基于生物刺激神经网络的多机器人编队方法

多机器人编队控制是多机器人协作领域的重要研究内容之一,如何实现多机器人朝同一目标移动的同时保持队形是多机器人编队的一个热点和难点问题。针对这一问题,提出一种新的基于生物刺激神经网络的多机器人动态编队方法,采用基于leader-referenced编队模型实时计算各机器人的虚拟目标位置,利用生物刺激神经网络进行机器人导航。最后进行仿真实验,实验结果表明该方法在实现多机器人实时避障并保持队形的同时,朝同一目标移动,而且可以很快实现队形变换,具有较好的实时性和灵活性。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader-following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader-following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader-following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader-following算法可以用于机器人的避障控制。     

基于行为的多机器人任意队形的控制

针对多机器人队形优化控制任务,提出一种快速收敛的机器人任意队形的控制算法。各机器人在奔向目标的过程中以队形的几何中心为参考点,自主地确定队形向量。在保持队形的过程中,采用动态死区法,通过对各个区域大小的控制达到对机器人速度的控制,维持规定队形。采用反向避碰、切线避障,根据各机器人间的位置,引入整体队形向量约束机器人的方向,达到机器人整体队形的方向与机器人运动方向一致。实验结果表明该算法可以快速、有效地完成各种编队任务。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader—following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader—following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader—following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader—following算法可以用于机器人的避障控制。     

基于动态目标点的行为分解编队算法

多机器人编队可以分解为队形形成和队形保持控制两部分.针对多机器人编队控制任务中的队形形成问题,提出了一种基于动态目标点的行为分解编队算法.此算法是一种改进的基于行为的编队控制方法,这种控制方法的思路为,首先要求各机器人在每一时刻确定一个运动目标点,此运动目标点是根据运动过程中机器人实时的位置运算出来的,是一个动态的目标点.根据此目标点进而产生一个运动需求.再将此运动需求按照有限状态机(FSM)原理分解为不同的子行为,然后给这些子行为分别赋予不同的权值,并求出一组控制变量,最终对这组控制变量加权平均产生一个综合控制变量.仿真实验表明,该方法能快速有效地实现多机器人的编队控制.此编队算法可以有效应用于军事搜索、围捕或机器搬运等多个领域.     

非完整移动机器人的复合编队控制

主要研究了非完整自主机器人之间的队形保持和避障问题,提出了一种新的复合编队控制方法,该方法根据机器人的期望位置在其运动约束区域内外的不同,分别以一种灵活的反馈线性化算法和最优近似目标算法来建立控制规则,并提出了编队环境中存在静态障碍物时的队形控制策略,从而实现多机器人的稳定编队控制．该方法降低了传统线性反馈控制对编队初始误差范围的要求,并且解决了非完整机器人编队的避障问题．实验结果表明了该编队控制方法的可行性和有效性．     

未知环境下多AUV协同避障方法研究

针对多AUV（autonomous underwater vehicle）系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。     

基于社团和多级拓扑的机器人群体编队算法

为解决机器人群体难以形成与保持稳定队形的问题,通过引入社团划分和牵制控制思想,提出了一种基于社团和多级拓扑的机器人群体编队控制算法。基于层次聚类算法,将机器人群体分成若干社团并找出每个社团中的固定牵制机器人;设计一种多级拓扑使其成为各社团中机器人的基准队形;设计了一种机器人群体编队及避障控制器,控制器中形状调节力和方向控制力分别解决了社团中可能出现的局部极小值和队形的结构方向不确定问题,实现了群体队形的形成与保持。仿真实验证明了该算法的有效性。     

基于模糊逻辑的机器人动态避障方法

本文提出了一种动态环境下基于模糊逻辑的机器人动态避障方法。该方法采用包容式结构中基于优先度的行为决策方法,通过模糊规则将机器人工作空间中的动态信息模糊,再转化为对机器人在动态环境中的控制,同时提出接近度的概念,简化了模糊控制输入状态空间,从而减少模糊规则的数量,提高算法的实时性。实验表明,该动态避障方法能够使机器人躲避动态障碍物,并快速准确到达目标位置。     

多移动机器人的队形控制

针对步行机器人建模困难和传感信息有限的条件下对其进行的队形控制研究。通过建立机器人的队形位置信息知识库,制定有优先级的组队参考机器人选择规则,结合有限的传感交互信息,提出了基于主从知识联想的平行四边形法来确定机器人的运动向量,使跟随机器人在虚构的平行四边形中分析出其下一步的偏转角和速度,并在偏转角和速度的分析中考虑了时延和适当的控制周期。在机器人队形控制过程中的避障问题则采用模糊控制理论,依据人为经验制定的模糊避障控制规则使机器人灵活的避开障碍,仿真实验证明了算法的有效性。     

未知环境下基于改进DWA的多机器人编队控制

针对多机器人系统在未知环境下难以有效避障和保持队形的问题,在改进动态窗口法(DWA)的基础上,提出一种领航-跟随法与行为法相结合的多机器人编队控制算法.首先,通过修正速度窗口和3个现有评价函数,并添加两个新的评价函数改进DWA算法,增加速度的采样范围,提高优秀轨迹的评分,并增强机器人朝目标导航和未知环境下的全局搜索能力;然后,对周围环境和编队状态实时检测,为各机器人设计不同的行为(包括导航,避障,跟踪和等待)及其选择方式,兼顾编队避障及队形保持;接着,基于改进DWA和社会力模型(SFM)设计行为控制策略,在未知环境下使领航者能够规划适合整体编队运行的路径,跟随者能够根据编队的不同状态自适应地切换跟随方式;最后,基于Matlab和V-REP进行一系列仿真,结果表明在未知环境下,所提出的改进DWA能够显著提高机器人的通行效率和全局搜索能力,编队控制算法能够实现队形稳定保持、灵活避障与变换.     

