波器PD-EAPF
7.4.3 實驗以及分析
7.5 不完備故障模型診斷及其在移動機器人故障診斷中的應用.
7.5.1 不完備混合動態(tài)系統(tǒng)
7.5.2 未知模式檢測
7.5.3 不完備模型診斷的粒子濾波算法
7.5.4 實驗分析
7.5.5 不完備系統(tǒng)診斷的自適應機制
7.6 激光雷達異常及車輪異常檢測
7.6.1 激光雷達的異常檢測與濾除
7.6.2 激光雷達魯棒測量模型
7.6.3 移動機器人異常運動狀態(tài)識別以及避讓策略
參考文獻
第8章 機器學習理論及其在移動機器人導航控制中的應用
8.1 引言
8.2 面向移動機器人導航與控制的機器學習方法
8.3 增強學習研究的一些新進展
8.3.1 策略梯度增強學習的回報基線方法
8.3.2 模糊策略梯度增強學習
8.3.3 結(jié)合SVM的混合策略梯度增強學習方法
8.3.4 基于多目標優(yōu)化的進化算法求解約束優(yōu)化問題
8.4 機器學習在移動機器人導航中的應用實例
8.4.1 增強學習在月球探測機器人運動控制中的應用
8.4.2 統(tǒng)計學習理論在基于視覺的環(huán)境感知中的應用
參考文獻
第9章 未知環(huán)境中移動機器人導航控制研究的展望
9.1 未來研究方向
9.2 結(jié)束語
參考文獻