室内移动机器人论文参考文献

随着科技的进步，智能机器人的性能不断地完善，因此也被越来越多的应用于军事、排险、农业、救援、海洋开发等方面。这是我为大家整理的关于机器人的科技论文，供大家参考!机器人的科技论文篇一：《浅谈智能移动机器人》 摘要：随着科技的进步，智能机器人性能不断地完善，移动机器人的应用范围也越来越广，广泛应用于军事、排险、农业、救援、海洋开发等。介绍了常见智能移动机器人的基本系统组成及其相关的一些技术，提出一种能够应用于智能移动机器人的越障机构，并简单阐述了其工作原理。在对智能机器人有一定了解的基础上，论述了智能移动机器人的研究现状及其发展动向。 关键词：智能移动机器人越障避障伸展收缩 1 引言 上世纪60年代智能机器人的出现开辟了智能生产自动化的新时代。在工业机器人问世50多年后的今天，机器人已被人们看作是不可缺少的一种生产工具。由于传感器、控制、驱动及材料等领域的技术进步开辟了机器人应用的新领域。智能移动机器人是机器人学中的一个重要分支。 2 智能移动机器人的基本系统组成及其相关技术 由于智能移动机器人在危险与恶劣环境以及民用等各方面具有广阔的应用前景，使得世界各国非常关注它的发展。其共同的五大系统组成要素为：(1)机械机构单元是智能移动机器人的骨架，机器人所有的模块都依靠其支撑，机械机构单元的结构，性能，强度直接影响着整个机器人的稳定性。随着科技发展和新型材料的研制开发，使得智能机器人产品的结构性能有了很大提高，机械机构的各项工艺性及尺寸设计都向着更加合理高效，更加轻便美观，更加环保节能，更加安全可靠等方向发展。(2)动力与驱动单元为智能移动机器人提供动力来源。(3)环境感知单元相当于智能移动机器人的五官，机器人通过感知单元对周围的环境进行感知识别及各种参数的收集，然后通过转换成控制模块可以识别的光电信号，输入到控制单元进行数据处理。(4)执行机构单元为智能移动机器人执行部分，能根据控制中心的命令执行命令，完成任务。不同的机器人有着不同的执行机构，执行机构的设计影响着对要执行动作的效率，精度，稳定性，可靠性等。(5)信息处理与控制单元作为整个机械系统的核心部分，它如人的大脑一样，调控着整个系统，一切的活动都由它指挥。将来自传感器部分采集到的信息进行集中汇总，存储，对所有信息分析，规划决策，输出命令。使机器人有目的的运行。 智能移动机器人是一个集环境感知、动态决策与规划、行为控制与执行等多种功能于一体的综合机电系统。它是传感器技术，控制技术，移动技术，信息处理、人工智能、电子工程、计算机工程等多学科的重要研究成果，从某种意义上讲是机器发展进化过程中的产物，是目前科学技术发展最活跃的领域之一。 3 一种越障机器人 我们设计的移动机器人(图1)有很好的机动性能，前导轮、前轮和后轮可以实现独立升降运动。前导轮(如图1)由通过曲柄圆盘的转动角度控制摇杆的摆动角度，带动相关的平面连杆机构运动，从而实现前导向轮的伸展和收缩实现攀越。机器人两侧的侧边驱动机构为平面连杆-滑块越障机构，前后轮(如图1)分别通过导杆在槽中的移动，带动平面连杆机构的运动，实现前后轮的伸展和收缩，实现越障功能。本机器人通过尺寸的设计可以实现较大的越障高度，通过合理的控制轮摆动的角度还能实现多种类型障碍物的攀越。 4 智能移动机器人的应用概况 随着科技的进步，机器人的功能不断完善，智能移动机器人的应用范围也大大拓宽，不仅在工业、农业、医疗、服务等行业中得到广泛的应用，而且在排险、海洋开发和宇宙探测领域等有害与危险场合(如辐射、灾区、有毒等)得到很好的应用。 陆地智能移动机器人 20世纪60年代后期，苏美为了完成对宇宙空间的占领，完成月球探测计划，各自研制开发并应用了移动机器人，通过移动机器人实现对外星土壤的样本采集和土壤分析等各种任务。陆地智能移动机器人的出现是为了帮助人类完成无法完成的任务。陆地移动机器人也广泛应用于军事，可以完成排除爆炸物，扫雷，侦查，清除障碍物等等，近年来智能移动机器人也开始渐渐融入人们的日常生活。 水下智能移动机器人 近年来，人们对资源的渴求加大，开始对原子能和海洋资源的开发，加之水下环境十分复杂(能见度差，定位困难，流体变化等)，水下智能移动机器人在海底资源探测上的优势使之受到关注。近年德国基尔大学的科学家研制出新型深水机器人“ROV Kiel 6000”，这架深水机器人能够下探到6000米深的海底，寻找神秘的深水生物和“白色黄金”可燃冰。 