CN113359739B - 基于能源替代技术的智能运动装置及其运动控制方法 - Google Patents
基于能源替代技术的智能运动装置及其运动控制方法 Download PDFInfo
- Publication number
- CN113359739B CN113359739B CN202110672114.0A CN202110672114A CN113359739B CN 113359739 B CN113359739 B CN 113359739B CN 202110672114 A CN202110672114 A CN 202110672114A CN 113359739 B CN113359739 B CN 113359739B
- Authority
- CN
- China
- Prior art keywords
- path
- algorithm
- point
- motion
- intelligent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000033001 locomotion Effects 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005516 engineering process Methods 0.000 title claims abstract description 29
- 238000006467 substitution reaction Methods 0.000 title claims abstract description 7
- 240000007651 Rubus glaucus Species 0.000 claims abstract description 52
- 235000011034 Rubus glaucus Nutrition 0.000 claims abstract description 52
- 235000009122 Rubus idaeus Nutrition 0.000 claims abstract description 52
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 230000004927 fusion Effects 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000005457 optimization Methods 0.000 claims abstract description 10
- 238000004804 winding Methods 0.000 claims abstract description 8
- 229910021421 monocrystalline silicon Inorganic materials 0.000 claims abstract description 7
- 210000004556 brain Anatomy 0.000 claims abstract description 6
- 238000013461 design Methods 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 14
- 230000000694 effects Effects 0.000 claims description 11
- 230000009471 action Effects 0.000 claims description 10
- 238000010248 power generation Methods 0.000 claims description 9
- 238000005096 rolling process Methods 0.000 claims description 9
- 230000000875 corresponding effect Effects 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004146 energy storage Methods 0.000 claims description 6
- 238000007599 discharging Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 230000008034 disappearance Effects 0.000 claims description 3
- 238000009499 grossing Methods 0.000 claims description 2
- 230000010354 integration Effects 0.000 claims description 2
- 238000013178 mathematical model Methods 0.000 claims description 2
- 210000003717 douglas' pouch Anatomy 0.000 claims 1
- 230000009191 jumping Effects 0.000 claims 1
- 230000000750 progressive effect Effects 0.000 claims 1
- 230000008030 elimination Effects 0.000 abstract description 8
- 238000003379 elimination reaction Methods 0.000 abstract description 8
- 238000012423 maintenance Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000001276 controlling effect Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 230000007717 exclusion Effects 0.000 description 5
- 230000008054 signal transmission Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000001965 increasing effect Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 208000001491 myopia Diseases 0.000 description 1
