无人机编队机动飞行时的队形保持反馈控制

为提高编队大机动时的队形保持能力,采用虚拟结构编队方法,基于李雅普诺夫直接法设计独立的非线性队形保持控制器,并在此基础上采用非线性模型预测控制方法设计含队形反馈的编队轨迹跟踪器。通过在代价函数中引入队形误差代价来实现队形反馈控制策略,并采用动态参数实现编队队形保持和沿参考轨迹飞行之间的自适应切换,各无人机通过滚动求解有限时域优化问题得到虚拟结构的控制指令。仿真结果表明,相较于无队形反馈的情况,所设计的含队形反馈轨迹跟踪器能够显著地降低编队大机动时的队形保持误差。     

基于PSO算法虚拟Leader的多机器人编队控制

针对leader-follower编队方法的不足,引入分散化编队控制策略并提出了基于PSO算法的虚拟领航者的多机器人编队控制方法。引入一个基于改进PSO算法进行路径规划的虚拟领航者,控制编队方向;同时通过信息共享,领导者带领追随者跟踪虚拟领航者的踪迹,完成编队队形维护和控制,从而有效地避免队形陷入局部最优及避免角度的骤变引起队形不稳的问题。在仿真平台上进行仿真和分析,在实物平台得以验证。     

基于多机器人编队控制的大件物品协同搬运

针对多移动机器人的协同搬运控制问题,基于领航-跟随者策略设计多移动机器人编队控制器。利用编队参数和领航者位置信息将编队控制转换为跟随者对虚拟机器人轨迹跟踪,实现编队的队形控制;利用反演法设计运动控制器,实现移动机器人轨迹跟踪控制;利用Lyapunov函数分析闭环系统的稳定性。仿真结果表明,编队中的移动机器人能够快速形成和保持给定的编队队形,并沿期望轨迹移动,实现了大件物品的协同搬运。     

人工势场和虚拟领航者结合的多智能体编队

针对多智能体编队控制中的无碰撞、稳定队形保持和智能调整等问题,提出一种将人工势场和虚拟领航者相结合的多智能体编队控制方法。首先,利用人工势场定义智能体之间的相互作用力和期望距离;其次,由虚拟领航者固定智能体之间的方位角,并通过增加虚拟领航者的数量和分布位置在人工势场中控制群组的队形和指挥群组的运动;最后,利用系统的动能和人工势能构造的李亚普诺夫函数证明了多智能体编队系统的稳定性。仿真实验结果验证了本文提出算法的有效性,可实现无碰撞、稳定地保持和调整智能体系统的编队队形。     

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH＋避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验。结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地。基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上。     

基于双幂次滑模的多机器人编队控制

本文研究了基于领航跟随法的多机器人系统编队控制问题.首先,基于队形约束,给出跟随者期望的轨迹,将编队问题转化为单个跟随者的轨迹跟踪问题.在此基础上,基于双幂次滑模趋近律,设计了跟随者的线速度和角速度控制器,保证了跟踪误差能够快速收敛到零,从而保证了编队队形的稳定.最后,通过仿真验证了所提方法的有效性.     

基于网络模型的多机器人编队优化研究

多个机器人要形成一个稳定的队形,系统内必须有信息的传递和交换.根据多机器人的物理约束、信息交换和控制策略建立了多机器人编队的网络模型,提出了改进的粒子群多目标优化算法(MPSO),并利用该算法对多机器人编队系统实现了优化控制.从仿真结果看,6个机器人能快速地从三角形状变换到直线编队,且变换过程中没有相互的碰撞,队形误差也很小.     

基于多智能体遗传算法的多机器人混合式编队控制

提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。     

基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

基于速度补偿算法的多机器人编队控制研究

为解决传统领航-跟随算法在多机器人系统编队控制中算法复杂及普通编队控制律较难完成多机器人圆形编队的问题,通过对传统的领航-跟随算法进行改进,将多机器人的编队问题转化为机器人之间的跟踪控制问题,提出了一种基于位置信息的速度补偿算法,并将其用于多机器人编队.首先建立了速度补偿算法机器人编队控制模型,利用跟随机器人与虚拟机器...     

一种多机器人编队控制策略及实现

针对多机器人协作系统中机器人编队控制问题,采用了一种基于运动学的领航-虚拟跟随法的编队方法,并在跟踪控制方面对算法进行了改进和修正。MATLAB软件仿真以及在HR-I型双轮差速移动机器人实验平台上的实验证明,改进算法能够达到更好的编队效果。     

相位耦合振子模型下的AUV自适应编队控制算法

针对多水下机器人编队问题,提出一种基于相位耦合振子模型的自适应控制算法。根据人工势场法和振子相位一致性算法,设计了多水下机器人队形保持和艏向一致的编队控制算法。考虑建模误差,采用反步法设计了自适应舵角控制律。设计了多水下机器人编队控制的仿真实验,以及多水下机器人进行曲线运动和梳状扫描的仿真试验。仿真结果表明,设计的多水下机器人编队自适应控制算法有较好的稳定性,对于多水下机器人编队研究及多种海洋探测应用具有重要的意义。     

