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。     

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．     

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．     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。     

基于双移动信标的多机器人编队控制算法

针对多机器人在未知环境下的编队控制问题,提出了一种基于双移动信标的多机器人编队算法.该方法在以两个移动信标机器人为领航机器人的基础之上,设计了基于超宽带测距技术的多机器人定位模型,通过摔制从机器人的位姿状态,实现多机器人编队控制,并且设计了多传感器数据融合算法,有效提高多机器人编队的精度.该方法解决了多机器人在未知环境中的编队控制问题,提高了多机器人编队控制的精度.仿真结果表明了该方法的可行性和有效性.     

多移动机器人编队的分布式控制系统

分布式控制是用于多智能体协调的系统设计方法． 编队控制是一种最常见的 协调问题．本文以机器人的运动模型和基于行为的算法为基础,对一种用于编队控制的分布 式控制系统进行了阐述和设计,并通过实验对系统进行了验证．     

分布式多无人机的时变编队非线性控制设计

研究了基于分布式通信网络的多无人机时变编队控制问题,考虑到外界扰动对多无人机协同编队系统的影响,提出一种新的连续非线性鲁棒编队控制方法.首先基于一致性方法构造了分布式无人机编队误差系统,降低了编队控制器对全局编队信息的要求;然后采用一种基于误差符号函数积分的鲁棒控制算法补偿未知外界扰动的影响,提高了无人机编队系统的鲁棒性,并基于Lyapunov分析的方法,证明了多无人机编队误差的半全局渐进收敛性;最后在四旋翼无人机编队实验平台上进行了多无人机时变编队的实时实验验证,实验结果表明,所提出的分布式编队控制算法可以实现多无人机时变编队控制,且具有较好的协同性能和抗干扰能力.     

一种引入通信的多移动机器人编队方法*

提出以视觉跟踪为基础并引入通信进行多机器人的编队控制方法,根据需要编写了一种新的通信协议,采用闭环l-Φ实现编队算法.这种多机器人编队控制避免了视觉系统的局限,能够更好地在复杂未知环境中协作完成任务,解决了编队控制的无反馈和实时性不高的问题,使得机器人能够准确迅速地进行跟踪和通信编队,一起顺利达到目标点.试验结果证明了该方法的有效性.     

分数阶多机器人的领航–跟随型环形编队控制

针对多机器人系统的环形编队控制复杂问题,提出一种基于分数阶多机器人的环形编队控制方法,应用领航–跟随编队方法来控制多机器人系统的环形编队和目标包围,通过设计状态估测器,实现对多机器人的状态估计.由领航者获取系统中目标状态的信息,跟随者监测到领航者的状态信息并完成包围环绕编队控制,使多机器人系统形成对动态目标的目标跟踪.根据李雅普诺夫稳定性理论和米塔格定理,得到多机器人系统环形编队控制的充分条件,实现对多机器人系统对目标物的包围控制,通过对一组多机器人队列的目标包围仿真,验证了该方法的有效性.     

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。     

多移动机器人编队的行为选择控制系统

针对多机器人在编队行进过程中的行为选择问题进行了分析,提出一种实现多移动机器人编队的行为选择机制。通过计算机仿真和实验研究,结果表明该控制策略能很好的实现多机器人快速编队,并在编队过程中实现运动状态的平滑变化,提高了整个系统性能。     

多机器人系统研发平台的的功能、结构与实现

本文介绍了一个自行研制的多机器人系统的研究开发平台。与一般实验系统不同,这个平台的特点是具有固定的控制结构,这增强了其可集成性和选择性而部分丧失了其通用性。在平台控制结构选择得当情况下,上述特点将有助于相关技术的研究成果向应用的转化。     

呼吸参数监测机器人系统的气压伺服控制

本文研究了机器人移动状态的气压伺服控制,通过对人工筋驱动器进行压力控制实现机器人单步移动时的准位置伺服控制,研究了以气动人工筋驱动器和钳位气囊为控制对象的控制系统,建立控制阀的流量方程,研究了机器人气压（位置）的伺服控制算法,并进行计算机实验仿真分析和研究。     

基于需求的多机器人决策算法

提出一种基于需求函数的多机器人协作控制算法,在以机器人足球仿真比赛环境作 为平台所做的实验中有效地完成了协作任务,是一种十分有效的多机器人决策方法．     

可重构机器人技术的探讨

本文概述了可重构机器人研究和发展现状 ,对基于多 Agent的可重构机器人的控制方法的研究作了较详细的介绍 ,根据可重构机器人的应用背景 ,指出了可重构机器人研究的必要性     

面向装配作业的多机器人合作协调系统

分布、自主、协调与合作是多机器人系统的发展趋势 ．本文作者在研究易于协调合作的多机器人系统的基础上,采用分层递阶和多Agent概念, 构造了一个装配系统——MROCAS系统．该系统具有任务自动建模分解,快速重组、良好柔性 、友好人机界面,各机器人具有一定自主能力等特点．它实现了在较复杂环境下快速完成装 配作业．     

分布自主协作式的多机器人系统研究

本文作者在研究多机器人协调的基础上，将多机器人作为一个整体，从系统 角度研究多机器人系统的整体行为和组织结构，以人工智能的多自主体系统为理论基础，以网络通讯和分布数据库为技术基础，设计了多机器人分布自主协作系统的体系结构，提出了实现该系统需要研究的内容和解决的关键技术，介绍了我们在这方面的工作。     

移动机器人的队形控制及其主动避障

在这篇论文中, 我们利用一个统一的算法框架来解决移动机器人的队形控制和主动避障问题, 使得编队中的从机器人在避开障碍物的同时, 能够与被跟踪的主机器人保持期望的相对距离或相对方位. 在现有的关于主—从跟踪编队控制的文献中, 为了实现对主机器人快速准确的跟踪, 从机器人在跟踪控制时需要主机器人在惯性坐标系下的绝对运动速度作为队形跟踪控制器的输入. 然而, 在一些环境中, 主机器人的绝对运动状态很难获得. 这里, 我们将利用主—从机器人之间的相对速度来建立机器人编队系统的运动学模型. 基于这个模型的编队控制方法将不再需要测量主机器人的绝对运动速度. 进一步地, 上述的建模和控制方法被扩展为一个移动机器人的动态避障方法, 该方法利用机器人与障碍物之间相对运动状态作为避障控制器的信息输入. 利用由三个非完整移动机器人组成的多机器人系统, 验证了所提出编队控制方法的有效性.     

基于多参数优化的多机器人图案构成的分配算法

在不同应用场景下多机器人系统的图案构成受到越来越多的关注,然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成.为解决这一问题,提出一种新的基于目标匹配和路径优化的实时在线的优化算法.首先,以机器人与虚拟期望图案的距离为目标函数,建立一个多参数的图案构成模型,进而在一定的约束条件下求解得到最优的期望图案参数;其次,建立迭代控制器,使机器人在向目标点移动的过程中,可以实时在线地进行机器人与目标点的分配;然后,采用最佳避碰速度算法使机器人无碰撞地到达期望图案的目标点,完成图案构成;最后,通过在MATLAB和V-REP中的仿真实验,验证所提出方法的正确性和有效性.