- 230000004379 myopia Effects 0.000 description 1
- 238000007500 overflow downdraw method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Optics & Photonics (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开基于能源替代技术的智能运动装置及其运动控制方法。整体结构共包括三层,第一层为单晶硅光伏板,第二层为整个装置的控制核心大脑树莓派控制板,其中树莓派控制板上安装有可随时拆卸的前后置摄像头。第三层为智能运动装置的电路板,其上面包括红外传感器、激光传感器、麦克风、陀螺仪、电机驱动模块、蓄电池、40P线排和支撑杆。本发明提出了该装置运动控制方法,融合基于不同运动控制模型的多传感器融合角速度测量算法、直线消抖处理算法、基于激光测距传感器的改进型A*路径寻优算法、外卷封闭路径排除算法和最优路线寻址方法。
Description
技术领域
本发明涉及一种智能运动装置及其运动控制方法,特别是涉及一种基于能源替代技术的智能运动装置及其运动控制方法。
背景技术
传统智能运动装置的器件都是直接焊接在主板上,因此在实际使用时只能使用完整的智能运动装置。在日常教学或者相关使用者学习时并不利于对装置的相关模块和硬件组成进行展示学习,导致使用者对智能运动装置的认知有一定的局限性,而且传统智能运动装置中某个器件出现问题进行维修时,不但维修时间长,而且在维修过程中还可能导致主板等其它问题,导致该装置的维护十分复杂。对装置的结构采用模块化设计可有效的解决装置的认知学习和维护的问题,同时也可实现装置在不同运行环境下可随时切换不同的结构模型来满足运行的需求。中华人民共和国国家知识产权局于2017年12月01日公开了公开号为CN206696878U的专利文献,名称为一种模块化的智能电脑鼠,但其模块化的设计构想只用于其内部系统的模块设计,并没有将该设计应用于装置的机构设计上。
太阳能作为一种取之不尽用之不竭的清洁环保可在生能源,越来越受人们的关注,其中太阳能光伏发电技术已成为替代传统发电的一种重要手段,同时其也具有巨大的商业化发展价值,因此将该技术直接应用于一些小型的运动装置并为其提供电能具有良好的发展前景。传统智能运动装置的动力来源一般来自于蓄电池,其中蓄电池一般为质量较好的锂电池,但蓄电池的电量容量比较小,当装置行驶的路程过长时,蓄电池则不能提供足够的电量,需要频繁充电才可为其续航,故装置在长距离长时间工作时,动力续航方面是一个很大的短板。结合光伏发电技术和储能技术将清洁的太阳能资源转化为电能存储于蓄电池里,再通过蓄电池可为其提供源源不断的电能,从而解决装置的续航问题。中华人民共和国国家知识产权局于2018年7月03日公开了公开号为CN207571583U的专利文献,名称为一种智能控制装置,该装置在设计时设计了一种应急续航机构,但是仅限用于应急情况下使用,并不能有效的解决装置的长时间长距离的动力供应问题。
2020年10月徐欢等人提出了一种《基于传统算法的电脑鼠走迷宫搜索算法研究》的文献,文献在传统算法的基础进行了优化设计,相较而言其搜索冗余度和搜索时间都有了显著的提高,但对于装置运动控制算法的优化程度没有较深涉及,没有单一的去对转弯、直线和最优路径寻址等运动控制算法进行创新研究。目前的智能运动装置在进行转弯运动时主要采用两种传感器测量角速度和角度----MEMS陀螺仪和电机编码器,但二者各有优缺点,单一的采用某一种都无法精准的实现对转弯角度的测量。在装置进行两侧有障碍的直线行驶时,由于红外传感器对装置具体位置测量造成的误差容易引起装置发生抖动的现象。在装置进行最优路径寻址时,由于缺乏对远距离地图信息的测量和未排除外卷封闭路径的干扰,造成了装置寻优路搜索效率过低。通过对装置转弯运动、直线运动、寻址运动的控制算法的优化,从而实现对装置的控制运动的优化。
发明内容
本发明针对上述已有产品的不足,提出一种基于能源替代技术的智能运动装置及其运动控制方法。
1)该智能运动装置采用模块化设计,其整体结构共包括三层,第一层为单晶硅光伏板,第二层为整个装置的控制核心大脑树莓派控制板,其中树莓派控制板上安装有可随时拆卸的前后置摄像头。第三层为智能运动装置的电路板,其上面包括红外传感器、激光传感器、麦克风、陀螺仪、电机驱动模块、蓄电池、40P线排和支撑杆。
其中第一层的光伏板可以随时拆装,当光伏板无需工作时或者需要检测和维修时可以随时拆下对其进行处理。第二层的树莓派控制板也可以进行拆装,方便对整个装置的控制大脑时刻进行维护。前后置摄像头通过插槽装在树莓派控制板上,用于在复杂运动环境下观察周围环境辅助装置寻址最优路径,当不需要时也可随时进行拆卸。最后第三层的电路板根据需求也可随意进行拆装并对其进行维护。该装置在结构上采用模块化设计,方便了该智能运动装置的维护,使用者深入了解和学习,以及可以良好的适应不同的运行环境。
2)该智能运动装置的系统控制原理为采用一种模块式的控制方法用于将整个装置的三层结构连接起来,进而实现装置的自动运行。该系统主要包括四大模块:输入模块、控制模块、输出模块和电源管理模块。其中输入模块是将装置收集到的各种信号分别传递给控制模块,然后控制模块通过对收集到的信号进行处理后,再将动作指令传给输出模块,最后输出模块通过驱动装置进行精准运动,电源管理模块则用于提供电能。
3)结合太阳能光伏发电技术和储能技术提出一种新的能源供应方案。首先整个装置采用两块蓄电池GB1和GB2为装置提供电能,然后利用太阳能光伏发电技术时刻为两块蓄电池进行充电,最后当装置运动时,两块蓄电池的作用分别是一块用于为装置供电,一块用于充电。采用两块蓄电池一用一备的方式达到了提供源源不断的电能供应的目的,同时也有效的利用了太阳能资源。
4)本发明提出了一种新的蓄电池一用一备控制方法,该控制方法的实现主要由光伏板、树莓派控制板、AD采样芯片、三极管、蓄电池GB1和GB2等模块构成。光伏板用于将太阳能转化电能,蓄电池GB1和GB2用于储存电能并直接为整个装置提供所需的电能,AD采样芯片用于采集光伏板和蓄电池的电压值并将电压信号传递给树莓派控制板,树莓派控制板处理后再将对应的动作指令传递给电路板上的三极管。三极管通过接收树莓派控制板发出的信号进行通断来控制实现蓄电池的充放电功能。从而实现蓄电池一用一备的设计方案。