基于模型预测的卫星编队队形机动控制

针对卫星编队队形机动控制推导了一种利用相对平均轨道根数为反馈量的模型预测控制算法。当面质比不同的主从卫星在近地轨道上编队飞行时,大气阻力摄动和J2项摄动是影响编队队形的两个最主要的因素,故先推导了一组包含大气阻力摄动和J2项摄动利用相对平均轨道根数描述的相对动力学方程,然后采用了一种新的基于模型预测的控制算法并讨论了该控制算法在编队飞行队形机动控制中的一些应用问题。该控制算法是一种在线滚动优化控制算法,即使存在各种较大的干扰力和模型的不确定性仍能取得良好的控制效果,且能够较好地解决存在状态约束、控制输入约束等各种约束控制问题。仿真结果表明,该控制算法接近于燃料最优,且能够在各种摄动下把队形机动控制在要求的精度范围内。     

基于分解策略的多机器人编队控制方法

根据多机器人在不确定环境中编队智能行进控制的要求,以多移动机器人为对象,提出了一种基于分解策略的多机器人编队控制方法,将复杂的多机器人编队问题分解为若干组2个机器人之间的协调问题.建立了多机器人编队的基本队形模型,提出了基于主从方式的多机器人控制策略,根据基于行为的方法设计了机器人的基本子行为,通过带权值的各子行为的叠加合成得到机器人的最终行为,给出了机器人的速度调节方案.计算机仿真结果验证了该方法的有效性和可行性,具有较好的可扩展性.     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.     

多移动机器人的协同编队控制

为了解决多移动机器人的协同编队控制问题,提出了一种基于运动学模型的编队控制方法。该方法在领航-跟随编队控制结构的基础上引入虚拟机器人,在全局坐标系下建立跟随机器人与虚拟机器人的误差方程,将编队问题转化为跟随机器人对虚拟机器人的轨迹跟踪问题,在此基础上设计编队控制器,并证明了在该编队控制器作用下跟踪误差能够收敛到原点的小邻域内。仿真与实验结果表明:编队系统稳定运行,即当t→∞时,位姿误差(x_e,y_e,θ_e)将收敛到原点的邻域内,速度趋近一常值。     

双层规划模型的大规模UCAV编队队形优化

为解决复杂约束环境下大规模无人战斗机(UCAV)编队队形优化问题,提出基于双层规划模型的队形优化求解算法.以大规模UCAV编队空对地饱和打击作战场景为例,建立UCAV编队作战上层规划模型,通过采用离散粒子群-模拟退火(DPSO-SA)算法进行求解,得到执行每个任务的UCAV编号和最优队形;根据现有的编队作战队形库,建立编队中UCAV站位下层规划模型,通过采用遗传算法进行求解,得到UCAV在队形中的位置.仿真结果表明:在上层规划模型中引入改进模拟退火算法,可以解决离散粒子群算法易陷入局部极小值的问题;设计双层规划模型,可以解决DPSO-SA算法后期收敛速度慢的问题.相对于单层规划模型,双层规划模型求解大规模UCAV编队队形优化问题收敛速度更快,寻优效果更好.     

海上舰队的防空编队建模与防空能力评估

海上舰艇编队巡逻是维护我国领海主权的有效方法,其编队队形决定着自身的防空能力,也影响着各种突发事件的应变能力.在信息化战争技术迅速发展的今天,国防安全对海上舰队防空编队方案的制定提出更高的要求.本文通过设定合理的海上巡逻任务,以及舰艇编队和来袭导弹的参数和指标,充分考虑各舰之间的数据共享和协同作战特点,在分析传统舰队编队队形特点的基础上,以使在舰队护卫舰防御范围最薄弱处的位置与指挥舰的距离最长为目标,建立并求解舰队巡逻的最佳队形编队,然后通过MATLAB软件对设定场景进行仿真实验,并对所建立的最佳舰队队形的抗饱和攻击能力进行评估,该项工作可为海上舰队防空编队的建模方法提供参考依据.     

基于改进人工协调场的多机器人运动编队

针对多移动机器人编队形式单一、使用传统人工势场法易陷人局部极小的问题,提出改进人工协调场法。该方法不仅可在不同时间内随机器人数量不同而不断变换队形,达到运动编队的效果,而且适合追踪动态目标点,使机器人的避障能力更加灵活。通过仿真实验验证了上述方法的有效性。     

基于能量规划的崎岖地面四足机器人平面跳跃控制

针对四足机器人传统奔跑控制方法中存在的俯仰角波动以及崎岖地形适应问题,提出了一种基于Trot具有前后脚同时支撑步态的崎岖地形跳跃控制方法。建立了步态支撑相平面运动模型,并通过虚拟模型控制,实现了躯干平面运动控制解耦。对虚拟模型中躯干的运动过程进行了能量规划,计算出纵向虚拟位置刚度,实现了跳跃周期控制;通过水平方向虚拟力的比例控制实现了机器人水平运动速度控制;采用大位置误差增益的PD控制方法实现了躯干姿态控制,保证了跳跃过程中躯干俯仰角的稳定。在虚拟物理仿真环境中建立了四足机器人的平面虚拟样机,对控制方法进行了仿真实验以及在假设条件不满足情况下的鲁棒性测试,仿真实验结果表明了该方法对跳跃控制的有效性。