基于ROS的粮面巡检机器人导航系统设计

考虑到粮食具有散粒性,采用履带式机器人可以在粮面上平稳运行。设计一种基于机器人操作系统ROS和激光雷达的粮面巡检机器人导航系统,使用基于粒子滤波的Gmapping算法构建栅格地图。全局路径规划使用改进启发函数的蚁群算法,加速收敛速度获得最短路径,应用动态窗口算法以关键点作为中间目标点规划局部路径,实现路径规划以及实时避障功能。经过仿真实验证明,该方案可以准确建立地图,改进的导航算法能够进行路径规划和避障,该方案设计具有可行性和有效性。     

全向移动机器人编队分布式控制研究

简单介绍了NuBot机器人的两个主要组成部分：全向视觉和全向运动系统，并给出了运动学分析．基于该机器人平台，提出了D-A和D-D控制两种跟踪算法．通过机器人之间的相对定位和局部通信，实现了多机器人编队的分布式控制，同时，该算法可对机器人朝向进行独立控制．针对不同情况下的编队避障问题，提出了编队变形和编队变换两种方法．仿真和实际机器人实验表明，D-A控制方法能够实现平滑的编队变换；编队变形方法能够在尽量保持原始队形的情况下保证编队顺利避障．     

基于一致性理论的多机器人系统队形控制

首先回顾了多机器人系统队形控制方面的成果；然后提出一个多机器人队形控制的模型．该模型可描述多机器人之间相互作用固定和动态切换两种通信拓朴结构，也能描述多机器人系统队形的分布式控制方法和基于leader的控制方法，还能表示多机器人系统奔向目标点的行为，在此基础上，利用一致性理论，对系统的稳定性条件进行分析．最后通过仿真证明了该方法的有效性．     

基于主从任务转化的冗余度机器人避障算法

在冗余度机器人的避障规划问题中,当障碍影响机器人末端运动时,避障运动和机器人的末端轨迹跟踪运动会发生相互冲突.针对这个问题,提出了基于主从任务转化的避障算法.该方法将避障运动的操作空间定义为1维的运动空间,引入了2个转换变量,可以根据得到的实时最小距离的变化,实现机器人末端的轨迹跟踪运动和避障运动之间光滑连续的优先级转换.最后,通过对一个3自由度平面机器人的仿真实验,对算法的正确性进行了验证.结果表明,机器人与障碍物的最近距离大于0.02m,并且机器人末端可以准确地到达目标位置.所提出的方法不仅能实现冗余度机器人的避障,而且能防止任务之间的冲突.     

基于改进比例导引法的机器人动态避障算法

随着机器人运动环境日益复杂,为了使机器人可以安全、有效地避开动态障碍到达目的地,提出一种基于改进比例导引法的机器人动态避障算法;首先借助比例导引法的思想,通过使机器人与动态障碍物的相对速度方向导引到避障向量方向完成避障,然后为满足避障完成时间和机器人机动性能约束要求,得到重叠比例导引系数取值范围,并采用比例导引法对机器人运动路径进行规划到达目的地,最后采用仿真实验测试其有效性;仿真结果表明,该算法可以使机器安全有效地避开动态障碍物,对机器人的实际运动轨迹控制具有一定的参考价值.     

一种多移动机器人避障的改进算法

为了使多机器人在有障碍物的环境中可靠地运行,针对多机器人的避障问题,融合沿墙行为的避障模式,构造出一类具有自适应特性l-ψ闭环控制律下的多机器人避障算法,以作为基于行为的控制策略的有益补充。仿真结果表明,该算法可以成功地解决机器人因融合参数不当而形成的避障"死锁"问题,使多机器人在有障碍物的环境下,在障碍物区能够顺利地通过障碍物,在离开障碍物后,快速恢复至稳定。     

移动机器人编队的运动控制策略

为实现移动机器人编队的多样性、稳定性和队形变换连续性,并解决移动机器人编队运动中的避障、避碰、到达目标的问题,对基本队形进行分析,提出队形参数化的思路,建立基本队形虚结构的参数化数学模型,通过调整参数使队形在基本队形及其衍生的队形间进行变换;机器人在运行的过程中,利用行为融合方法、跟随领航者法、人工势场法和虚结构法对机器人进行运动控制,实现了机器人的避障、避碰、队形归建等目标。对上述策略进行了仿真实验,实验结果表明,使用本策略既保留了虚结构法队形稳定、队形归建迅速的优点,又改进了其灵活性差的不足。     

不确定环境下多机器人的动态编队控制

提出了一种不确定环境下多机器人的动态编队控制方法．通过队形参数矩阵确立多机器人之间的相对 位置关系,将全局队形控制问题转化为跟随机器人离轴点对虚机器人（与领航机器人运动方向一致,且对领航机器 人保持期望的相对距离和观测方位角）离轴点的跟踪．基于建立的跟随机器人和领航机器人之间的误差跟踪系统模 型设计相应控制律实现队形保持,并提出了防止机器人与障碍物及其它机器人碰撞的避障策略．仿真结果表明了所 提方法的可行性和有效性．     

基于时间栅格法和免疫算法的机器人动态路径规划

提出了一种机器人动态路径规划方法。该方法首先采用时间栅格法采标识动态障碍物。建立机器人的环境信息,然后使用免疫算法实现在动态环境下机器人的全局和局部路径规划,达到避障和避碰的目的。文中定义了免疫算法的多因素适应度函数由碰撞系数、距离、转角和安全系数决定。实验表明所提方法可以提高路径规划的效率,满足机器人实时导航要求。