仿生智能移动机器人 近年来,全球许多机器人研究机构越来越多的关注仿生学与机构的研究工作.在某些情况下仿生机器人尤其独特优势，例如，蛇形机器人重心低，能够模仿蛇的动作，穿梭在能够穿梭在受灾现场和其他复杂的地形中能够帮助人类完成各种任务。除此之外还有仿生宠物狗、仿生鱼、仿生昆虫等。 5 智能移动机器人的发展方向及前景 影响移动机器人发展的因素主要有：导航与定位技术，多传感器信息的融合技术，多机器人协调与控制技术等因而移动机器人技术发展趋势主要包括： (1)高智能情感机器人。随着科学技术的发展，人们对人机交互的技术的要求越来越高，具有人类智能的情感移动机器人是移动机器人未来发展趋势。目前的移动机器人只能说是具有部分的智能，人们渴望能够出现安全可靠的能够沟通交流的高智能的机器人。虽然现在要实现高智能情感机器人还非常的困难，但是终有一天，随着科学技术的突破，它将成为现实。 (2)高适应性多功能化的机器人。机器人的出现是为人类服务的，自然界中还有好多未知的世界等着我们开拓，各种危险的复杂多变的环境，人类无法涉足，因此人们也迫切希望有能够代替人类的机器人出现，高适应性多功能化的机器人也必将是机器人的发展方向之一。 (3)通用服务型的机器人。随着科学技术的发展，机器人也是应该越来越容易融入人们日常生活中的，在日常生活中为人们服务。例如在家庭中，机器人可以帮助人们做各种家务，和人们生活关系密切。 (4)特种智能移动机器人。根据不同应用领域，不同的目的，设计各种各样特种智能移动机器人是未来发展方向，如纳米机器人，宇宙探索机器人，深海探索机器人，娱乐机器人等等。 6 结束语 总之，智能移动机器人涉及到传感器技术，控制技术，移动技术，信息处理、人工智能、控制工程等多学科技术。未来智能移动机器人走向生活，安全可靠，操作简单是其趋势。尽管智能移动机器人以惊人的速度在发展着，但是实现高适应性，智能化，情感化，多功能化的移动机器人还有很长的路要走。 参考文献： [1]谢进,万朝燕,杜立杰.机械原理(第2版)[M].北京:高等 教育 出版社,2010. [2]陈国华.机械机构及应用[M].北京:机械工业出版社,2008. [3]徐国保,尹怡欣,周美娟.智能移动机器人技术现状及展望[J].机器人技术与应用,2007(2). [4]肖世德,唐猛,孟祥印,等.机电一体化系统监测与控制[M].四川:西南交通大学出版社,2011. 机器人的科技论文篇二：《浅谈机器人设计 方法 》 摘要：机器人是人类完成智能化中非常重要的工具，随着时代的发展，机器人已经在世界有了一定的发展，甚至很多国家机器人已经运用到实际的生活中去。而机器人的设计方法无疑是很多人非常感兴趣的问题，因此本文针对机器人的设计方法进行了详细的探索。 关键词机器人;设计;方法 1.前言 纵观人类的发展史，工具的进步才能带动人类的文明，如今设计朝着智能化的方向在发展，机器人就是人类在发展智能化过程洪重要的产物，因此机器人常用的设计方法是设计师们必备的工具。 2.控制系统的硬件设计 在现代科学技术不断发展的背景之下，工业现场所涉及到的重体力劳动量不断提升。当中部分劳动任务的实现单单依靠人力是很难实现的。而为了良好的完成工业现场的相关生产作业任务。就需要通过对机器人装置的研究与应用来实现机器人控制系统的硬件部分主要由5个模块组成：控制模块、循迹模块、避障模块、电机驱动模块、电源模块。 (1)控制系统模块。ATmega128为基于AVR RISC结构的8位低功耗CMOS微处理器，运算速度快，具有多路PWM输出，可将测速、避障等电路产生的输入信号进行处理，并输出控制信号给驱动放大电路，从而控制电机转速，此方式产生的PWM信号比用定时器中断产生的PWM信号实时性更好，而且不会占用系统的定时器资源。 (2)循迹模块。循迹是指小车在比赛场地上循白色引导线线行走，循迹模块的原理图如图2所示。循迹模块采用灰度传感器，发射管为普通LED灯，接收管为光敏三极管3DU33。工作原理为：不同颜色的物体对LED发射光反射不同的亮度，光敏三极管3DU33接收这些不同亮度的光线，就会呈现不同的电压Vx。Vx输入到比较器LM339的同相端，并与电位器设定的电压V0相比较，当Vx>V0时，比较器输出高电平，当Vx循迹机器人前后两端均是由7个灰度传感器组成的循迹模块。