5)提出了一种基于不同运动控制模型的多传感器融合角速度测量算法。该算法增强了对智能运动装置的转弯动作的控制精度,使得该运动装置的运动更加平稳和快速。
6)提出了一种直线消抖处理算法。针对两侧障碍的突然出现或者消失造成的红外传感器的偶然性误差,结合了多传感器融合技术,可以在不增加计算工作量的情况下有效剔除这种误差,从而增强该运动装置在两侧有障碍时进行直线行驶的稳定性。
7)提出了一种基于激光测距传感器的改进型A*路径寻优算法。利用安装在智能运动装置前向的激光传感器,可以获取远距离方向的迷宫地图信息,并将这一信息运用于A*算法的距离估计,从而提高A*算法距离估计的准确度,提高A*算法的搜索效率。
8)提出了一种外卷封闭路径排除算法。在发现新的支路时,首先判断一下该支路是否外卷封闭路径,并排除掉可能的封闭路径,从而达到提升最优路径搜索效率的目的。
9)提出了一种最优路线寻址算法。为了便于智能运动装置在复杂的运动环境下更快的寻找到最优的运动路线,本发明装置添加了前后置摄像头模块用于辅助运动装置寻找便捷有效的运动路线。在简单的运动环境下采用红外传感器和激光传感器进行最优路径寻址即可,无需前后置摄像头采集路面信息。当面对复杂的运动环境时则利用前后摄像头采集到的周围地图信息和红外、激光传感器所搜索到的位置信号一同辅助该智能运动装置寻找最优运动路线。
本发明的第一个技术方案是基于能源替代技术的智能运动装置,具体如下:
该智能运动装置的结构共包括三层,第一层为单晶硅光伏板,第二层为整个装置的核心大脑树莓派控制板和前后置摄像头,第三层为智能运动装置的电路板,其上面包括红外传感器、激光传感器、麦克风、陀螺仪、电机驱动模块、蓄电池、40P线排和支撑杆。该款智能运动装置从设计上采用了模块化思想,把光伏板、树莓派控制板、前后置摄像头、电路板主要部件和接口电路都模块化,封装成为一个可插拔的器件,便于使用者深入的了解和学习相应模块的基本结构和功能,同时该装置的模块化设计也方便了该设备的拆卸和维护,采用模块化设计后,可直接更换已损坏的模块,不会影响其它功能,简单方便,大大缩短了维修时间。当装置处于较简单的工作环境时依靠第三层的电路板即可维持装置进行正常的运行,此时把光伏板,树莓派,摄像头器件拆除即可;当装置处于较复杂的工作环境时,则可能需要装配上树莓派控制板才能保障其进行正常的运行;当装置需要进行长时间长距离的工作任务时,则需要安装光伏板模块为装置提供续航;故装置的模块化设计也可使该智能运动装置更好的去适应不同的运行环境和工作任务。
装置的系统控制原理包括输入模块、控制模块、输出模块和电源管理模块四部分。其中输入模块包含摄像头和麦克风,此二者可以将收集到的音频等信号传输给树莓派控制板。红外传感器、激光传感器、陀螺仪和编码器等4大输入部分可将收集到的音频和位距等相关信号传输到该装置的电路板。控制模块包括树莓派控制板和电路板,且此二者之间可以将信息进行交互传输,控制模块的主要作用是将输入模块的信息进行收集处理后,在把相应的动作指令传输给输出模块。输出模块主要由电机驱动模块组成,接收到控制模块传输的动作指令后,通过电机驱动该装置进行精准运动。最后的电源管理模块则用于为整个装置提供电能,该装置设计采用两块蓄电池,可实现一用一备的设计方案,进而可实现源源不断的电能供应。通过以上四个系统控制模块之间的相互配合即可实现装置的自动运行。
结合太阳能光伏发电技术和储能技术可为整个系统提供所需的电能。在该装置的顶部放置单晶硅光伏板利用光生伏特效应将太阳能转化为电能,转化后的电能为蓄电池进行充电,然后蓄电池内部储存的电能可为整个智能运动装置提供电能。同时整个装置里装有两块蓄电池GB1和GB2,通过与光伏板、树莓派控制板、电路板相结合可以实现蓄电池一用一备的供电方案,即可实现为该装置时刻提供源源不断的清洁的电能。电路板内置有AD电压采样芯片,利用AD芯片可以采集光伏板产生的电压、蓄电池GB1和GB2产生的电压值,然后将采集到的电压信号传递给树莓派控制板,树莓派控制板处理信号后再将动作指令传递给电路板上的三极管来控制其通断,最后再通过三极管的导通和断开来进一步控制两块蓄电池的充放电。
本发明提出了第二个技术方案是基于不同运动控制模型的多传感器融合角速度测量算法。目前智能运动装置主要采用两种传感器测量角速度和角度----MEMS陀螺仪和电机编码器。然而这两个传感器各有优缺点。MEMS陀螺仪瞬时测量精度较高,但存在漂移现象,会造成误差的累积。电机编码器难以分辨轮胎是否打滑,在进行加速运动或者电机失控等情况时将产生较大误差。这两种传感器都无法精准的实现对转弯角度的测量,在运动装置高速行进时其测量能力尤显不足。基于此,很多产品使用多传感器融合算法,综合考虑两种传感器的测量结果,从而获得更精准的测量结果。目前常用的多传感器融合算法一般是根据经验赋予各个传感器一个信任系数,或者采用复杂的数学算法实时计算这一信任系数,再以加权求和的方式求得最后的测量结果。但是实时计算的方法计算量过大不适用于运动装置的微型处理器,而根据经验值赋予的信任度很难适应不同的运动模式,容易造成不良的融合结果。本发明提出一种基于不同运动控制模型的多传感器融合算法来解决这一问题,提出根据不同的运动状况建立不同的融合模型的计算机算法,以获得更高的测量精度。该算法,将智能运动装置的运动模型分为直线匀速运动、直线匀变速运动、转弯匀速运动、转弯匀变速运动几种情况,并在考虑运动装置总体运行时间的基础上,结合大量历史数据分别建立先验数据融合模型,对该装置的转弯角度进行测量。
本发明提出了第三个技术方案是直线消抖处理算法。为了使运动装置始终位于行进路径中的中心位置,传统的方法是利用左右两个传感器的测量值判断该运动装置位置,但由于传感器的测量结果存在误差,所以经常造成该运动装置的行进中的抖动现象,特别是两侧墙壁的突然出现和消失对红外信号的反射效应的影响,常常造成较大的误差。这种抖动发生的原因,如图1所示,当红外传感器照射到墙壁的拐角时,会发生线光线的非垂直反射。这种非垂直反射会造成红外线反射强度的减弱。从而在使得接收传感器对墙壁的距离判断产生较大的误差。运动装置若使用这一测量结果对自己的运动方向进行修正就会产生抖动。由以上分析可以得出,这种情况造成的误差只能是获得一个更小的反馈信号,从而得到一个更大的距离测量结果,因此得出该误差必然比真实距离大的结论。依照该特点,本算法结合了多传感器融合技术,同时使用左右两个红外传感器,当突然出现一面墙壁或者墙壁消失的情况时,根据两个红外传感器信号的强弱,自动使用更强的一侧传感器数据,从而达到消抖的效果,并且具有非常小的计算量。
