复杂环境中群机器人网格分布与移动

如何控制不受数量限制的群机器人形成队形并在复杂环境中移动,是一个极具挑战性的问题。基于虚拟力原理分析了群机器人网格队形分布和移动控制方法,制定了详细的系统性能评价指标（稳定时间、碰撞次数、连接数、簇数等参数）,研究了网格队形在复杂环境中的移动以及不同虚拟力对移动的影响。通过在复杂障碍物环境中的仿真,显示出该方法可以鲁棒、有效地完成网格分布和移动任务。指出了今后的研究方向。     

基于虚拟力的群机器人队形控制

提出了一种基于虚拟力的群机器人队形形成原理,提出了一种使用拟合法构建虚拟力模型的方法及其应用。实验结果表明该方法可以快速、有效地完成队形分布,并指出了今后的研究方向。     

移动机器人队形控制关键技术及其进展

在明确了多机器人队形控制国内外发展现状的基础上,以地面移动机器人为研究对象,从系统结构、机器人模型、队形形状表示方法、参考框架及编队控制策略等方面,对多机器人编队控制的研究成果进行了概述.同时,对队形形状生成、编队跟踪与协调、队形变换与重组以及编队避障等队形控制子问题的国内外研究近况进行了总结和分析.最终指出:研究统一有效的编队控制框架、障碍环境下的队形优化变换、降低系统对通讯能力的要求以及编队控制在实际物理环境下的应用是移动机器人队形控制领域未来可能的研究主题.     

基于诱饵-捕食的分布式编队队形切换控制

队形切换是多机器人编队的重要研究内容。针对未指定各机器人ID与目标位置对应关系情况下如何实现分布式多机器人编队队形切换的问题,本文结合自然界鸟群、鱼群等群生物的觅食行为建立了一种新的诱饵-捕食者系统,并将该系统应用到分布式多机器人编队的队形切换控制中。视编队中各机器人为捕食者,各目标位置为诱饵,通过捕食者与诱饵之间的相互作用,实现不同队形之间的切换。同时针对捕食者所受到的各种影响都建立了具体的数学模型。该方法在解决队形切换过程中无需预先规划各机器人的运动路径,可在分布性较强的编队中应用。仿真实验表明该控制策略对于分布式多机器人编队的队形切换有较好的适用性,为多机器人编队进行队形切换提供了新的思路和方法。     

微小气动机器人移动FSM建模与控制

根据仿生尺蠖运动机理研制了一种用于人体腔道微创诊查的微小机器人系统,该机器人系统由前支撑单元、后支撑单元和具有3个气室的橡胶驱动器三部分组成.根据微型机器人的本体结构分析了机器人的移动控制原理,给出了在一个运动循环周期内机器人移动一个步距的运动状态和控制时序.阐述了有限状态机原理,并基于有限状态机原理建立了该机器人移动...     

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。     

一类分布式队形控制及其稳定性分析

针对一类具有二阶动态行为的多机器人系统的队形控制问题, 提出了一种分布式离散协同控制算法, 并应用代数图论和矩阵论的方法对该系统的渐近稳定性和算法的一致收敛性进行分析. 应用上述方法, 证明了确保多智能体系统渐近收敛的充要条件,得到了反馈控制参数的取值范围. 同时证明了在该充要条件下多机器人将逐步收敛到期望队形和同一运动速度. 仿真部分通过一个六机器人系统的队形控制验证了本文研究结果的正确性.     

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。     

基于势函数的多机器人系统的编队控制

提出了一种基于势函数的、能够有效地对多机器人系统的编队队形进行稳定性分析和分布控制的方法．文章通过选择适当的、与目标和结构相关的势函数，利用图论知识和李亚普诺夫稳定理论，设计了一种新颖的能够稳定机器人编队队形并有效跟踪目标的分布控制律，并给出了多机器人系统编队队形稳定及控制问题有解的充分条件．算例仿真说明了这种控制方法的有效性．     

基于局部行为序列的多机器人曲线移动技术

传统的机器人编队移动技术基于全局定位系统,缺乏灵活性和扩展性。研究分布式环境下多机器人保持队形的曲线移动技术。利用Leader-Follower策略获得原始的需求行为路径,利用Affine变换计算出预计的队形轨迹,利用行为分解计算出单个机器人的局部操作队列,最后利用同步机制保证整个系统的一致性。实验显示了很理想的效果。     

未知动态环境下非完整移动群机器人围捕

针对未知动态障碍物环境下非完整移动群机器人围捕,提出了一种基于简化虚拟受力模型的自组织方法.首先给出了个体机器人的运动方程,然后给出了未知动态环境下目标和动态障碍物的运动模型.通过对复杂环境下围捕行为的分解,抽象出简化虚拟受力模型,基于此受力模型,设计了个体运动控制方法,接着证明了系统的稳定性并给出了参数设置范围.不同情况下的仿真结果表明,本文给出的围捕方法可以使群机器人在未知动态障碍物环境下保持较好的围捕队形,并具有良好的避障性能和灵活性.最后分析了本文与基于松散偏好规则的围捕方法相比的优势.     