其中，中间三个灰度传感器起巡线的作用，两端的灰度传感器起探测弯道作用，剩下两个灰度传感器交替进行巡线和探测弯道。实验证明，这样的灰度传感器的布置图，机器人循迹的效果好，且“性价比”非常高。 (3)避障模块。避障模块主要使用的是红外发射接收传感器，当红外感应避障模块靠近物体时，输出低电平信号;当没有感应到物体时，输出高电平信号。将该信号线接入到单片机的控制端口，控制程序就能起到探测障碍物的作用，当在机器人行进的路径上就可以发现有障碍物并及时避开绕行。 (4)驱动模块。循迹避障机器人要求行走灵活、反应快速，因此要求驱动电机具有“转速快、制动及时”等特点。我们设计制作的循迹避障机器人采用中鸣公司的JMP-BE-3508I驱动板模块，其输入电压为11V到24V，最大输出电流为20A，满足快速前进、制动、转弯的要求。并且电机速度达到500rpm，堵转力矩为，具有很强的刹车功能。利用单片机的四路PWM输出信号，分别控制四个轮子的转速。并采用“四轮驱动”、“差速转弯”的方式实现机器人的前进、后退与转弯。 (5)电源模块。循迹机器人的电源模块主要实现以下三大功能：①稳定输出5V工作电压。故我们设计制作的电源模块以7805芯片为核心，把输入电压截止到5V。②提供足够的电流。7805芯片最大输出电流为，而循迹机器人需要较大电流，所以我们使用了两片7805芯片分别对控制系统和外部设备进行供电。③滤波。在7805芯片的输入、输出端分别并联104贴片电容和10μF的电解电容，过滤高频、低频信号。 3.软硬件模块开发流程和界面程序 (1)图像处理模块：照相机实时捕捉图像，处理转化后和初始图像进行处理比较，找出图像中差异的位置通过TCP传输。 (2)TCP通信模块：视觉系统通过以太网连接贝加莱控制器，控制器可以作客户机或服务器实时传输数据，：定义结构体用于视觉系统传输位姿给机器人和机器人实时反馈位姿和信号状态数据给视觉系统。 (3)位置转换模块：把视觉系统的位姿转换为机器人的位姿传输给机器人，控制机器人运行。 (4)轨迹规划模块：进行运动轨迹规划和速度规划，根据机器人当前的位置和目标位置，选择最优的运动轨迹(直线、圆弧、不规则曲线等运动轨迹)，然后对轨迹、速度进行插补，插补值调用机器人运动学算法计算轨迹的可靠性，再把实时插补的位置、速度传送给运动控制模块。 (5)运动控制模块：根据实时插补的值结合加速度、加加速度等控制参数给驱动器。 (6)伺服模块：根据控制器所发送数据，结合各伺服控制参数，驱动电机以最快响应和速度运行到各个位置。 4.机器人精度标定和视觉软件处理 精度标定 精度的标定包括机器人精度标定 和机器人相对于视觉照相机位置标定 。机器人运动前，需要用激光跟踪仪标定准确各轴杆长、零点、减速比、耦合比等机械参数，给运动学、控制器系统，机器人才能按理论轨迹运行准确。行到指定点。 通过三点法、六点法标定机器人相对于视觉照相机的X、Y、Z方向距离给位置转化模块，确定机器人坐标系相对于照相机坐标系的转化关系。 视觉处理软件 包括固定视觉系统标定模块和移动视觉系统标定模块 。视觉系统安装在固定位置相当于给机器人建立照相机一个用户坐标系，此模块用于运算机器人和固定视觉系统之间位姿转换关系。视觉系统安装在机器人末端法兰位姿相当于给机器人建立照相机一个工具坐标系，随着机器人运动而实时改变位置，此模块用于运算机器人和动态视觉系统之间位姿转换关系。 实时处理传输机器人、视觉系统和以太网的运行通信状态以及出错状态处理。 人机界面设计及实现 当机器人出现故障，不能自动移动位置时，比如碰到硬件限位或出现碰撞现象时，此时可以进入手动页面，选择机器人操作，移动机器人到指定位置。对于新建码垛工艺线，需要配置系统参数、位置信息、以及产品参数，等必要的信息。码垛数据编辑与创建的功能，产品覆盖了袋子、箱子，以及可变数量抓取的功能。可以添加产品数量，改变产品方向，单步数量修改，产品位置移动以及旋转等设置。本页面中，示例生成了每层五包的袋装产品，编号从1到5，可以通过调整编号的顺序，达到改变产品的实际码垛顺序。 5.结束语 总之，在进行机器人的设计过程中，要根据设计的用途进行针对性的设计，对于设计过程中出现的问题要及时的采用上述的思维方法进行解决，随着机器智能化的推广，无疑机器人的设计在未来会有更广阔的天空。 