本发明提出了第四个技术方案是基于激光测距传感器的改进型A*路径寻优算法。A*路径寻优算法是一种在地图未知的情况下搜寻最佳路径的路径搜索算法。其核心思想是在具有多条可能路径的情况下首先搜索估计距离最近的那一条路径。而传统的智能运动装置采用红外传感器进行测距,其最远有效测距为50CM左右,从而无法得到充足的信息来对路径的估计距离进行更为精准的预判。为此,本发明提出一种基于激光测距传感器的改进型A*算法。激光传感器可以进行远距离测量,功率足够的情况下可以进行数米到数百米的测量。但是由于激光传感器是基于发射信号与接收信号的时间差进行测量,所以当距离过近时,该差值将会很小,甚至小于或接近数字系统的处理精度,从而造成更大的误差,因此激光传感器适用于远距测量而不适用于近、微距测量(<4CM)。本发明将激光传感器的远距测量数据运用于A*算法进行距离估计结果可在一定程度上减小远近距离的误差,提高精准度。
本发明提出了第五个技术方案是外卷封闭路径排除算法。本发明外卷路径和外卷封闭路径分开考虑。所谓封闭路径,指的是形成自环的搜索路径,而外卷封闭路径指的是目标点位于封闭路径以外的情形,内卷指的是目标点位于封闭路径内的情形。显然,外卷封闭路径内部的区域是没有必要进行搜索的,因此本发明提出了一种外卷封闭路径的排除算法。该算法可分为路径坐标点标注、封闭路径判断和外卷封闭路径判断三部分。其中路径坐标点的目的是为每个坐标标注所属路径,为封闭路径判断做好准备。
本发明提出了第六个技术方案是最优路线寻址方法。最优路线寻址中采用两种方案,当智能运动装置的运动环境较为简单时,利用红外传感器和激光传感器搜索估计前方距离即可,根据反馈的信号寻找最优的路线。当运动环境比较复杂时,单靠传感器并不能有效的进行处理,此时启动前后置摄像头,在运动前通过摄像头采集周围地图的视频信息,然后把视频传递给树莓派控制板,通过树莓派处理视频信息后预估出一条最优的运动路线,最后再加上红外、激光传感器在运动过程中测距反馈得到的信号一同辅助该智能运动装置进行最优路径寻址运动。
有益效果
1、本发明在结构上采用模块化设计后,使该智能运动装置更好的适应了多种不同的运行环境和工作任务,同时既方便了使用者的学习,也便于装置的维护。本发明对系统采用的一种新的模块式控制方法,简化了复杂繁琐的控制系统流程设计,通过控制模块中树莓派控制板的加持,更加完善了该系统的运动控制方法。通过将光伏发电技术与储能技术结合提出的一种新的能源供应方案,完美地发挥了太阳能光伏发电技术和储能技术的应用价值,将新能源替代传统能源,利用清洁环保的太阳能为装置提供充足的电能。装置采用两块蓄电池并与树莓派和电路板相结合设计出的一用一备的供电方案,解决了装置在长时间或者长距离工作模式下的续航问题,使装置无论在短距离、短时间还是在长时间、长距离的情况下都能获得足够的电力供应。
2、本发明提出了一种基于不同运动控制模型的多传感器融合角速度测量算法。该算法改善了传统的只靠陀螺仪或者电机编码器测量装置转弯角度精准度不足的缺点,采用该算法可提高对智能运动装置的转弯动作的控制精度,使得该运动装置在转弯运动过程中更加平稳和快速。提出一种直线消抖的创新算法,解决了当装置在直线行驶时面对挡板的突然出现和消失时所出现的抖动问题;同时结合多传感器数据融合方法,有效的剔除了装置抖动造成的误差,进而提高了装置在直线运动时的稳定性。本发明通过采用一种基于激光测距传感器的改进型A*路径寻优算法和一种外卷封闭路径排除算法,解决了装置对于远距反馈测量的近视眼问题和外卷路径对于寻优算法的干扰问题,从而提高了A*算法距离估计的准确度和最优路径的搜索效率。
3、本发明通过增加前后置摄像头采集周边地图信息来辅助装置寻找最优运动路线,有效地解决了在复杂环境下该智能运动装置比较容易迷路的现状,避免了该装置其它多余复杂的运动路线,提高了装置的搜索最优路线的效率。
4、本发明对该装置结构进行的模块化设计,实现了该装置易维护、易学习、易使用的特点。通过对该装置能源供应系统的设计,解决了对装置时刻进行清洁能源供应的问题,使装置可以源源不断的获得足够的电力供给。通过对装置在转弯运动,直线运动、路径寻优运动的控制算法的优化设计,实现了该装置能够在简单运动环境和复杂运动环境下达到高速平稳的运动效果。
附图说明
图1为本发明的红外测距误差分析图。
图2为本发明的光伏板图。
图3为本发明的树莓派控制板图。
图4为本发明的电路板图。
图5为本发明的装置模型装配图:(a)右视图;(b)主视图。
图6为本发明的系统控制原理图。
图7为本发明的蓄电池一用一备方案设计(a)及控制流程图(b)。
图8为本发明的基于不同运动控制模型的多传感器融合角速度测量算法流程图。
图9为本发明的直线消抖处理算法流程图。
图10为本发明的基于激光传感器的距离估计结果图。
图11为本发明的基于传统传感器的距离估计结果图。
图12为本发明基于激光测距传感器的改进型A*路径寻优算法程序流程图。
图13为本发明的外卷封闭路径的排除算法流程图。
具体实施方式
下面结合实施例及附图,对本发明具体实施方式进行详细说明。
该智能运动装置共包含三层结构,在结构上采用模块化设计思想,其中第一层为单晶硅光伏板,如图2所示,光伏板用于将太阳能转化为电能,可以为整个装置提供自身所需的电能,并且达到了清洁环保的效果。当该装置的运动路线和工作时间较短时,则可以将太阳能光伏板拆卸下来只需要充满电的蓄电池提供电能即可,不需要光伏板为其不断充电进行续航,且拆卸下光伏板后在较短路径下运行时还可提高其运动速度。当装置的运动路线较长或者工作时间较长时,则再把光伏板安装在装置上为其进行充电续航能力。因此对光伏板的模块化设计既填补装置续航方面的短板,也使装置更好地适应不同的运行环境。
第二层为树莓派控制板,如图3所示,作为装置的主要控制大脑的核心部分,主要用于接收摄像头和麦克风传来的音频等信息,在进一步根据算法获得最优寻址路径,最后在把相关动作指令传输给电路板并进行相应的控制运动。当树莓派控制板里需要输入新的程序来更新和增加装置的新功能时,可直接将控制板拆卸下来拿到任意处进行新程序的输入和更新,当树莓派控制板损坏需要维修时,也可在不损坏其他部件的情况下对其进行维修,在装置进行简单的运动模式无需用到树莓派控制板模块,此时也可将其拆卸下来,还可为装置减轻重量。如图3所示,在该控制板中间的前后部分开有两个摄像头接口槽,用于前后置摄像头随时的安装和拆卸,前后摄像头主要用于采集该装置在行进过程中周边的环境情况,将信息及时传输给树莓派。当装置周边的运动环境较为简单时,无需摄像头采集到的视频信息辅助,只依靠红外、激光传感器得到的测距信号来帮助装置寻找最优路径即可,此时可以将前后置摄像头拆卸下来即可且同时会增加装置的运动速度。当该装置周边的运动环境比较复杂时,此时启动前后置摄像头,在运动前通过摄像头采集周围地图的视频信息,然后把视频传递给树莓派控制板,树莓派通过算法处理视频信息后预估出一条最优的运动路线并发出指令控制该装置按照此路径运行,最后在加上红外、激光传感器在运动过程中测距反馈得到的信号二者一同辅助该智能运动装置进行最优路径寻址运动。第二层树莓派和摄像头的模块化设计为装置在复杂环境的寻优路径提供了更精准的搜索方案,同时也方便了使用者的对装置的使用和维护。在控制板的四个边角也开有支撑杆的插槽,连接支撑杆起装置的固定作用。
