基于伪谱法的编队卫星队形重构防碰撞轨迹优化

提出了基于伪谱法的编队卫星队形重构最优轨迹规划方法.首先,应用Legendre伪谱法将队形重构问题离散化为非线性规划问题;然后,通过庞特里亚金极小值原理计算出不考虑碰撞规避问题时各星最优轨迹的解析形式,并由此计算出各星间的碰撞点;最后,在碰撞点附近设置符合高斯分布的测试点,进一步避免各星在配置点间发生碰撞.仿真结果表明,应用所提出方法得到的队形重构的最优轨迹能够较好地满足各种约束条件,计算精度高、速度快,使得编队卫星自主重构成为可能.     

应用控制系统设计工具箱PIMCSD求解卫星编队重构问题

利用线性时变系统终端约束最优控制方法,为椭圆轨道卫星编队的队形重构控制问题设计了均衡耗能最优控制器.由于描述椭圆轨道卫星编队相对运动的Lawden方程是时变方程,给卫星编队重构的最优控制器设计带来一定的困难.利用基于精细积分算法的控制系统设计工具箱-PIMCSD进行系统设计,求解卫星编队重构所需的时变最优反馈控制律和前馈控制律,最后给出了由三颗卫星组成的编队队形重构控制仿真计算结果.     

基于STK的编队飞行队形保持控制及仿真

小卫星编队飞行是近年来各个国家航天领域研究的重点,而编队飞行队形的保持控制是其中的一个重要方面.主要介绍了一种基于STK的编队飞行队形保持控制仿真实现方法.控制算法采用了基于Hill方程动力学模型的线性二次型最优控制.利用STK中的嵌入式脚本(Plug-in),将由控制算法得到的队形保持控制力,添加到STK轨道计算的力学模型中,从而进行队形保持控制.通过对有一定初始构型偏差的卫星编队飞行进行仿真,控制结果表明:控制后的卫星编队队形误差可控制在1m之内,最高精度可达到厘米级.从而验证了此控制方法及仿真实现方法的可行性.     

不确定移动机器人编队间接自适应模糊动力学控制

研究不确定非完整移动机器人Leader/Follower编队动力学控制问题,对Follower提出了自适应队形跟踪控制方法.首先,基于队形方程设计了运动学队形跟踪控制器,使用Backstepping技术扩展出队形跟踪误差动力学方程;然后,利用自适应模糊系统逼近其不确定项,构造了间接自适应模糊动力学队形跟踪控制器;最后,证明了队形跟踪误差可收敛到原点的小邻域内.仿真结果验证了所提出控制策略的有效性.     

扰动作用下的多移动机器人编队模型预测控制

针对多移动机器人编队中的领航者和跟随者同时受系统内部未建模动态和风向、路面平整度等内外扰动影响而带来的无法保持编队队形的问题,提出了基于扩张状态观测器(ESO)的模型预测(MPC)编队控制方法。首先,建立带有扰动项的领航跟随编队模型,然后分别设计ESO对领航者和跟随者所受扰动进行估计,将该编队模型进行线性化离散化处理作为MPC编队控制器的预测模型,在预测输出方程中引入对扰动的估计结果,最后通过滚动优化求解最优控制律,实现对多移动机器人的鲁棒编队控制。仿真实验结果验证了所提出的控制方法的有效性。     

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．     

基于领导跟随的欠驱动船舶编队跟踪控制

针对具有三自由度欠驱动水面船舶编队控制问题,提出一种基于领导跟随 ( Leader /Follower) 结构的欠驱动水面船舶队形跟踪控制方法。当系统接收到队形控制指令, 每个欠驱动水面船舶按照自己在编队中的角色进行控制,其中Leader 根据任务中的队形指令 完成航迹跟踪控制,而Followers 则依据Leader 的信息和航行中任务中的队形指令完成航迹跟 踪控制。在航迹跟踪控制中,根据期望队形任务指令为每个船舶设计需要跟踪的参考路径和 速度指令; 基于Lyapunov 理论和重定义输出方法设计非线性速度控制器和路径跟踪控制器跟 踪设计路径和速度指令; 稳定性分析证明了队形跟踪误差是一致最终稳定的。仿真结果表明 船舶可以跟踪任意期望曲线队形,从而验证了方法的有效性。     