参考文献： [1]张海平，陈彦. Wincc在打包机人机界面中的设计与应用[J].HMI与工业软件，2012(3)：70-72. [2]朱华栋，孔亚广.嵌入式人机界面的设计[J].中国水运，2008(11)：125-126. [3]金长新，李伟.基于Windows CE的车载电脑系统人机界面的实现[J].微计算机信息，2005(21)：132-134. 机器人的科技论文篇三：《浅谈igm焊接机器人的故障处理》 [摘 要]机器人技术综合了计算机、控制理论、机构学、信息和传感技术、人工智能等多学科而形成的高新技术。本文通过介绍igm焊接机器人的工作原理，以及在实际工作中机器人的常见故障现象，对故障产生的原因进行分析，并提出了相应的维修方法。 [关键词]igm焊接机器人 工作原理 故障处理 0 前言 机器人技术是综合了计算机、控制理论、机构学、信息和传感技术、人工智能等多学科而形成的高新技术。这门新型技术的介入，对维修技术人员提出了更高要求。如何保证焊接机器人的可靠性、稳定性，发挥机器人的最大优势，针对机器人的故障维修及设备维护保养工作就尤显重要。 1 igm焊接机器人组成及工作原理 igm焊接机器人的组成 igm焊接机器人是从事焊接(包括切割与喷涂)的工业机器人，它加工精细、动作灵巧、焊接精度高、焊缝成形好。在机械行业中得到了广泛的应用。 igm焊接机器人工作原理 igm焊接机器人内部轴控制原理：通过数字伺服板DSE-IBS处理当前位置的校准、位置驱动、速度驱动等信息，处理后的信息送馈到伺服驱动器，由伺服驱动器内部的脉宽调制器调制，然后放大输出推动伺服电机。伺服电机运动的同时，编码器同步运行，并把采集的位置角度信息反馈给RDW控制板，通过RDW板的增量计算、数据整定后的位置信息回馈给DSE-IBS板，做下一个周期的计算处理，此过程反复进行从而实现了实时位置的更迭过程。 2 igm焊接机器人故障诊断及分析 焊接机器人故障类型 焊接机器人故障类型可分为软件故障和硬件故障，由机器软件造成的故障，如系统停机 死机 的现象;由机器硬件造成的故障，如驱动单元、电气元件各模块的故障。就故障现象可分为人为故障和自然故障、突发故障三大类。对于维修来说，自然故障和突发故障的排除就显得困难，因为这种维修不仅仅针对故障单元本身，还要对系统进行改进，这就需要周密分析，对故障诊断进行优化和改进，避免排除过的故障重复出现，使系统进一步稳定可靠。 igm焊接机器人常见故障处理 机器人开机后示教器无报警信息，但机械手无法正常引弧。首先检查系统是否送丝送气，发现送丝系统无法手动送丝，保护气瓶有压力，但是焊枪喷嘴处无保护气。再检查机械手焊接电缆、引弧板及送丝板，都没有发现故障。这说明机械手的功能是正常的，可能是焊接回路不通畅。可以通过测量焊接回路阻抗来判断焊接回路是否正常。 回路阻抗的测试步骤： i把连接工件的地线接好，保证地线夹与工件接触部分干净良好; ii接通机器人电柜电源，将福尼斯焊机电源开关拨至“I”位置; iii在焊机二级菜单内选择“r”功能。 iv取下焊枪喷嘴，拧上导电嘴，将导电嘴贴紧工件表面。需要注意的是，测量过程中要确保导电嘴与工件接触处的洁净。测量进行时，送丝机和冷却系统不启动; v轻按焊枪开关或点动送丝键。焊接回路阻抗值测算完成。测量过程中，右显示屏显示“run”; vi焊接回路测算结束后显示屏显示测量值。测得的焊接回路阻抗是18 Ω(正常值以<20Ω为佳)，说明焊接机器人的焊接回路的通畅的。再断电、通电调试，焊接机器人能正常引弧，应该是回路测试过程中通过连接接地夹、拆卸喷嘴、导电嘴等将回路未正常接触处接通了。 igm机器人在焊接过程中，引弧困难、焊接电流极不稳定，且经常断弧，反复出现“Arc fault”电弧故障。 i检查接地电缆，测量回路电阻值为Ω，正常 值以<20Ω为佳。 ii检查焊丝直径(Ф)与送丝轮的公称直径相匹配。 iii焊丝材料(G2Si)与焊接方式及焊接母材相匹配。 iv后观察焊枪喷嘴处，存在大量粉尘的切粉，手动送出的焊丝不光滑平整，有小量弯曲及伤丝情况，说明送丝不畅。 v对送丝阻力进行检测。将送丝锁紧杆、压紧杆打开，手盘焊丝盘将焊丝收回，发现阻力很大。多为送丝软管堵塞或软管与机械手夹角过大造成。 vi检查送丝轮磨损情况，V型送丝槽不易过深过宽，以正好放置一根Ф规格的焊丝为佳，间隙过大，将影响送丝的稳定性，焊接电流的稳定性。