其中第三层为智能运动装置的电路板部分,如图4所示。该结构层最前方装有1个激光传感器,4个红外传感器,激光传感器主要用于获取远距离方向的地图信息,红外传感器主要用于通过自身测距的作用来判断该运动装置的位置,二者在简单运动环境下通过测距得到的反馈信号一同辅助小车在安全的路径上行驶。前中部装有麦克风和MEMS陀螺仪,其中麦克风用于该装置与人为命令进行人机交互,通过麦克风将人为命令信号输入给该装置的树莓派控制板,然后树莓派控制板解析该信号后并控制装置执行相应的动作命令。陀螺仪可用于为该装置提供准确的方位、水平、位置、速度、加速度等信号。该结构的中间部分为整个装置的动力驱动部分,包括电机驱动模块和车轮两大部分,其中的电机部分采用4个规格完全相同的廉价的空心杯电机,在保证动力需求的前提下可节约一定的成本。对于电机的旋转方向和速度的测试采用光电式编码器,可避免电磁干扰对精度的影响,进而保证该装置运行路线的精准度,采用4个电机可形成的差速形式更多,通过控制差速可完成一些更加复杂转弯等动作。该装置的最后部分包含有两块规格相同的蓄电池GB1,GB2和40P线排,其中两块蓄电池可为整个装置提供所需的电能,并实现该系统中一用一备的供电方案。40P线排则主要用于将复杂的线头集成化。第三层中通过将蓄电池、40P线排、麦克风进行模块化设计,简化美观装置,同时也方便了以后装置的拆装和维修。在该结构的周围树立有4根支撑杆,用于支撑起整个装置。整个装置装配后的模型图如图5所示。
如图6所示,通过输入、控制、输出、电源管理等四大模块之间的相互协调配合可实现装置系统的自我控制,并将装置的所有结构模块连接起来,进一步实现了装置的自动运行以及不同的运行模式。当装置处于简单的运行模式下,输入模块中的红外传感器、激光传感器、陀螺仪、编码器进行工作,收集装置在运动过程中位距、位置、速度等一系列信号,然后再将信号传输到控制模块中的电路板,然后电路板将信号处理后控制输出模块中的电机驱动部分即可完成装置的运行。当装置处于复杂的运行模式下,输入模块此时还要增加摄像头和麦克风等设备参与装置运行过程中的信号收集,进而一同辅助装置沿着正确的路线运行,处理信号的控制模块也需要树莓派和电路板一同工作,二者将信号处理后,最后由电路板将控制命令传入输出模块并驱动装置运行。电源管理模块在整个系统里一直处于工作状态,当装置的运行时间较短时无需采用一用一备的供电策略,只需使用充好电的蓄电池进行正常供电即可。当装置的运行时间较长时则装置启动一用一备的供电策略,且此时的供电控制需要有树莓派控制板参与才可进行。
蓄电池一用一备控制策略设计方案如图7所示。该设计方案的实现主要由光伏板、树莓派控制板、AD采样芯片、三极管、蓄电池GB1和GB2。光伏板用于将太阳能转化电能,蓄电池GB1和GB2用于储存电能并直接为整个装置提供所需的电能,AD采样芯片用于采集光伏板和蓄电池的电压值并将电压信号传递给树莓派控制板,树莓派控制板处理后再将对应的动作指令传递给电路板上的三极管。三极管通过接收树莓派控制板发出的信号进行通断来控制实现蓄电池的充放电功能。三极管Q1、Q2用于控制蓄电池GB1的充电,三极管Q1、Q3用于控制蓄电池GB2的充电,三极管Q4用于控制蓄电池GB1的放电,三极管Q5用于控制蓄电池GB2的放电。具体的方案设计流程如图所示,首先树莓派控制板会对写入的程序进行扫描,首先执行的命令是将所有的二极管先全部断开,下一步对通过AD采样芯片采集到的电压值进行判断,判断GB1两端的电压是否大于GB2两端的电压,如果是则Q3和Q4导通,Q2和Q5断开,此时的状态为GB1为装置进行供电,紧接着判断光伏板两端的电压是否大于GB2两端的电压,如果是则令Q1导通,让光伏板为蓄电池GB2进行充电,如果否则继续保持Q1断开,然后无论GB2是否处于充电状态都令二者一同进入充电周期状态,目的是为了防止三极管可能会频繁进行切换,近而导致供电系统出现问题。如果GB1两端的电压不大于GB2两端的电压,则Q2和Q5导通,Q3和Q4断开,此时的状态为GB2为装置进行供电,紧接着判断光伏板两端的电压是否大于GB1两端的电压,如果是则令Q1导通,让光伏板为蓄电池GB1进行充电,如果否则继续保持Q2断开,然后在一同进入充电周期状态。充电周期过后执行Q1断开的命令,最后再回到程序的初始,往复扫描判定并执行指令。通过以上控制策略即可实现蓄电池一用一备的设计方案,从而为装置时刻提供足够的电能。
本发明提出一种基于不同运动控制模型的多传感器融合角速度测量算法,该算法,将智能运动装置的运动模型分为直线匀速运动、直线匀变速运动、转弯匀速运动、转弯匀变速运动几种情况,并在考虑运动装置总体运行时间的基础上,结合大量历史数据分别建立先验数据融合模型,对运动装置的转弯角度进行测量。其算法流程如图8所示,本算法运行在嵌入式计算机的中断函数中,该中断函数每一毫秒执行一次,共分为8个步骤。
步骤1:每执行一次,时长变量加1,以计算程序运行的总时长。并将该时常变量存储作为其他模块的参数之一。
步骤2:先后获取陀螺仪和编码器两个角速度传感器的数值。
步骤3:根据从主程序中获取的装置的当前状态选择下一步的任务。
步骤4:如果步骤三中获取的状态为匀速直线状态,则执行匀速直线模型运算。如果是其他状态,则执行其他运动模型的运算。
步骤5:根据相应的数学模型和经验模型融合当前速度值和当前的角速度值,以及当前的总运动时长,计算得到当前的角速度。
步骤6:使用卡尔曼滤波算法进行滤波平滑处理,得到接近于真实值的角速度。
步骤7:然后采用梯形积分,对当前的角速度进行积分,获取当前的角度。
步骤8:一个测量周期结束,待1毫秒后进入下一个测量周期。
本发明提出一种直线消抖处理算法。该算法结合了多传感器融合技术,同时使用左右两个红外传感器,当一面出现墙壁的突然出现或者消失的情况时,根据两个红外传感器信号的强弱,自动使用更强的一侧传感器数据,从而达到消抖的效果,并且具有非常小的计算量。其程序流程如图9所示,开始进行距离判断时,首先判断左侧距离和右侧距离哪个的距离更加接近标准距离,然后使用距离更小的一侧传感器的数据,作为修正依据。根据前面的分析,照射到拐角处的传感器应该获取到的误差会更大,因此本算法可以避免了产生抖动的现象。
