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。     

基于改进人工势场法的多机器人编队避障

为解决多机器人系统在编队过程中的避障以及成员之间避碰问题,提出了基于改进人工势场(IAPF)的避障以及基于一致性的编队控制方法。为分析机器人的运动学,建立了数学模型,构造了运动态势感知图(MSAM),使机器人能够更好地感知周围环境信息以做出最佳决策;为解决人工势场法中的局部最小值与目标不可达(GNRON)问题,建立了旋转势场;为避免机器人之间的碰撞,设定了排斥势函数与机器人优先级模型。使用基于一致性的编队原理,设计稳定的拓扑结构,对多机器人进行编队控制。为证明所提算法的有效性,设计了一系列的仿真实验,最终证得该方法可有效解决多机器人系统在编队过程中的避障以及避碰问题。     

关于足球机器人避障控制的研究

介绍了足球机器人避障控制的特点,障碍物的数学描述和检测方法,把人工势场理论引入到足球机器 人避障控制中,并分析了人工势场法的优点和不足.     

群体觅食行为启发的多机器人分布式编队控制方法研究

群集智能由简单个体之间的相互作用涌现出来,这种涌现出来的智能可以解决许多复杂的问题.首先,从细茵群体觅食特性出发,引出了该行为与多机器人编队任务的相关性.然后,通过对群体觅食行为模型的扩展,建立了基于势场的多机器人分布式编队控制模型;最后,在不同规模下的多机器人编队仿真实验表明,本文的方法能够控制多机器人完成编队任务,并且使得机器人在遇到障碍物时能灵活躲避障碍物,离开障碍物后又快速恢复队形.     

动态环境下的多机器人编队控制方法的研究

多机器人编队控制是研究机器人协调合作问题的基础.在诸多的编队方法中,传统人工势场法以其算法简单,易于实现等特点被广泛应用于机器人避障.但上述方法无法适应动态未知环境,并且存在着局部极小问题,为解决上述问题,提出一种改进的人工协调场方法,即在排斥力的垂直方向增加一个协调力,从而消除零势能点,克服局部极小.同时与领航—跟随法结合,将编队信息预先存储在领航机器人中,通过队伍行进中领航者所发出的位置信息,跟随者保持队形,不仅可以达到灵活躲避动态障碍物,同时可以保持队形稳定.最终在TEAMBOTS平台上进行了仿真,结果证明了改进方法的有效性,实现了动态环境中的多机器人编队的灵活控制.     

基于全向移动平台的多机器人编队控制研究

针对多机器人编队控制中的队形控制和协同避障问题,提出了基于麦克纳姆轮的全向移动多机器人编队的基于领航-跟随型编队控制算法.首先建立多机器人运动学模型,得到车体运动控制参数,并针对传统领航跟随法进行改进,设计一种虚拟结构领航-跟随法,并将改进的人工势场法引入领航机器人的在线局部路径规划中,通过添加虚拟斥力旋转势场,解决了局部极小值问题,实现了多机器人编队在静态障碍环境中无碰撞路径规划.最后通过Python仿真验证了该算法结合的有效性.     

栅格地图环境下机器人速度势实时路径规划

针对智能制造工程环境中移动机器人的自动避障问题,提出一种基于栅格地图的移动机器人速度势实时避障路径规划方法。利用栅格法二值化移动机器人的工作场景,从机器人中心出发向不同方向进行栅格搜索。基于障碍物对移动机器人有排斥作用以及目标点对机器人有吸引作用的思想,通过栅格数的累加计算机器人到障碍物之间的实时距离,并以此为参数,考虑障碍物的形状、最小安全距离等因素的影响来建立负的速度增量函数;以机器人当前位置与目标点的实时距离和角度为参数建立正向速度增量函数。进而在机器人运动学模型基础上,定义速度势函数来对移动机器人进行实时速度驱动。通过设置最小速度增量,避免在零势点处的局部极小点问题;通过设立距离阈值,避免在目标点附近速度增量趋于无穷的问题。通过仿真对所提出的算法进行验证。     

基于声纳融合的障碍环境编队控制实现

传统的编队方法在进行避障时会发生队形改变,不能满足联合搬运等对队形精度要求高的应用场合。针对该问题,提出一种将整个编队看作一个虚拟个体的运动规划策略。理论分析和实验结果表明,该方法可以有效消除避障过程中的轨迹抖动,提高队形保持的精度,解决避障与队形保持之间的矛盾。     

A Novel Obstacle Avoidance Consensus Control for Multi-AUV Formation System

In this paper, the fixed-time event-triggered obstacle avoidance consensus control for a multi-AUV time-varying formation system in a 3D environment is presented by using an improved artificial potential field and leader-follower strategy(IAPF-LF). Firstly, the proposed fixed-time control can achieve the desired multi-AUV formation within a fixed settling time in any initial system state. Secondly, an event-triggered communication strategy is developed to govern the communication among AUVs, and...     

基于改进人工势场法的机械手避障规划

针对三维环境中机械手在障碍物附近目标不可达问题和局部最小值问题,提出一种基于改进人工势场法的机械手避障方法.该方法以机械手末端所受合力的方向作为其运动方向,通过势场力的作用使机械手末端避开障碍物,解决障碍物附近目标不可达问题;采用X-Y平面内的角度偏移法,使机械手末端迅速跳出局部最小值,解决势场法的局部最小值问题;从而使机械手避开障碍物到达目标位置,并给出了机械手避障规划算法的具体实现步骤.将该方法应用于机械手末端位置、障碍物位置和目标位置已知条件下的常规作业任务中,仿真实验结果表明,机械手末端沿着规划路径可跳出局部最小值,并避开障碍物,成功到达目标位置,验证了该算法的有效性.     

一种复杂环境下移动机器人避障新方法

为解决基于传统人工势场法的机器人避障算法在陷阱区域或在障碍物前会产生震荡而导致机器人不能到达目标点的问题,提出一种带记忆功能的沿边法;通过记录和分析障碍物边缘人工势场法的局部最小点来判断目标点是否被障碍物包围,从而避免机器人来回震荡以及围着目标点旋转的现象;首先进行沿边行为激活和退出条件研究,然后进行局部最小点记录条件分析,最后给出了目标点被障碍物包围的判断准则;仿真实验,结果表明该方法解决了复杂环境下机器人的避障问题;该方法用于复杂环境下的机器人避障是可行的、有效的.     

A Scalable Adaptive Approach to Multi-Vehicle Formation Control with Obstacle Avoidance

This paper deals with the problem of distributed formation tracking control and obstacle avoidance of multi-vehicle systems (MVSs) in complex obstacle-laden environments. The MVS under consideration consists of a leader vehicle with an unknown control input and a group of follower vehicles, connected via a directed interaction topology, subject to simultaneous unknown heterogeneous nonlinearities and external disturbances. The central aim is to achieve effective and collision-free formation tracking control for the nonlinear and uncertain MVS with obstacles encountered in formation maneuvering, while not demanding global information of the interaction topology. Toward this goal, a radial basis function neural network is used to model the unknown nonlinearity of vehicle dynamics in each vehicle and repulsive potentials are employed for obstacle avoidance. Furthermore, a scalable distributed adaptive formation tracking control protocol with a built-in obstacle avoidance mechanism is developed. It is proved that, with the proposed protocol, the resulting formation tracking errors are uniformly ultimately bounded and obstacle collision avoidance is guaranteed. Comprehensive simulation results are elaborated to substantiate the effectiveness and the promising collision avoidance performance of the proposed scalable adaptive formation control approach.      

多移动机器人避障编队控制

研究了非完整移动机器人群的避障编队问题. 在次优化控制基础上, 通过对每个交互机器人求解指标函数存在耦合的优化问题提出了两种算法. 在终端惩罚项中加入了势场函数并且构造出相应的终端约束集. 关于系统稳定性及安全性进行了讨论. 仿真实例说明了所提算法的可行性.     

基于势场栅格法的移动机器人避障路径规划

针对传统人工势场法应用于移动机器人避障路径规划存在的缺陷,建立了改进的人工势场模型,通过在障碍物的斥力势场函数中增加最小安全距离,同时考虑机器人与目标点的相对距离,成功地解决了障碍物附近目标不可达(Good Nonreachable with Obstacles Nearby GNRON)的问题。此外,针对传统人工势场法的局部极小点和障碍物附近目标不可达同时存在的问题,提出了以改进人工势场法为主,栅格法为辅的方案来实施避障,使得机器人能够尽快地脱离局部极小并成功地绕过障碍物到达目标点。采用栅格法对改进人工势场法做辅助决策,弥补了改进人工势场法的不足,使机器人能够顺利到达势场的全局最小点,提高了避障路径规划的安全性和可达性。论文利用Matlab进行了算法仿真,结果证明了所提方法的正确性和有效性。     

起重吊装多机器人系统协作避障规划研究

针对起重吊装多机器人系统实际作业情况,进行了该机器人系统协作避障规划研究.首先,基于栅格法提出了优化姿态转角--动态栅格法的路径规划改进算法;其次,设计了基于传感器技术的自适应协作系统.该协作避障方法具备了寻找全局最优路线的能力,同时实现了多机器人系统内部的稳定协调合作;最后,建立了Matlab与LabVIEW联合仿真系统,仿真结果表明该系统是可行且高效的.     

一种基于势能函数的多智能体编队控制新方法

提出一种针对移动障碍物的编队控制方法．在二次积分模型的基础上,采用了采用了势能函数 进行控制设计,该势能函数是基于电势场的概念提出的．在智能体和障碍物之间采用基于位置并加以速度修 正的势能函数,在智能体之间采用基于位置信息的势能函数．状态反馈的策略则用于控制智能体向目标移动． 此方法减小了整个势能场的复杂度,降低了局部极小值产生的可能．文章证明了这种控制方法的稳定性,并 用仿真说明了此种策略的控制效果．     

基于模糊改进人工势场法的机器人避障方法研究

在内部密封、狭窄、多障碍的船舱环境中,障碍物的分布具有随机性和不确定性,对于移动机器人的避障方法而言,传统人工势场法存在目标不可达、局部极小值等问题.设计了一种基于模糊逻辑的改进人工势场法,在避障算法的局部极小值附近,基于模糊逻辑给予移动机器人辅助控制力,帮助机器人逃离局部极小值点,避免机器人在避障过程中陷入局部极小值点的问题,并且优化路径.仿真实验表明:在多障碍复杂环境下,该算法能实现机器人实时、安全的避障.     

基于人工势场与IB-LBM的机器蛇水中2D避障控制算法

为了提高多冗余度、多自由度机器蛇水下环境运动适应能力,提出了基于人工势场与IB-LBM （immersed boundary method-lattice Boltzmann method）相结合的机器蛇水中2D智能避障算法.首先,采用格子Boltzmann方法描述2D水中障碍模型、构造统一形式.然后,运用浸入边界法,结合现有的蛇形曲线运动方程,在计入人工势场法引力和斥力作用的情况下,推导得到机器蛇2D水中避障模型.之后,通过改变障碍影响距离、机器蛇摆动振幅、摆动频率、障碍点斥力增益系数、雷诺数以及目标点引力增益系数等重要参数,研究机器蛇在不同情况下的避障效率和避障安全性.最后,通过多次仿真求取各项参数的最优值.仿真结果表明,在各项参数都最优时,该算法能使机器蛇快速、安全、有效地避开水下复杂环境中的静态障碍而到达目标点.该方法不仅能够充分研究机器蛇在水中的流固耦合特性,获得实时避障效果,而且能够利用已知的环境信息生成最优路径.