拆下送丝轮，发现送丝轮磨损严重，圆度误差较大，送丝槽过深。送丝机构一旦出现失控，就会高速送丝，焊接电源得不到正常的信号反馈(送丝速度的反馈采用光电测速)，不能提供稳定的电流、电压，造成不能正常焊接。更换送丝轮、送丝软管，并进行压力调整，故障解除，焊接正常。 igm机器人回零参数自动丢失。igm机器人在下一次开机时，回零参数自动丢失，重新校零、输入参数，保存参数反复丢失。检查示教电缆、接口、程序、轴卡、RDW板指示灯全部正常，检查后备电池(缓冲电瓶，用于关机或意外掉电情况下，为系统提供短时间供电，进行信息的存储)测量电压值，一个为，一个为12 V，总电压为21 V，正常值为24V，更换一组电池后一切正常，再未出现数据丢失现象。 突发故障的分析及处理 该故障无可预见性，事发突然。实际工作中出现最多。多为受环境影响的系统故障，如焊接机器人控制部分电路板故障、稳压 电源故障 、通讯故障等，反映在机器人在工作时突然报警且无法消除报警。重新启动又恢复正常，但不久又出现报警，这类故障造成整个系统不稳定。 为了进一步判断驱动器的好坏，缩小故障范围， 对编码器进行检查，RCI系列的机器人各轴所使用的编码器是绝对编码器，它是一种电磁部件，可以传递旋转角度的信息，由两个固定绕组(sin绕组和cos绕组)及一个参考绕组组成，原理基本上同旋转变压器相似。将X12插头拔下，分别测量11-12、13-5、14-4端子阻值，结果没有一项有阻值，说明编码器出现异常。 找到12轴伺服电机，检查发现编码器插头锁紧并帽已退出，插头连接松动。将插头重新安插，锁紧到位，再次测量11-12端子阻值为94Ω，13-5端子阻值为65Ω，14-4端子阻值为65Ω，9-10端子阻值为600Ω，说明各绕组正常。上电后，驱动可正常打开，故障解除。 3 结束语 维修工作是理论指导实践，实践促进理论的一个反复过程，理论实践的有机结合才会使维修人员更加深入，更加准确的判断处理各种故障。工作中维修人员必须具有独立思考分析判断的能力，操作中一定要注意观察，不可盲目更改焊接机器人设定、跳线等状态，要养成做工作记录的好习惯，归纳 总结 各类故障现象以及处理过程，积累故障诊断和维修方面的 经验 ，以提高维修水平。 参考文献 [1] 戴光平.《焊接机器人故障诊断及维修技术》. 重庆：中国嘉陵工业股份有限公司，2003. [2] 中国焊接协会成套设备与专业机具分会. 《焊接机器人实用手册》.机械工业出版社，2014. [3] 李德民.《焊接机器人的故障维修》. 长春：长客股份制造中心，2011. 猜你喜欢： 1. 关于科技论文的范文 2. 关于计算机的科技论文3000字 3. 数学科技论文800字 4. 自动化科技论文题目与范文

摘要(Abstract)本文综述了移动机器人导航技术的发展情况，尤其注重智能方法在导航技术中的应用，同时对导航技术的发展方向作了进一步的阐述。Thispapergivesasurveyofthepresentstatusofmobilerobotnavigationresearches,.关键词(Keywords)移动机器人导航智能方法MobilerobotNavigationIntelligenttechniques1引言移动机器人是一种在复杂的环境下工作的具有自规划、自组织、自适应能力的机器人。在移动机器人的相关技术研究中，导航技术可以说是其核心技术，也是其实现真正的智能化和完全的自主移动的关键技术[7,8]。导航研究的目标就是没有人的干预下使机器人有目的地移动并完成特定任务，进行特定操作。机器人通过装配的信息获取手段，获得外部环境信息，实现自我定位，判定自身状态，规划并执行下一步的动作。2移动机器人导航研究现状机器人导航方式移动机器人的导航方式很多，有惯性导航[36,37]、视觉导航[15,17,21,31]、基于传感器数据导航[18,32,33,34]，卫星导航[14,39,40]等。它们都不同程度地适用于各种不同的环境，包括室内和室外环境，结构化环境与非结构化环境。(1)惯性导航惯性导航是一种最基本的导航方式。它利用机器人装配的光电编码器和陀螺仪，计算机器人航程，从而推知机器人当前的位置和下一步的目的地[37]。显而易见，随着机器人航程的增长，定位的精度就会下降，而定位误差将会无限制地增加。