本发明提出一种基于激光测距传感器的改进型A*算法。将激光传感器的远距测量数据运用于A*算法的距离估计结果,基于激光传感器的距离估计改进效果如图10、11所示。图中黄色区域时已搜索区域,红色线条是已发现的墙壁信息,A,B是两个可能路径入口,蓝色线条是这两个路口的最短估计路径。图10中由于获取了远处墙壁的信息,所以在进行距离估计时需要绕过墙壁来进行距离估计,从而获取路径A比路径B距离更近的估计结果。图11中因为没有识别到远处墙壁的信息,所以认为前方没有墙壁,从而获取到了路径B比路径A距离更近的结果估计结果。从这一对比可以看出,图10比图11的估计更加准确。(以上两图中黄色为已探索的区域,红色线条为已探索到的墙壁,A、B为两个可能的路径起点,蓝色箭头为两条路径的最短估计距离)从以上两图可以看出,使用激光传感器的估计距离由于得到了更多的墙壁数据,可以更加精准的对某一路径的距离做出估计,从而提前选择最优路。
基于激光测距传感器的改进型A*路径寻优算法流程图如图12所示,共分为9个步骤:
步骤1:
搜索开始;
步骤2:
智能机器人向前搜索一格,并根据当前方向更新坐标;
步骤3:
根据当前坐标,判断是否已经到达终点;
如果已经到达终点,则结束搜索;
如果没有到达终点,进入下一步;
步骤4:
使用激光传感器和红外传感器探测地图信息;
步骤5:
根据红外传感器测量值更新近距地图信息,根据激光传感器测量值更新远距地图信息;
步骤6:
判断可前进的方向数量;
如果等于1,智能机器人转向该方向,然后回到步骤2;
如果等于0,直接跳到步骤8;
如果大于1,执行步骤7;
步骤7:
分别计算可能的前进方向的估计距离(根据已知的地图信息,使用笛卡尔法估计距离),并存入路口数组中;
步骤8:
选择数组中距离最小的一个,使用洪水法则导航至该坐标;
步骤9:
将改坐标从数组中删除;
回到步骤3。
本发明提出一种外卷封闭路径的排除算法。该算法可分为路径坐标点标注、封闭路径判断和外卷封闭路径判断三部分。其中路径坐标点的目的是为每个坐标标注所属路径,为封闭路径判断做好准备。三个子算法的具体描述如下:
路径坐标点标注:
可以定义一个二维数组表示地图所有坐标点的信息,其中的每一个元素为一个结构体变量,数组元素的下标分别表示坐标点的横纵坐标。结构体有2个成员,分别表示坐标点状态、运动装置方向、运动装置行走步数。其中坐标点状态为布尔型变量,值为真表示该坐标点已走过,值为假表示该坐标点未走过;运动装置方向标注运动装置在该坐标的行进方向,0表示向上下,1表示向左右,2表示当前格运动装置转弯;运动装置步数表示运动装置沿路径行进到当前坐标所需的步数。
该数组初始化未全零,运动装置在搜索的过程中每搜索一个坐标点,即对当前坐标点进行更改。当运动装置发现死胡同路径时,则返回上一个路口处,并将本支路上的坐标点状态全部重置为0。
封闭路径判断:
当运动装置在搜索的过程中,发现前方的坐标点(记作(XX,YX))为已走过的路径或者前方坐标点超出范围时,即可判断当前路径为封闭路径。封闭路径的范围为所有坐标点步数大于交叉点(XX,YX)的步数(记作NX)的坐标点。
外卷封闭路径的排除算法流程图,如图13所示:
当遇到封闭路径且当前路径非死胡同的情况下,就需要判断下一点为外卷路径坐标点或内卷路径坐标点,其方法如下:
从目标点开始以X坐标递减的方式检查该坐标点(XJ,YJ)是否与封闭路径交叉,直到XJ为0,并记录交叉的次数为n。交叉的依据为该点为已走路径且该点的行进方向为垂直方向。
若交叉次数n为偶数(包括0),则说明目标点在封闭路径之外,否则说明目标点位于封闭路径之内。
运动装置搜索的下一点坐标位于封闭路径之外或之内。若下一点与目标点在同一侧,则认为下一点的方向为内卷方向,否则为外卷方向。
Claims (5)
1.基于能源替代技术的智能运动装置,其特征在于,该智能运动装置的结构共包括三层:第一层为单晶硅光伏板;第二层为整个装置的核心大脑树莓派控制板和前后置摄像头;第三层为智能运动装置的电路板,其上面包括红外传感器、激光传感器、麦克风、陀螺仪、电机驱动模块、蓄电池、40P线排和支撑杆;
结合太阳能光伏发电技术和储能技术可为整个系统提供所需的电能,在该装置的顶部放置单晶硅光伏板利用光生伏特效应将太阳能转化为电能,转化后的电能为蓄电池进行充电,然后蓄电池内部储存的电能可为整个智能运动装置提供电能;同时整个装置里装有两块蓄电池GB1和GB2,通过与光伏板、树莓派控制板、电路板相结合实现蓄电池一用一备的供电方案,即可实现为该装置提供源源不断的清洁电能;
电路板内置有AD电压采样芯片,利用AD芯片可以采集光伏板产生的电压、蓄电池GB1和GB2产生的电压值,然后将采集到的电压信号传递给树莓派控制板,树莓派控制板处理信号后再将动作指令传递给电路板上的三极管来控制其通断,最后再通过三极管的导通和断开来进一步控制两块蓄电池的充放电;
装置的系统控制包括输入模块、控制模块、输出模块和电源管理模块四部分;其中输入模块包含摄像头和麦克风,信号传输给树莓派控制板;
红外传感器、激光传感器、陀螺仪和编码器输入部分可将收集到相关信号传输到该装置的电路板;
控制模块包括树莓派控制板和电路板,且此二者之间可以将信息进行交互传输,控制模块的主要作用是将输入模块的信息进行收集处理后,在把相应的动作指令传输给输出模块;
输出模块主要由电机驱动模块组成,接收到控制模块传输的动作指令后,通过电机驱动该装置进行精准运动;
最后的电源管理模块则用于为整个装置提供电能,该装置设计采用两块蓄电池,可实现一用一备的设计方案,进而实现源源不断的电能供应,通过以上四个系统控制原理模块之间的相互配合即可实现装置的自动运行;
智能运动装置从设计上采用模块化思想,把光伏板、树莓派控制板、前后置摄像头、电路板主要部件和接口电路都模块化,封装成为一个可插拔的器件;
当装置较简单的工作环境时依靠第三层的电路板即可维持装置进行正常的运行,此时把光伏板,树莓派,摄像头器件拆除即可;
当装置处于较复杂的工作环境时,则可能需要装配上树莓派控制板才能保障其进行正常的运行;
当装置需要进行长时间长距离的工作任务时,则需要安装光伏板模块为装置提供续航;
故装置的模块化设计也可使该智能运动装置更好的去适应不同的运行环境和工作任务;
封闭路径判断:
当运动装置在搜索的过程中,发现前方的坐标点(记作(XX,YX))为已走过的路径或者前方坐标点超出范围时,即可判断当前路径为封闭路径,封闭路径的范围为所有坐标点步数大于交叉点(XX,YX)的步数(记作NX)的坐标点;
当遇到封闭路径且当前路径非死胡同的情况下,就需要判断下一点为外卷路径坐标点或内卷路径坐标点,其方法如下:
从目标点开始以X坐标递减的方式检查该坐标点(XJ,YJ)是否与封闭路径交叉,直到XJ为0,并记录交叉的次数为n,交叉的依据为该点为已走路径且该点的行进方向为垂直方向;
若交叉次数n 为偶数(包括0),则说明目标点在封闭路径之外,否则说明目标点位于封闭路径之内;