Classifying Environmental Features From Local Observations of Emergent Swarm Behavior

Robots in a swarm are programmed with individual behaviors but then interactions with the environment and other robots produce more complex, emergent swarm behaviors. One discriminating feature of the emergent behavior is the local distribution of robots in any given region. In this work, we show how local observations of the robot distribution can be correlated to the environment being explored and hence the location of openings or obstructions can be inferred. The correlation is achieved here with a simple, single-layer neural network that generates physically intuitive weights and provides a degree of robustness by allowing for variation in the environment and number of robots in the swarm. The robots are simulated assuming random motion with no communication, a minimalist model in robot sophistication, to explore the viability of cooperative sensing. We culminate our work with a demonstration of how the local distribution of robots in an unknown, office-like environment can be used to locate unobstructed exits.      

基于无线传感器网络的移动机器人智能导航算法

结合了无线传感器技术和群集智能技术两者的优势,提出一种新的基于无线传感器网络的移动机器人智能导航控制算法,并考虑了能量消耗的问题。算法利用基于多传感器信息融合的全局概率地图构建技术、使用群集仿生智能的基于微粒群算法的实时在线路径规划以及避障策略,提高了智能导航的整体性能,满足了在复杂环境和未知障碍物下导航的实时要求。最后设计并构造出了实际的无线传感器网络和实际的机器人系统,验证了算法成功实现机器人导航的有效性和准确性。     

Navigation of carlike robots in an extended dynamic environment with swarm avoidance

In this paper, we propose a new solution to the motion planning and control problem for a team of carlike mobile robots traversing in an extended dynamic environment. Motivated by the emerging necessity to avoid or defend against a swarm of autonomous robots, the wide array of obstacles in this dynamic environment for the first time includes a swarm of boids governed separately by a system of ordinary differential equations. The swarm exhibits collective emergent behaviors, whereas the carlike mobile robots safely navigate to designated targets. We present a set of nonlinear continuous controllers for obstacle, collision, and swarm avoidance. The controllers provide a collision‐free trajectory within a constrained workspace cluttered with various fixed and moving obstacles while satisfying the nonholonomic and kinodynamic constraints associated with the vehicular robotic system. An advantage of the proposed method is the ease in deriving the acceleration‐based control laws from the Lyapunov‐based control scheme. The effectiveness of the control laws is demonstrated via computer simulations. The novelty of this paper lies in the simplicity of the controllers and the ease in the treatment of an extended dynamic environment, which includes swarm avoidance.     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

基于16方向24邻域改进蚁群算法的移动机器人路径规划

为了提高蚁群算法的路径寻优效果和搜索效率,提出一种改进的蚁群算法,用于移动机器人在栅格环境下的路径规划.在标准蚁群算法中,蚂蚁的搜索方式一般是4方向4邻域或者8方向8邻域,在此基础上提出一种16方向24邻域的蚂蚁搜索方式,给出蚂蚁的移动规则;针对启发信息,结合向量夹角的思想设计2种启发信息的计算方法,通过实验分析两种计算方法的使用特点;在转移概率部分引入转移概率控制参数,通过调整转移概率控制参数可以调控算法的搜索范围.最后,在不同规模的栅格地图环境下,通过实验仿真验证所提算法的有效性.     

一种基于个体评估能力的Stigmergic群体搭建机制

群体搭建任务研究一群机器人如何以分散控制的方式并行搭建出具有几何形状的砖块结构.相对于群机器人学中的其他任务,群体搭建研究特别注重搭建过程的时空协调.作为一种以环境为媒介进行间接交互的时空协调机制,Stigmergy被认为更具一般性与通用性.传统方法通过同时感知多邻域信息或利用结构对称性来制定复杂规则,但其并不十分适用于非模块结构以及序列结构.本文针对此类结构提出了基于个体评估能力的Stigmergic群体搭建时空协调机制,该协调机制可通过赋予个体感知环境、评估系统当前状态的能力来简化对搭建规则的依赖,即个体利用简单搭建规则即可完成群体搭建任务,实现群体搭建过程时空的协调.仿真实验结果表明提出的机制是可行且有效的.