为减少这种误差，以及降低光电编码器等数据的噪声，Kalman滤波器在此可有用武之地[38]。(2)视觉导航由于计算机视觉理论及算法的发展，视觉导航成为导航技术中的一个重要发展方向。DeSouza等[22]总结了近20年机器人导航中视觉导航技术的发展状况，包桂秋等[17]也描述了图像技术在机器人导航中的应用，特别是在飞行器包括导弹、飞机等导航中的应用。通常，机器人利用装配的摄像机拍摄周围环境的局部图像，然后通过图像处理技术，如特征识别、距离估计等，进行机器人定位及规划下一步的动作。Menegatti等[32]利用Fourier变换处理机器人全方位图像，并将关键位置的图像经Fourier变换所得的数据存储起来作为机器人定位的参考点。以后机器人所拍摄的图像经变换后与之相对照，从而得知机器人当前位置。席志红等[15]利用视觉技术解决计算机器人运动过程中的避碰点，从而实现机器人局部路径规划。(3)基于传感器数据导航一般机器人都安装了一些非视觉传感器，如超声传感器、红外传感器、接触传感器等。利用这些传感器亦可以实现机器人导航。童峰等[18]介绍了一种用于移动机器人的超声波导航系统，而且此系统精度比较高。Song等[33]将超声数据与图像数据结合，通过事先训练好的神经网络预测障碍物的可能位置，从而使得机器人能够在动态非结构化环境中实现自主导航。而Maaref等[34]将传感器数据作为模糊推理系统的输入，模糊系统将产生较优(针对某事先设定的代价函数而言)的机器人行为动作。Ratner等[35]利用超声数据，识别和跟踪道路边缘，从而实现机器人在一个公园中的自主导航。(4)卫星导航GPS全球定位系统是以距离作为基本的观测量，通过对四颗GPS卫星同时进行伪距离测量计算出用户(接收机)的位置。机器人通过安装卫星信号接收装置，可以实现自身定位，无论其在室内还是在室外。宋爱国等[14]利用GPS结合数字地形图，对机器人在野外环境中的导航问题作了研究。Lim等[39]先利用GPS信号对野外环境中的机器人进行粗定位，然后利用全景图像数据精确定位机器人。Panzieri等[41]用Kalman滤波器融合GPS定位数据和其他定位数据，发展了一个室外环境下的机器人导航系统。有趣的是，仿照GPS的工作原理，Hada等[39]利用分布在室内各处的摄像机，研制了一个室内GPS系统(iGPS)。机器人导航相关技术机器人导航相关技术包括机器人定位与地图构建[8,12,20]、机器人路径规划[1,2,10,27]、机器人体系结构[41]、传感器数据融合[42,43]等。这些方面的研究内容及近些年所取得的进展，可以参考这里指出的文献，本文不再赘述。智能方法的应用随着智能控制理论与方法的迅速发展，智能方法在移动机器人导航中得到了广泛应用。目前主要存在的智能导航算法主要有模糊算法、神经网络算法、模糊神经网络、遗传算法和进化神经网络等。(1)模糊逻辑的导航方法Wong等[3]提出了一种基于模糊逻辑的导航方法，其思想就是定义3个矢量(机器人前进方向矢量、机器人到目标的方向矢量和机器人到障碍物的方向矢量)，根据3个矢量的位置关系来决定构造模糊规则库。(2)遗传算法张文志等[13]给出了一种用遗传算法学习模糊规则以完成移动机器人导航的方法．通过采用变长度编码方法和竞争型小生境遗传算法，减少了染色体的尺寸和复杂度，同时提高了学习速度。Hashimoto等[6]等提出了基于遗传编程(GeneticProgramming，GP)的导航方法，GP是一种采用结构编码方法的扩展的遗传算法，可以产生计算程序和函数。整个方案的原理就是利用GP对数据进行预处理，把定量的数据信息转化成关于周围环境的定性信息，感知结束后，采用基于delta规则的模糊规则进行推理，从而实现自主式移动机器人导航。邹细勇等[16]提出了一种解析形式的机器人矢量场导航模型。考虑到机器人对路径长度、平滑度及安全性的要求，一种混合遗传模拟退火优化算法被用来对导航模型的参数进行搜索，以寻找最优路径。龚涛等[19]分析了未知远程环境下移动机器人导航过程中进化学习的效率和知识更新问题，提出了并行进化模型来解决此问题。(3)神经网络技术Banta等[30]讨论了神经网络技术在机器人导航中的应用。Morasso[22]构建了一个基于自组织神经网络的混杂系统来实现机器人导航，通过传感器数据训练自组织神经网络，机器人关于环境的知识便逐步积累。Chee等[24]构造了一个两层的模糊推理系统来进行机器人导航，此系统接收传感器数据作为输入，而直接输出机器人控制信号。Doitsidisetal[25]设计了一个两层的模糊推理系统来实现自动小车的导航;其中第一层实现数据融合和运动控制功能，第二层实现实时避障功能。Tsourveloudis等[27]使用一个两层模糊推理系统，结合势场方法，实现机器人导航。这里的模糊推理系统与[26]大致相同。(4)基于行为的导航方式有一类机器人导航方法是基于行为的导航方式。所谓基于行为的导航是把复杂的导航功能分解成很多简单的功能模块单元。每个单元有自己的感知器和执行器，具有特定的感知动作行为。机器人在不同的情景下，激发并执行某个或某些功能模块单元。Parasuraman等[4]利用模糊专家系统来进行功能模块的调度。整个导航系统分成三个子系统功能模块(wallfollowing，obstacleavoidance，goalseeking)，每个功能模块都用模糊逻辑来设计。这个系统的优点是模块动作转换平滑，并且易于增加新的功能模块。Nefti等[5]利用自适应模糊神经网络(ANFIS)来调度这三个功能模块。杨争等[11]也实现了一种此类导航系统，其中各个功能模块单元由一个模糊控制器调度。Lim等[35]用混杂系统来进行动作模块分配，从而实现高速的机器人行为动作;这个混杂系统包括离散的抽象动作任务和连续的具体控制信号。Ryu等[29]通过扩展拓扑地图能实现机器人定位和路径规划;同时，这个导航系统具有基于行为的导航功能。这样，机器人既具有快速反应能力，又具有全局规划能力。(5)机器学习近十几年来，机器学习亦在机器人导航中得到广泛应用。Millan[24]提出了一种联结主义的强化学习方法。机器人通过几次试探，就能得到有效的导航策略。研究表明，引入强化学习方法后，机器人甚至能对尚未被传感器探测到的障碍物做出反应，而且对传感器数据的噪声及外来干扰具有鲁棒性。Arleo等[30]深入讨论了空间学习方法及其在机器人导航中的应用。3发展展望移动机器人技术是传感技术、控制技术、信息处理技术、机械加工技术、电子技术、计算机技术等多门技术的结合。因此对于移动机器人的发展也必然建立在这些技术的高速发展之上的。对于移动机器人导航的研究应该从以下几个方面着手:(1)先进的传感技术传感器相当于移动机器人的感觉器官，只有先进的传感器技术才能有效的采集环境信息，从而提高导航的效率和准确性。(2)高效的信息处理技术信息处理主要是指对于传感器采集进来的信息进行处理，包括语音识别与理解技术，图像处理与模式识别技术等。由于目前移动机器人的导航大都采用基于视觉或有视觉参与的导航技术，因此计算机视觉和图像处理技术的水平对于移动机器人导航的发展将起到至关重要的作用。(3)多传感器的信息融合技术多传感器的导航方式是移动机器人导航发展的必然趋势。这种多传感器的信息融合技术充分利用了多个传感器的资源，通过对这些传感器及其观测信息的合理支配和利用，把多个传感器在空间或时间上的冗余或互补信息根据一定的准则进行组合，从而获得对被测对象的一致性解释或描述，因此它不但能够提高导航精度，同时也使整个导航系统具有了较高的鲁棒性。(4)智能方法的发展与完善目前在移动机器人导航中，智能方法的应用是一个重要的发展方向。但目前智能算法在机器人导航中的应用范围却受到了很大局限，如神经网络应用往往局限在环境的建模和认知上，例如机器人地图构建。同时由于目前在导航过程中主要采用前馈网络，需要教师信号进行训练，因此难于实现在线应用;模糊逻辑应用于复杂未知动态环境中，模糊规则很难提取，导航的效果也不理想。因此在移动机器人导航中，智能方法还有极大的发展空间。参考文献[1][J].Boston,1991.[2][J].CombridgeUniversityPres,2000.[3][A].ICRA[C].2001:3778～3782.[4][A].IECON'03[C].2003:2410～2416.[5][J].2001,(30):311～359.[6][A].AFSS[C].2000:674～679.[7]卢韶芳,刘大维.自主式移动机器人导航研究现状及其相关技术[J].农业机械学报,2002,(3):112～116.[8]郑向阳,熊蓉,顾大强.移动机器人导航和定位技术[J].机电工程,2003,20(5):35～37.[9]王志文,郭戈.移动机器人导航技术现状与展望[J].机器人,2003,25(5):193～197.[10]吕永刚,谢存禧.移动机器人的导航与路径规划的研究[J]机电工程技术,2004,33(1):19～21.[11]杨争,胡旭东.自主移动机器人基于行为的导航策略及其实现[J].机器人技术与应用,2002(5):21～23.[12]李群明,熊蓉,褚健.室内自主移动机器人定位方法研究综述[J].机器人,2003,25(6):560～567.[13]张文志,吕恬生.基于改进的遗传算法和模糊逻辑控制的移动机器人导航[J].机器人,2003,25(1):1～6.[14]宋爱国,王庆,黄惟—.基于数字地形图移动机器人的GPS自主导航[J].导航,1995(4):63～67.[15]席志红,原新,许辉.基于视觉的移动机器人实时避障和导航[J].哈尔滨工程大学学报,2002,23(5):107～109.[16]邹细勇,诸静.基于混合遗传模拟退火算法的矢量场机器人导航[J].控制理论与应用,2003,20(5):657～663.[17]包桂秋,周兆英,熊沈蜀,叶维英.图像导航技术的发展和应用[J].航空计测技术,2003,23(6):1～4.[18]童峰,许天增.一种移动机器人超声波导航系统[J].机器人,2002,24(1):55～57.[19]龚涛,蔡自兴.未知远程环境下移动机器人导航的并行进化模型[J].机器人,2003,25(3):470～474.[20]迟健男,徐心和.移动机器人即时定位与地图创建问题研究[J].机器人,2004,26(1):92～96.[21][J].(2):237～266.[22][J].IJCNN,1993:1875～1878.[23][J].Fuzzy-IEEE,1996:7～12.[24][J].(3):408～420.[25][A].ICRA2002[C].2002:2171～2177.[26][J].(4):490～497.[27](eds),RobotMotionPlanningandControl,LecturesNotesinControlandInformationSciences229[J].Springer,1998.[28][J].(5):474~485.[29][J].(3):639～652.[30][J].IEEEIndustryApplicationsSocietyAnnualMeeting,1993:2459～2462.[31][J].RoboticsandAutonomousSystems,2004,47(4):251～267.[32][J].IEEETranssonSMC-PartA,1999,29(6):870～880.[33][J].RoboticsandAutonomousSystems,2002,38(1):1～18.[34][J].RoboticsandAutonomousSystems,2003,45(2):73～82.[35][A].[C].2001:143～148.[36][A].ICMFIIS1996[C].1996:132～138.[37][A].ProceedingsoftheICRA1997[C].1997:441～446.[38](iGPS)[A].IROS2001[C].2001:1005～1010.[39][A].IROS1998[C].1998:570～575.[40][J].IEEE/(2):134～142.[41]李佳宁,易建强,赵冬斌,西广成.移动机器人体系结构研究进展[J].机器人,2003,25(7):756～760.[42]王耀南,李树涛.多传感器信息融合及其应用综述[J].控制与决策,2001,16(5):518～522.[43]王军,苏剑波,席裕庚.多传感器集成与融合概述[J].机器人,2001,23(2):183～186.作者简介邓旭玥(1979-)博士研究生研究领域:机器人规划与控制。王伟(1978-)博士研究生研究领域:欠驱动控制。易建强(1963-)博士/研究员/博士生导师研究领域:机器人、智能控制。赵冬斌(1972-)博士/副研究员研究领域:机器人、智能控制。