含驱动器动力学的移动机器人编队自适应控制

针对含有驱动器及编队动力学的多非完整移动机器人编队控制问题,基于领航者-跟随者l-ψ控制结构,通过反步法设计了一种将运动学控制器与驱动器输入电压控制器相结合的新型控制策略。采用径向基神经网络(RBFNN)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。该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;基于Lyapunov方法的设计过程,保证了控制系统的稳定与收敛;仿真结果表明了该方法的有效性。     

基于领航-跟随的有人/无人机编队队形保持控制

针对有人/无人机编队飞行过程中的队形保持问题,采用领航-跟随策略设计一种有人/无人机编队队形保持控制器.首先从编队作战体系和控制原理角度设计有人/无人机编队控制系统结构;然后基于领航有人机与跟随无人机平面位姿的几何关系,建立编队内相对距离-角度运动学模型;最后在考虑僚机控制系统时变扰动的情况下,针对编队运动学模型特点设计动态反馈自适应编队队形保持控制器,并利用李雅普诺夫理论证明编队控制器的稳定性.仿真结果表明,所设计的控制器能够克服僚机控制模型不确定性带来的扰动影响,可以实现编队由初始误差到期望队形的快速调整以及稳定队形的保持.     

多机器人编队离散模型及队形控制稳定性分析

针对包含绕心运动情况下的多机器人编队进行离散建模,并利用该模型解决保持队形期望前端始终朝着编队前进方向的控制问题.以控制多机器人编队收敛到期望的队形并镇定到预设运动规律上为目标,定义了一类通信拓扑图,基于该类图提出了一种分布式协同控制算法.给出了该控制算法下编队系统渐进稳定的充分必要条件及反馈控制参数的收敛域.证明了在该充分必要条件下可实现编队收敛到期望的队形和预设运动规律上的目标.仿真实验表明,在该算法控制下多机器人编队较好地收敛到期望队形并按预设规律运动,且过程中始终保持队形期望前端朝着编队前进方向,进而验证了该算法的有效性和正确性.     

一类非完整移动机器人编队控制方法

针对大部分两轮非完整移动机器人轮轴中心与几何中心不重合的特点, 提出一种多机器人协调编队控制算法. 构造队形参数矩阵确定编队形状, 根据领航机器人和相关队形参数生成虚拟机器人, 把编队控制分解为跟随机器人对虚拟机器人的轨迹跟踪. 建立虚拟机器人与跟随机器人之间误差系统模型, 利用Lyapunov 理论设计相应控制器, 从而实现队形保持和变换. 应用microsoft robotics developer studio 4(MRDS4) 搭建3D 仿真平台, 设计3 组实验, 结果进一步验证了所提出方法的有效性.

     

A novel intelligent particle swarm optimization algorithm for solving cell formation problem

The formation of manufacturing cells forms the backbone of designing a cellular manufacturing system. In this paper, we present a novel intelligent particle swarm optimization algorithm for the cell formation problem. The proposed solution method benefits from the advantages of particle swarm optimization algorithm (PSO) and self-organization map neural networks by combining artificial individual intelligence and swarm intelligence. Numerical examples demonstrate that the proposed intelligent particle swarm optimization algorithm significantly outperforms PSO and yields better solutions than the best solutions existed in the literature of cell formation. The application of the proposed approach is examined in a case problem where real data is utilized for cell reconfiguration of an actual company involved in agricultural manufacturing sector.

     

有向切换通信拓扑下多无人机分布式编队控制

本文对多无人机分布式时变编队控制问题进行了研究. 无人机之间的通信拓扑假定是有向和切换的. 基于 自身状态与邻居状态的相对局部信息构建了分布式编队控制器. 通过引入一个恰当的编队误差向量, 将有向切换 通信拓扑下的多无人机编队问题转化为一个切换系统的镇定问题. 基于Lyapunov稳定性分析方法得到了达成编队 的充分性条件. 仿真实验结果验证了结论的有效性.     

无人机编队飞行神经网络自适应逆控制器设计

针对无人机编队飞行时存在的气动耦合和外部干扰等影响因素,提出基于“长-僚机”模式的神经网络自适应逆控制器设计方法.详细推导了气动耦合影响,建立了完整的编队飞行非线性数学模型,设计了非线性动态逆控制律,提出了改进的 BP 神经网络算法,自适应地逼近和在线补偿动态逆误差,改善了控制效果,并针对队形变换提出了简单有效的设计思想.仿真表明,该控制器能有效实现编队队形的保持或变换,控制系统结构具有良好的扩充性.     

From Trajectory Tracking Control to Leader–Follower Formation Control

Abstract

This work investigates the leader–follower formation control of multiple nonholonomic mobile robots. First, the formation control problem is converted into a trajectory tracking problem and a tracking controller based on the dynamic feedback linearization technique drives each follower robot toward its corresponding reference trajectory in order to achieve the formation. The desired orientation for each follower is selected such that the nonholonomic constraint of the robot is respected, and thus the tracking of the reference trajectory for each follower is feasible. An adaptive dynamic controller that considers the actuators dynamics in the design procedure is proposed. The dynamic model of the robots includes the actuators dynamics in order to obtain the velocities as control inputs instead of torques or voltages. Using Lyapunov control theory, the tracking errors are proven to be asymptotically stable and the formation is achieved despite the uncertainty of the dynamic model parameters. In order to assess the proposed control laws, a ROS-framework is developed to conduct real experiments using four ROS-enabled mobile robots TURTLEBOTs. Moreover, the leader fault problem, which is considered as the main drawback of the leader–follower approach, is solved under ROS. An experiment is conducted where in order to overcome this problem, the desired formation and the leader role are modified dynamically during the experiment.     

通信延迟条件下无人机编队重构的自主安全控制

多架无人机协同执行任务是未来网络化战场上的一种重要作战要求,然而复杂战场环境的变化极大地影响无人机编队的生存能力.为了自主安全地实现复杂战场环境中存在通信延迟的无人机编队重构控制,构建基于分层结构的无人机编队重构的自主安全控制架构.然后,提出一种基于纳什谈判的分布式预测控制(Nash bargaining solution-distributed model prediction control,NBS-DMPC)的新方法.针对存在通信延迟的问题,设计了基于信息滤波算法的信息补偿方法.最后,仿真实验表明所提算法能够自主安全地控制无人机编队重构并能有效降低问题的求解规模.同时仿真结果也验证了所提信息滤波算法在通信时延下的有效性.     

Bearing-based formation manoeuvre control of nonholonomic multi-agent systems

ABSTRACT

This paper concerns on the bearing-based leader–follower formation manoeuvre control problem for two- (2D) and three-dimensional (3D) multi-agent systems with nonholonomic constraint. The target formation is defined by relative-bearing measurements, which, for example, can be obtained from onboard cameras. The contributions of this paper are twofold. Firstly, a distributed formation manoeuvre control law is proposed for 2D nonholonomic agents according to the inter-bearing measurement. The multi-agent systems can achieve the desired formation which is defined by the bearings information. The formation manoeuvre can be achieved by steering at least two leaders. Secondly, the control law is nontrivially extended to 3D nonholonomic multi-agents systems. The leader–follower formation tracking problem can also be solved by the proposed proportional-integral control scheme. Simulation results for 2D and 3D nonholonomic multi-agents systems are presented. Experiments that used ground mobile robots verify the effectiveness of the proposed control laws.     

带未知干扰的模块化航天器系统相对轨道的队形控制

基于多智能体系统一致性理论,在有向拓扑结构中对模块化航天器相对轨道的队形控制问题进行研究.考虑与状态相关的未知外部干扰,在存在模块质量不确定性的情形下,基于自适应增益技术,设计仅依赖模块自身及其邻近模块信息的分布式控制算法,并通过Lyapunov稳定性方法证明闭环系统是渐近稳定的.最后在Matlab/Simulink中对6个模块组成的模块化航天器系统的队形进行仿真分析,仿真结果表明所设计的控制律是有效且可行的.     

轨迹跟踪级联机器人编队控制方法

提出一种轨迹跟踪级联机器人编队控制方法. 该方法有效结合距离-角度(??-??) 控制和距离-距离(??-??) 控制方案, 并利用无迹卡尔曼滤波算法对Leader-Follower 级联机器人系统的状态进行估计; 根据状态估计结果设计输入-输出动态反馈控制规律, 使得跟随机器人(Follower) 准确跟踪领航机器人(Leader), 确保编队的稳定性和较快的收敛性, 并达到理想的编队控制效果. 仿真实验验证了所提出方法的可行性.