运动装置搜索的下一点坐标位于封闭路径之外或之内;
若下一点与目标点在同一侧,则认为下一点的方向为内卷方向,否则为外卷方向。
2.基于不同运动控制模型的多传感器融合角速测量算法,基于权利要求1所述的基于能源替代技术的智能运动装置,其特征在于,该算法将智能运动装置的运动模型分为直线匀速运动、直线匀变速运动、转弯匀速运动、转弯匀变速运动几种情况,并在考虑运动装置总体运行时间的基础上,结合大量历史数据分别建立先验数据融合模型,对该装置的转弯角度进行测量;
本算法运行在嵌入式计算机的中断函数中,该中断函数每一毫秒执行一次,共分为8个步骤:
步骤1:每执行一次,时长变量加1,以计算程序运行的总时长,并将该时常变量存储作为其他模块的参数之一;
步骤2: 先后获取陀螺仪和编码器两个角速度传感器的数值;
步骤3:根据从主程序中获取的装置的当前状态选择下一步的任务;
步骤4:如果步骤3中获取的状态为匀速直线状态,则执行匀速直线模型运算;如果是其他状态,则执行其他运动模型的运算;
步骤5:根据相应的数学模型和经验模型融合当前速度值和当前的角速度值,以及当前的总运动时长,计算得到当前的角速度;
步骤6:使用卡尔曼滤波算法进行滤波平滑处理,得到接近于真实值的角速度;
步骤7:然后采用梯形积分,对当前的角速度进行积分,获取当前的角度;
步骤8:一个测量周期结束,待1毫秒后进入下一个测量周期。
3.直线消抖处理算法,基于权利要求1所述的基于能源替代技术的智能运动装置,其特征在于,该算法同时使用左右两个红外传感器,当突然出现一面墙壁或者墙壁消失的情况时,根据两个红外传感器信号的强弱,自动使用更强的一侧传感器数据,从而达到消抖的效果,并且具有非常小的计算量。
4.基于激光测距传感器的改进型A*路径寻优算法,基于权利要求1所述的基于能源替代技术的智能运动装置,其特征在于,在地图未知的情况下搜寻最佳路径的路径搜索算法,其核心思想是在具有多条可能路径的情况下首先搜索估计距离最近的那一条路径,激光传感器可以进行远距离测量,功率足够的情况下可以进行数米到数百米的测量;
将激光传感器的远距测量数据运用于A*算法进行距离估计结果在一定程度上减小远近距离的误差,提高精准度;
具体如下:
步骤1: 搜索开始;
步骤2:智能机器人向前搜索一格,并根据当前方向更新坐标;
步骤3:根据当前坐标,判断是否已经到达终点;
如果已经到达终点,则结束搜索;
如果没有到达终点,进入下一步;
步骤4:使用激光传感器和红外传感器探测地图信息;
步骤5:根据红外传感器测量值更新近距地图信息,根据激光传感器测量值更新远距地图信息;
步骤6:判断可前进的方向数量;
如果等于1,智能机器人转向该方向,然后回到步骤2;
如果等于0,直接跳到步骤8;
如果大于1,执行步骤7;
步骤7:分别计算可能的前进方向的估计距离,即根据已知的地图信息,使用笛卡尔法估计距离,并存入路口数组中;
步骤8:选择数组中距离最小的一个,使用洪水法则导航至该坐标;
步骤9:将改坐标从数组中删除;
回到步骤3。
5.外卷封闭路径排除算法,基于权利要求1所述的基于能源替代技术的智能运动装置,其特征在于,该算法可分为路径坐标点标注、封闭路径判断和外卷封闭路径判断三部分;其中路径坐标点的目的是为每个坐标标注所属路径,为封闭路径判断做好准备;
具体包含八个步骤:
步骤1:当运动装置开始搜索到一个新的坐标点时,立刻根据路径坐标点标注方法,记录当前坐标点的状态;
步骤2:判断装置是否已经到达了终点坐标,如果是,则结束搜索;如果不是,则进入下一步骤;
步骤3:根据封闭路径判断方法,判断当前路径是否封闭路径:如果不是,则装置根据搜索法则,进入下一个坐标点,并返回步骤1;如果是封闭路径,进入下一步;
步骤4:根据外卷路径判断方法,首先判断目标点位于当前封闭路径内测还是外测,并记录该状态;
步骤5:根据搜索法则预测装置要搜索的下一坐标点;
步骤6:根据外卷路径判断方法,判断下一坐标点位于当前封闭路径内测还是外测,并记录该状态;
步骤7:判断步骤4和步骤5中的两点是否位于当前封闭路径的同一侧:如果位于同一侧,则装置进入步骤5中预测的坐标点,并返回步骤1;如果不在同一侧,则进入下一步;
步骤8:放弃步骤5中预测的坐标点,并根据搜索法则判断是否有另一个可前进的坐标点,并返回步骤5;如果没有另一个可前进的坐标点,则将当前路径判断为死胡同,并根据搜索法则返回上一个节点处,并返回步骤1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110672114.0A CN113359739B (zh) | 2021-06-17 | 2021-06-17 | 基于能源替代技术的智能运动装置及其运动控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110672114.0A CN113359739B (zh) | 2021-06-17 | 2021-06-17 | 基于能源替代技术的智能运动装置及其运动控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113359739A CN113359739A (zh) | 2021-09-07 |
CN113359739B true CN113359739B (zh) | 2022-07-22 |
Family
ID=77534769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110672114.0A Active CN113359739B (zh) | 2021-06-17 | 2021-06-17 | 基于能源替代技术的智能运动装置及其运动控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113359739B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115793500A (zh) * | 2023-02-06 | 2023-03-14 | 湖南揽月机电科技有限公司 | 小型单轴气浮台半物理仿真系统及工作方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106959689A (zh) * | 2017-03-16 | 2017-07-18 | 浙江大学 | 一种针对交叉路口的机器人循迹装置和方法 |
CN111897364A (zh) * | 2020-08-14 | 2020-11-06 | 深圳大学 | 一种无人机区域轨迹规划方法、装置及可读存储介质 |
