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.     

基于完整度评价指数的编队控制方法研究

机器人在采用虚拟结构法编队行进时，编队刚性队形的位置约束对算力要求比较高，进而对机器人搭载的运算设备要求较高。针对上述问题，提出一种基于完整度评价指数的编队控制方法，在编队队形形成之后，通过评估编队队形完整度评价指数，机器人可以自主选择编队队形采用速度或位置约束方式，以实现编队控制。仿真实验结果表明，与虚拟结构法相比，采用完整度评价指数的编队控制方法能保持编队队形稳定，并可减少运算次数，节省机器人算力。     

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.     

航天器编队飞行自适应协同避碰控制

为解决航天器编队飞行系统中存在通信时延、参数不确定的跟踪问题,并实现避免碰撞的控制目标,基于编队航天器的相对运动非线性动力学模型和势函数方法,对航天器编队飞行系统的自适应协同避碰控制方法进行了研究. 首先,在全状态反馈控制的情况下,提出了一种对通信时延和参数不确定具有鲁棒性的自适应协同避碰控制律;其次,进一步考虑速度信息不可测量的情况,通过引入一种新型滤波器设计了无速度测量的自适应协同避碰控制律,使得编队航天器实现对期望轨迹的跟踪,同时能够保证航天器编队飞行系统中航天器在安全区域飞行,避免发生相互碰撞. 最后,针对全状态反馈和无速度测量反馈的情况分别分析了航天器编队飞行闭环系统的Lyapunov稳定性,显著增强了闭环系统对通信时延和参数不确定的鲁棒性.结果表明,所设计的两种自适应协同避碰控制律可以有效地保证编队飞行航天器对期望轨迹的跟踪,且系统可以实现避免碰撞的编队飞行任务.     

多旋翼编队的分布式控制方法研究

目前在多旋翼编队中常用的是领航-跟随者的控制方法,但由于此方法中领航者与跟随者之间没有位置反馈,将导致编队误差与时间存在积分效应,因此可通过分布式控制方法引入位置反馈,进而实现多旋翼编队的稳定飞行。首先建立多旋翼编队模型并依据模型分析不同的编队控制方法;然后结合其优点,设计编队控制系统整体框架,提出一种基于相同坐标系的分布式控制算法;最后在已建立的数学模型基础上进行仿真试验。试验结果表明,所提出的分布式控制方法可以使无人机集群保持稳定的编队飞行,动态队形保持误差低于10%。     

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。     

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。     

光纤陀螺在机器人定位中的应用

利用光纤陀螺、采集卡、机器人和虚拟仪器软件模块的上位机等构成一个机器人定位应用控制平台。将采集的主从式机器人实际位置信号、设定的位置值以及定位差值,通过蓝牙通信技术传送到设计机器人控制器进行误差数字化,其输出值u来确定控制信号,改变主从式机器人定位舵机的位置,构建多机器人编队系统。实验结果表明光纤陀螺在机器人定位中的应用系统是可行的。     

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.     

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Web的多机器人远程控制

多机器人编队的远程控制会面临协作环境不确定、信号传输延迟等困难,在Web模式下采用基于事件的远程控制策略会克服这些困难并使系统具有稳定、安全、可靠和高效率等性能.编队控制时采用“领队跟随”的控制策略也可以使多机器人具有高度的自组织能力.3个Pioneer3机器人的三角形编队实验验证了所选用系统和控制策略的合理性和有效性.     

机器人的一种鲁棒控制方法

通过对一个三自由度机械手分别采用PID和PDFSV控制 ,介绍PDFSV方法在机器人位置控制中的运用 .改变被控对象各阶系数和加阶跃和正弦干扰仿真 ,并对其进行理论分析 .结果表明 :该控制方法设计简单 ,响应速度快 ,且无超调 ,其控制形式适合机器人的需要 ,其良好的鲁棒性可以弥补机械手的非线性因素和关节间耦合作用 .只需位置、速度反馈信号就能完成对位置、速度和加速度的控制 .同时控制中计算量小也有利于其实际运用     

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...     

基于模糊Q学习的多机器人系统研究

多机器人系统的行为学习是提高机器人适应能力的一种途径．在机器人行为学习过程中,难于得到比较理想的监督学习的教师信号,因此该文尝试采用强化学习方法来解决多机器人的行为学习问题．考虑到强化学习的学习过程较长,文章引入能体现人的经验的模糊推理规则来提高机器人的学习速度．针对机器人编队行为学习问题,首先对每一个行为建立一个较完备的模糊规则库,然后利用Q学习来调整行为融合的参数．最后以柱形、线形和菱形队形为研究背景,通过仿真实验可以看出经过一段时间学习后机器人在充满障碍物的环境中运动自如,各种队形总体上都保持良好,机器人具有一定的自适应性。     

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DDS的高速伺服位置参数高精度控制算法

对于位移、速度、加速度的分别校准目前已经达到了一定的水平,但对于同时校准位移、速度、加速度难度较大,基于傅里叶级数的基本原理,即凡是满足狄利克雷条件的信号均可用若干个正弦分量叠加产生,设计了一套运动装置.该装置可以产生两个正弦分量,并通过正弦分量的叠加产生出一个信号.伺服电机采用超前反馈实现系统的运动控制,结合伺服电机变频调速,实现运动速度的平稳提升.测试结果表明:该装置同时产生0～460mm位移,0～12m/s速度和0～5 000m/s2加速度,速度、加速度的测量误差小于1%.该校准装置可以用于运动测试设备的校准.     

多航天器协同飞行动力学分解建模与控制

研究了一种基于动力学分解的多航天器协同飞行动力学建模与控制方法.设计了分解算法,将涉及复杂运动的多航天器协同飞行动力学分解为分别反映多航天器整体协同飞行的整体系统动力学和反映多个航天器之间相对运动的队形系统动力学,且这两个子系统的动力学模型与单个航天器的动力学模型具有类似的形式;分别控制这两个子系统即可实现多航天器的队形保持、重构以及整体的大范围转移.设计了整体系统和队形系统的跟踪控制律,并利用李亚普诺夫稳定理论证明了其稳定性.仿真检验了分解算法和控制方法的有效性和合理性.     

无人机三维编队飞行模糊PID控制器设计

针对无人机编队飞行控制系统,引入编队飞行几何关系,建立了三维编队飞行数学模型,在速度、航向和高度三个通道加入了误差的线性混合器,并分别设计了基于模糊PID的编队飞行控制器.仿真结果表明,所设计的控制器可以通过控制间距方便有效地控制无人机编队飞行,实现在机动过程中保持队形,以及合理地进行编队队形变换.这种控制方法超调量较小,鲁棒性强,优于传统控制器.