1、中文3157字PDF外文：http:/ 毕业设计 (论文 )外文资料翻译 学院 (系 )： 机械工程学院 专 业： 机械工程及自动化 姓 名： &
2、nbsp; 学 号： 外文出处： Mobile Robot Navigation Using &
3、nbsp; Modified Flexible Vector Field Approach With Laser Range Finder and IR sensor 附
4、; 件： 1.外文资料翻译译文； 2.外文原文。 指导教师评语： 译 文的 意思基本正确，语句较通顺。专业性术语的翻译也较为得当。译文的数量已超过学校规定的要求。这说明该生具有较强的科技文献的阅读理解与翻译能力。 签名： &nb
5、sp; 年 月 日 注： 请将该封面与附件装订成册。 (用外文写 ) 附件 1：外文资料翻译译文 移动机器人基于 LFR激光探测器和 IR的 MFVFA方法 摘要： 在公共空间，移动的机器人可以用作导游者。指导一个人到达目标位置，移动的机器人
6、的路径应该安全，可以避免障碍物并生成良好的导航的路径。一般来说，激光测距仪是用来检测在移动机器人周围的地图。 我们建议移动机器人的导航方法用我们的，我们的方法可以在检测紧急情况下使用，它是我们开发的一种 移动机器人的导 航改性的柔性的矢量场与激光测距仪和红外传感器的方法 ，因为它高于激光测距仪响应的频率，通过实验结果表明了我们提出的控制方案和避障方法应用在公共场所里移动机器人的控制是非常有效的。 关键词： 移动机器人导航 改性的柔性的矢量场方法 激光测距仪 红外传感器。 1. 引言 一个移动
7、机器人可以在公共场所当向导，比如市场，邮局，图书馆等等，最重要的功能是弄够找到路径到达目标和导航的目标位置。无论怎样，在公共场所，移动机器人应该能够在避免障碍和到达目标位置同时进行。像一把椅子，一个架子和一个人等等这样的障碍。为达 到导航目标位置的目的，许多研究者给了势场法的地址 12。一个向量场柱状图 3 5和动态窗口的方法 6。由于市场是由许多狭窄的通道和许多障碍组成。以下是把势场法 应用到市场里的机器人身上遇到的一些困难： 1)在近空间的障碍中很难找到通口。当机器人在狭窄的通道中移动会发生摆动运动。 2)还有矢量场柱状图对环境地图的变化敏感，但是却不能找到到达目标的路径，因为
8、我们从移动机器人的完成中仅仅能得到角度的信息。动态窗口中使用了以目标 ,离障碍距离和速度为标题作为移动机器人的参数在动态窗口可以通过优化过程找到最佳 速度。但是这不是唯一的为避免障碍而获得到达目标最短路径的方法。为了使机器人在公共场所中安全和稳定运行，一个新的导航方法是非常必要的，这种方法对于导航移动机器人环境的变化和运动最短路径的能力是敏感的。因此，我们提出一个新的移动机器人导航的方法，即 移动机器人的导航改性的柔性的矢量场与激光测距仪和红外传感器的方法 。 在我们提出的方法中，由于路径信息的获得来自于障碍（作为圆）和移动机器人（作为一点）的几何关系，可以减少处理载荷。由于我们在移动机器人中
9、开发了具有差别驱动结构，当控制移动机器人趋向产生路径的时候，首先应该 在运动学条件下考虑移动机器人稳定的速度。通常，如果把路径规划和路径跟踪分开，就会存在各种追踪控制方法，比如滑动模式，线性化， 反演 ，神经网络，神经模糊系统。无论怎样，使用在传统的控制方法中，当追踪突然发生错误时，产生的这个基本速度命令是以极端大的估值和因遭受速度暴涨开始的。 在这篇论文中我们提出一个新的速度变化图的方法来保证移动机器人稳定的运动。如果我们第一时间假想移动机器人开始的位置和目标位置 ，在移动机器人的开始位置，目标位置和现在位置之间使用欧氏距离，我们就能生产参考的速度变化图。
10、; 2. 移动机器人平 台和路径规划 2.1 移动机器人平台 图 1是我们开发的移动机器人平台。 GIMAR, 移动机器人差别驱动结构有非完整约束。它有若干个传感器来检测移动机器人周围的状况。在这次研究中，我们仅仅使用两个传感器，一个是（激光测距仪）检测扫描地图的数据和另外一个是（红外传感器）紧急停止和避免障碍。这两个传感器各有优缺点。激光测距仪生产详细地扫描地图数据，但是它比红外传感器运行的慢。另外一方面，红外传感器比激光测距仪运行迅速除了它生成一点数据。因此，我们打算提出的是为稳定驱动控制和避障这两个传感器的数据相结合的方法。 2.2 路径规划 &nbs
11、p;为了到达目标位置，在它开始移动之前我们就应该知道它的路径了。如果地图数据时提前给出，我们就能生成安全路径到达目标的立场，否则我们就不能得到完整的路径。在文中，我们假设如下： 1.地图数据时没有提前给出。 2.仅仅给出了移动机器人的初始位置和目标位置。 3.移动机器人没有滑运动，我们可以从里程表的信息中知道移动机器人的的位置和移动机器人的姿势 由以上三个假设 ，我们提出了路径规划策略在图 2中表明。图 2 危险的区域指示了移动机器人没有障碍碰撞的一个区域。 我们就可以直观地知道红线边沿的路径是最短的 安全的路径。我们事先没有地图数据，我们就建议找出下一个预期的点，