CN112794114A (zh) * | 2021-01-29 | 2021-05-14 | 长沙远大模块集成科技有限公司 | 监测装置、监测方法及生产系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105116889A (zh) * | 2015-08-21 | 2015-12-02 | 苏州斯卡柏通讯技术有限公司 | 一种基于太阳能供电的轮式移动机器人控制系统 |
CN205113499U (zh) * | 2015-11-13 | 2016-03-30 | 上海归墟电子科技有限公司 | 一种模块化桌面机器人通用运动底盘 |
CN105320137A (zh) * | 2015-11-16 | 2016-02-10 | 江苏物联网研究发展中心 | 面向家庭服务的室内轮式机器人 |
CN105652876A (zh) * | 2016-03-29 | 2016-06-08 | 北京工业大学 | 基于数组地图的移动机器人室内路径规划方法 |
CN206848810U (zh) * | 2017-04-17 | 2018-01-05 | 成都信息工程大学 | 一种基于Zynq平台的电脑鼠智能车 |
CN110860057A (zh) * | 2019-11-18 | 2020-03-06 | 燕山大学 | 一种消防侦察机器人及侦察方法 |
-
2021
- 2021-06-17 CN CN202110672114.0A patent/CN113359739B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106959689A (zh) * | 2017-03-16 | 2017-07-18 | 浙江大学 | 一种针对交叉路口的机器人循迹装置和方法 |
CN111897364A (zh) * | 2020-08-14 | 2020-11-06 | 深圳大学 | 一种无人机区域轨迹规划方法、装置及可读存储介质 |
CN112794114A (zh) * | 2021-01-29 | 2021-05-14 | 长沙远大模块集成科技有限公司 | 监测装置、监测方法及生产系统 |
Non-Patent Citations (4)
Title |
---|
A Micromouse Maze Sovling Simulator;Jianping Cai;《2010 2nd ICFCC》;20100628;全文 * |
An improved algorithm of the exploring process in Micromouse Competition;Xihua Li;《2010 IEEE ICICIS》;20101031;全文 * |
IEEE迷宫电脑鼠的设计与研究;白龙彪;《中国优秀硕博论文全文数据库》;20150315;全文 * |
基于传统算法的电脑鼠走迷宫搜索算法研究;徐欢;《电子元器件与信息技术》;20201020;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113359739A (zh) | 2021-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113110457B (zh) | 在室内复杂动态环境中智能机器人的自主覆盖巡检方法 | |
CN113189977B (zh) | 一种用于机器人的智能导航路径规划系统及方法 | |
CN109599945A (zh) | 一种智慧电厂自主巡检机器人巡检系统及方法 | |
CN102707675B (zh) | 群机器人控制器、群机器人控制方法及控制器终端 | |
JP5429901B2 (ja) | ロボット及び情報処理装置のプログラム | |
CN104914866A (zh) | 基于拓扑点分类的巡检机器人全局路径规划方法及系统 | |
CN104216409A (zh) | 基于模糊控制的两轮自平衡机器人避障系统及控制方法 | |
JP5068840B2 (ja) | ロボットのプログラム及び情報処理装置のプログラム | |
Wang et al. | Summary of agv path planning | |
CN102207736A (zh) | 基于贝塞尔曲线的机器人路径规划方法及装置 | |
CN113325837A (zh) | 一种用于多信息融合采集机器人的控制系统及方法 | |
CN112518739A (zh) | 履带式底盘机器人侦察智能化自主导航方法 | |
CN113359739B (zh) | 基于能源替代技术的智能运动装置及其运动控制方法 | |
CN112904890A (zh) | 一种电力线路的无人机自动巡检系统及方法 | |
CN111176276A (zh) | 一种智能仓储机器人的开发及应用 | |
CN112857370A (zh) | 一种基于时序信息建模的机器人无地图导航方法 | |
CN111459190A (zh) | 面向规模化集中式光伏电站自动巡检的无人机及巡检方法 | |
CN116352722A (zh) | 多传感器融合的矿山巡检救援机器人及其控制方法 | |
Cao et al. | DDQN path planning for unmanned aerial underwater vehicle (UAUV) in underwater acoustic sensor network | |
CN115314850A (zh) | 一种基于云边协同控制的智能运动系统 | |
Kou et al. | Autonomous Navigation of UAV in Dynamic Unstructured Environments via Hierarchical Reinforcement Learning | |
CN112857373A (zh) | 一种最小化无用动作的节能性无人车路径导航方法 | |
Lu et al. | Slam and navigation of electric power intelligent inspection robot based on ROS | |
Zha et al. | Research on positioning and navigation of USV based on Lidar | |
CN117128975B (zh) | 一种开关柜巡检作业机器人导航方法、系统、介质及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |