基于多传感器融合的机器人编队ADRC控制

针对移动机器人编队问题,设计了一种基于多传感器信息融合和自抗扰控制器的编队控制系统。首先,为提高机器人的定位精度,采用卡尔曼滤波算法对激光数据和里程计数据进行融合,以更加精确的获得移动机器人的坐标信息,并建立主从机器人轨迹跟踪误差模型。进而设计了自抗扰控制器,完成扩张状态观测器以及控制规律的设计,实现移动机器人的跟踪编队控制。最后,设计了编队控制实验平台,并在该平台上验证了所提出方法的有效性和优越性。     

通讯受限条件下的机器人编队算法

针对通讯受限条件下大规模移动机器人编队任务, 本文提出了基于行为的分布式多机器人线形编队控制 和避障算法. 机器人个体无需获得群体中所有机器人的信息, 而是根据传感器获取的环境信息和局部范围内的机器 人信息对其自身的调整方向进行预测, 并最终很好地完成了设定的编队及避障任务. 由于本文方法需求的通讯量不 大, 并且采用分布式控制, 因此该方法适用于大规模的机器人集群编队任务. 文中还给出了本系统的稳定性分析, 证 明了系统的稳定性. 实验结果表明该算法使得机器人能够仅通过局部信息形成线形编队, 在遇到障碍物后能够灵活 避开障碍物, 并且在避开障碍物进入安全区域后重新恢复线形编队.     

多移动机器人避障编队控制

研究多移动机器人避障优化设计,针对多移动机器人在障碍物环境下的编队控制问题,为了保持整体合理避障和控制系统的稳定性和安全性,提出一种多机器人避障编队控制策略.首先获得多移动机器人编队的队形结构模型,结合多机器人完成避障编队任务的问题描述;在此基础上引入导航函数采用一种避障编队控制算法,使移动机器人能以设定的队形运动到目标点,可保证编队运动过程中未与障碍物发生碰撞.进行仿真的结果证明,所提算法解决了多机器人编队与避障问题,并保证了闭环系统的稳定性与安全性,验证了设计方法的有效性.     

移动机器人编队的递归模糊神经网络滑模控制

研究非完整移动机器人编队控制优化问题,由于动态模型存在诸多不稳定性,针对领航者-跟随者l-ψ控制结构,提出了一种Back stepping运动学控制器与自适应神经滑模控制器相结合的新型控制策略.采用动态递归模糊神经网络(dynam-ic recurrent fuzzy neural network,DRFNN)对跟随者及领航者动力学非线性不确定部分进行在线估计,并通过自适应鲁棒控制器对神经网络建模误差进行补偿.所提方法不但解决了移动机器人编队控制的参数与非参数不确定性问题,同时也确保了机器人编队在期望队形下对指定轨迹的跟踪;根据Lyapunov方法的设计过程,保证了控制系统的稳定;仿真结果表明了改进方法对机器人编队优化控制的有效性.     

基于轨迹跟踪车式移动机器人编队控制

针对车式移动机器人的运动学模型特点, 提出一种基于轨迹跟踪多机器人编队控制方法. 首先利用编队结构参数确定队形, 根据编队轨迹和相关参数生成虚拟机器人, 把编队控制转化为跟随机器人对虚拟机器人的轨迹跟踪; 然后运用反步法构造车式移动机器人轨迹跟踪系统的Lyapunov 函数, 通过使该函数负定, 得到跟随机器人的轨迹跟踪控制器; 最后在Microsoft robotics developer studio 4 (MRDS4) 中搭建3D 仿真平台, 设计了3 组实验, 所得结果表明了所提出方法的有效性.     

基于路径参数协同的多移动机器人编队控制

为了使每个机器人沿期望的跟踪路径运动,建立了一种基于路径参数协同的多移动机器人编队控制模型.模型将整个系统的控制分为两部分:-部分用Lyapunov和反演技术设计了路径跟踪控制器,另-部分为路径参数协同控制器,保证每个机器人期望跟踪路径的参数变量能够实现协同,进而达到对编队的控制.采用结构模型完全＞分布,并且适用于机器人不同集群任务需求,可易于仿真实现.使用控制方案仅需要机器人之间交互路径参数信息,通讯需求量小,满足实际工程需求.仿真结果验证了所提算法的有效性.     

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.     

电驱移动机器人多变量固定时间连续编队控制

针对扰动下电驱动非完整移动机器人固定时间编队控制问题,通过引入包含驱动器动力学的领航者-跟随者状态空间动力学模型,分两步对编队控制器进行了设计。对领航者跟随者编队运动学模型进行了多变量固定时间控制设计。在动力学层面,为实现扰动下的速度跟踪,通过辅助输入设计了一种跟随者机器人多变量超螺旋固定时间连续电压控制器。所提算法使机器人编队克服了跟随者机器人所受干扰,确保了跟随者机器人与领航者在固定时间达到期望队形,跟随者在固定时间内跟随期望速度,设计的连续控制消除了开关控制的抖振现象。通过参数设计提前给定系统收敛的固定时间,与系统初始状态无关。基于Lyapunov方法进行了系统稳定性分析。通过仿真对算法进行了验证。     

多传感器信息融合伺服的移动机器人快速跟随

针对移动机器人快速跟随任务的需要,采取了多传感器信息融合的伺服控制,用双目摄像机对移动机器人进行视觉导航,利用激光雷达和超声波传感器完成移动机器人的避障设计,通过位于机器人轮部的光电编码器反馈信息处理实现机器人的自定位,语音交互和手势交互共同完成移动机器人的人机交互,制定了移动机器人快速跟随整体策略并提出了软硬件系统集成方案.在实验环境中通过实验和实践表明了移动机器人能够快速顺利的完成跟随任务.     

基于径向基函数神经网络的移动机器人多变量固定时间编队控制

针对带多不确定性的一组非完整移动机器人的编队控制收敛问题,提出了基于径向基函数神经网络的移动机器人多变量固定时间领航者-跟随者编队控制算法.RBFNN补偿了系统所受的多不确定性,并消除了鲁棒控制的抖振现象.基于固定时间理论和Lyapunov方法进行了控制算法设计,使所提出的控制方法保证了编队控制系统中的所有信号全局固定时间收敛,在任意系统初始条件下,在通过参数设计的固定时间内,使机器人编队达到期望编队.仿真结果显示了所提出算法的有效性.     

多移动机器人组成任意队形的控制研究

本文将多移动机器人组成队形的整体行为分解为机器人个体分别向对应目标点运动的子行为加以研究．提出了基于两层监控模式的分布式控制框架，监控模块作为统一的指挥协调中枢，确定各机器人合理的对应目标点，避免机器人在目标区域内绕路，使得多移动机器人能够快速流畅地组成任意队形．实验证明了控制方法的有效性．     

A switched-system approach to formation control and heading consensus for multi-robot systems

This paper proposes a novel, hybrid and decentralized, switched-system approach for formation and heading consensus control of mobile robots under switching communication topology, including collision avoidance capability. The set of robots consists of nonholonomic wheeled mobile robots and can include a teleoperated UAV. The key feature of this approach is a virtual graph, which is derived by adding a set of relative translation vectors to the real graph of the multiple robots. Our approach results in the robots in the real graph moving to the desired formation and achieving heading consensus while the virtual robots on the virtual graph reach pose consensus. If any robot detects a nearby obstacle or other robot, the robot will temporarily move along an avoidance vector, which is perpendicular and positively projected onto the attractive vector, such that collision is avoided while minimally deviating from its formation control path. Experimental results are provided by two different research groups to demonstrate the effectiveness of our approach. These experiments extend the theoretical development by introducing a teleoperated quadrotor as a leader robot of the multi-robot systems. The same control law works for the extended system, with no modifications.     

基于二阶运动学模型的移动机器人主从跟踪系统的鲁棒控制

In this paper, we study the problem of modeling and controlling leader-follower formation of mobile robots. First, a novel kinematics model for leader-follower robot formation is formulated based on the relative motion states between the robots and the local motion of the follower robot. Using this model, the relative centripetal and Coriolis accelerations between robots are computed directly by measuring the relative and local motion sensors, and utilized to linearize the nonlinear system equations. A formation controller, consisting of a feedback linearization part and a sliding mode compensator, is designed to stabilize the overall system including the internal dynamics. The control gains are determined by solving a robustness inequality and assumed to satisfy a cooperative protocol that guarantees the stability of the zero dynamics of the formation system. The proposed controller generates the commanded acceleration for the follower robot and makes the formation control system robust to the effect of unmeasured acceleration of the leader robot. Furthermore, a robust adaptive controller is developed to deal with parametric uncertainty in the system. Simulation and experimental results have demonstrated the effectiveness of the proposed control method.     

多机器人任意队形分布式控制研究

本文针对多智能体协作完成特定任务时难以在全自主控制的前提下协作形成任意队 形和队形向量不易确定的问题，通过由各智能体自主简单的确定自己的队形向量，从理论上 扩展基于队形向量的队形控制原理以生成任意队形，改进机器人的运动方式以提高收敛速度 ，提出一种快速收敛的机器人部队任意队形分布式控制算法．为了解决智能体机器人之间的 冲突问题，提出了一个通信协调模型．仿真实验和实际机器人实验均表明了算法的可行性和 有效性．     

双参考点切换的多移动机器人队形运动控制方法

为描述机器人队列的运动过程,从相对位姿的角度定义了多移动机器人的队形模型.在传统leader-following队形控制的基础上,引入切换控制思想,每对领路机器人与跟随机器人之间设计3个控制器,对应跟随机器人中轴线上两参考点分别设计两个运动子控制器,控制领路机器人与跟随机器人之间的相对位姿;切换控制器根据系统处于平衡状态时,跟随机器人线速度的符号切换运动控制器,从而保证队列收敛到目标队形.仿真实验结果表明,机器人队列表现出良好的整体一致性,队列运动更加平稳.     

Controlling Ensembles of Robots via a Supervisory Aerial Robot

We consider the task of controlling a large team of non-holonomic ground robots with an unmanned aerial vehicle in a decentralized manner that is invariant to the number of ground robots. The central idea is the development of an abstraction for the team of ground robots that allows the aerial platform to control the team without any knowledge of the specificity of individual vehicles. This happens in much the same way as a human operator can control a single robot vehicle by simply commanding the forward and turning velocities without a detailed knowledge of the specifics of the robot. The abstraction includes a gross model of the shape of the formation of the team, and information about the position and orientation of the team in the plane. We derive controllers that allow the team of robots to move in formation while avoiding collisions and respecting the abstraction commanded by the aerial platform. We propose strategies for controlling the physical spread of the ensemble of robots by splitting and merging the team based on distributed techniques. We provide simulation and experimental results using a team of indoor mobile robots and a three-dimensional, cable-controlled, parallel robot which serves as our indoor unmanned aerial platform.     

Multiagent-Based Multi-team Formation Control for Mobile Robots

In the field of formation control, researchers generally control multiple robots in only one team, and little research focuses on multi-team formation control. In this paper, we propose an architecture, called Virtual Operator MultiAgent System (VOMAS), to perform formation control for multiple teams of mobile robots with the capabilities and advantages of scalability and autonomy. VOMAS is a hybrid architecture with two main agents. The virtual operator agent handles high level missions and team control, and the robot agent deals with low level formation control. The virtual operator uses four basic services including join, remove, split, and merge requests to perform multi-team control. A new robot can be easily added to a team by cloning a new virtual operator to control it. The robot agent uses a simple formation representation method to show formation to a large number of robots, and it uses the concept of potential field and behavior-based control to perform kinematic control to keep formation both in holonomic and nonholonomic mobile robots. In addition, we also test the stability, robustness, and uncertainty in the simulation. This research was supported by the National Science Council under grant NSC 91-2213-E-194-003.     

基于牛顿迭代法的移动机器人编队算法

该文借鉴滚动规划的思想，探究了全局环境未知，障碍物分散条件下移动机器人系统的编队问题。文中提出的基于牛顿迭代法的移动机器人编队算法，将机器人系统的编队问题分解为各个机器人自主移向预定目标的过程，利用实时探得的局部环境信息，不断修整预定目标而完成编队。该算法计算量小，实时性强，不受编队形状所限。仿真结果表明了该算法的有效性。     

Finite-time tracking control for multiple non-holonomic mobile robots based on visual servoing

This paper investigates finite-time tracking control problem of multiple non-holonomic mobile robots via visual servoing. It is assumed that the pinhole camera is fixed to the ceiling, and camera parameters are unknown. The desired reference trajectory is represented by a virtual leader whose states are available to only a subset of the followers, and the followers have only interaction. First, the camera-objective visual kinematic model is introduced by utilising the pinhole camera model for each mobile robot. Second, a unified tracking error system between camera-objective visual servoing model and desired reference trajectory is introduced. Third, based on the neighbour rule and by using finite-time control method, continuous distributed cooperative finite-time tracking control laws are designed for each mobile robot with unknown camera parameters, where the communication topology among the multiple mobile robots is assumed to be a directed graph. Rigorous proof shows that the group of mobile robots converges to the desired reference trajectory in finite time. Simulation example illustrates the effectiveness of our method.