针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题，提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先，该系统中无人机可适应高原山地低压、大风环境，无人车可在低温环境、冰雪表面长时间行驶，相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型，且不造成大幅精度损失。其次，所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型，并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构，其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明，提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带，提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。
针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题，提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先，该系统中无人机可适应高原山地低压、大风环境，无人车可在低温环境、冰雪表面长时间行驶，相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型，且不造成大幅精度损失。其次，所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型，并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构，其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明，提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带，提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。
针对无人机、无人车在复杂环境下运行不稳定、协作性差的问题，提出一种可以在冰雪表面、地形起伏等山地冰川环境下运行的空地机器人冰川探测系统。首先，该系统中无人机可适应高原山地低压、大风环境，无人车可在低温环境、冰雪表面长时间行驶，相应的轻量级地形建模和预测框架可将冰川表面环境点云模型转换成数据量更小的模型，且不造成大幅精度损失。其次，所提系统不仅可通过对驾驶数据、车辆状态数据与地形数据之间的相关分析建立驾驶技能模型，并利用增量式学习方法使驾驶技能模型快速适应冰川环境和复杂地表结构，其基于无人机机动性、无人机能耗、水平距离约束和视距约束的空地协同策略还可以保证系统的通信稳定和平稳运行。验证实验表明，提出的驾驶技能学习方案可以保证无人车在驾驶建议下平稳通过冰川危险地带，提出的空地协同策略可以保持较低水平的跟踪误差与通讯延迟。
提出了模糊比例变量的概念 ,利用此概念解决了室外复杂三维路径的模糊描述问题 ,并在此基础上用模糊数学理论解决了在月球微重力作用下、复杂三维地形中作业的 FWALR(五轮铰接式月球机器人 )的模糊控制问题 .仿真试验表明 ,该模糊控制器控制效果良好
给出了六轮摇臂—转向架式月球探测车的运动学建模方法。该模型共有6个自由度,包括沿x、y、z方向的移动和绕x、y、z方向的转动。为了获得月球探测车的位置和姿态,正运动学方程由车轮的雅可比(Jacobian)矩阵推导,并对矩阵方程进行了求解;逆运动学方程为已知探测车本体的运动速度,确定单个车轮的驱动速度,以达到期望的探测车位姿。该运动学模型为月球探测车的运行、运动控制系统的设计及自主导航提供了理论基础。
本文为在有壕沟、台阶和斜坡的复杂三维地形上行驶的轮式移动机器人提出了一种新的运动学建模方法 :切平面拼接法 .该方法的主要思想是用机器人在不同时刻不同斜面上的运动学模型组成机器人在崎岖不平地面上行驶的复合运动学模型 .该建模方法简单 ,建模的精确性可以控制 .作者用该方法建立了五轮铰接式月球机器人 (FWAL R)在崎岖不平地面上行驶的正向和逆向运动学模型 ,为 FWAL R机器人在复杂三维地形上的运动控制奠定了基础
为了满足五轮铰接式月球机器人 (FWALR)的避障及在月面上作业的要求 ,针对 FWALR的结构特点、月球上凹凸不平的三维地形和机器人车轮与地面的相互作用 ,提出了基于虚拟传感器的双向全局路径规划方法和降维法 .用此方法对 FWALR进行了全局路径规划及仿真试验 ,证实了这种全局路径规划方法的可行性
提出了一种新型的月球机器人———五轮月球机器人 ,并研究了其越障性能、转向性能、静态稳定性和附着性能。结果表明这种机器人有很强的适应复杂三维地形的能力 ,能较好地满足月球上行驶的要求
针对月球的微重力特性、地形的不连续性、部分驱动轮打滑、部分车轮短时间离开地面甚至机器人发生侧翻的复杂情况 ,用移动机器人在不同时刻不同斜面上的运动学模型组成机器人在崎岖不平地面上行驶的复合运动学模型的方法 (TPCM) ,为管道形轮腿式月球探测机器人(PWLER)建立了正向和逆向运动学模型 .运用正向运动学模型 ,根据PWLER各驱动轮的转速可估算出机器人相对于绝对坐标系的位置和姿态 .运用逆向运动学模型 ,根据PWLER期望的前进速度和转弯半径可确定出各驱动轮的速度 .从而为PWLER在三维地形上的自主导航和路径跟踪提供了理论依据