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.     

一类非完整轮式机器人的编队一致性

讨论了一类具有非完整约束和有向通信拓扑的轮式机器人的编队一致性问题.基于Zipf分布设计了带有耦合权重的编队一致性协议,减少了机器人间的信息交换,降低机器人编队在复杂的通讯环境中对所有机器人状态信息的依赖程度.将多机器人系统的编队一致性问题转化为误差系统的稳定性分析问题,给出了机器人形成编队的一致性条件,并利用图论和李亚诺夫稳定性理论证明在该条件下可实现系统编队收敛到期望的队形和虚拟领导者的运动规律上的目标.仿真实验和实物实验验证了所设计编队一致性协议的有效性.     

多机器人主—从行星式编队控制

研究了二阶积分器描述的多机器人主—从行星式编队控制问题,提出了将多机器人编队分解为每个机器人对各自具有时变速度的虚拟机器人的跟踪控制,使得每个机器人相对于虚拟机器人的位置与速度跟踪误差收敛为零且彼此不相碰撞,此时编队系统收敛到理想队形.在统一的算法框架下,分别实现了跟随者以领航者为中心的公转运动编队(revolution formation,RF)模式和跟随者与领航者保持期望距离、期望速度的编队(desiredformation,DF)模式.公转运动编队(RF)模式适用于异构多机器人系统的环境探索任务;保持期望距离、期望速度的编队(DF)模式适用于自主水下机器人(AUV)、无人机(UAV)等合作与协调任务.应用李亚普诺夫稳定性理论对控制算法的稳定性进行了分析,并通过计算机仿真验证了该方法的有效性.     

非完整机器人Leader-Follower编队控制器设计

编队控制是多机器人协作的最重要的研究领域,其目的是控制组中的机器人的相对位置和方向,让机器人移动作为一个整体.Le-ader-follower策略已经广泛地应用到多机器人系统编队控制中.文中涉及了非完整移动机器人leader-follower编队控制问题,然后描述了基于leader-follower策略的控制方法,最后采用输入/输出反馈线性化方法设计控制器,以确保编队的渐进稳定.在保持理想的相对距离和转向角时,该控制器能够有效地稳定编队.仿真结果表明了该编队控制方案的有效性.     

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....     

复杂地形环境下多机器人编队控制方法

针对复杂地形地面崎岖起伏的特点,提出了一种多机器人系统编队控制方法.首先,分析了复杂地形环境下的系统队形模型.通过建立三维地形环境下编队系统的误差模型,并运用空间投影法将其映射到二维平面上,对系统的编队误差进行分析.然后利用李雅普诺夫函数构造控制器,并根据环境中的特定地形设计相应的编队行驶策略,实现了多机器人系统在复杂地形环境下的编队控制.最后,通过3种典型复杂地形环境下两种非完整移动机器人的编队仿真,验证了该方法的有效性.     

多机器人协同控制与编队方法研究

随着多机器人系统的研究和发展,其协同控制问题成为核心研究问题。文章针对多机器人编队问题进行了研究,目的是探索一种通用、有效的编队控制领域的研究策略和研究方法,并给出了一种编队控制方法,通过仿真实验对控制算法的可行性及稳定性进行了研究和验证,在多机器人环境下完成了实体机器人实验,收到良好效果。     

一种基于分布式EKF的多机器人协同定位方法

研究多机器人编队的导航问题,针对多机器人传感器带来的噪声信号影响定位精度,为了提高系统定位精度,提出了一种基于分布式扩展卡尔曼滤波(DEKF)的多机器人协同定位方法.根据航位推算建立单机器人跟踪目标的定位模型后建立编队多机器人的协同定位模型,利用量测信息,通过扩展卡尔曼滤波(EKF)估计各编队机器人局部定位信息,将所得的局部估计值利用优化的融合规则进行处理,得到编队中各机器人的定位数据.通过对单机器人和编队多机器人协同定位进行仿真,结果表明,编队机器人能够利用协同定位方法进行实时定位,且具有更高的定位精度.     

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。     

基于Player/Stage仿真机器人的绘图系统实现

本文在Player/Stage仿真平台上仿真了在无线传感网络环境下的进行环境位置信息采集的机器人.利用Java客户端与仿真机器人进行Socket连接,实现了C/S工作模式的绘图系统.机器人可以传回采集的环境现场位置坐标数据,客户端实时处理这些位置坐标数据并绘制机器人工作环境的结构地图.本绘图系统的实现有助于多机器人系统利用这些信息行进行机器人的壁障与编队.     

Architecting centralized coordination of soccer robots based on principle solution

Coordination strategy is a relevant topic in multi-robot systems, and robot soccer offers a suitable domain to conduct research in multi-robot coordination. Team strategy collects and uses environmental information to derive optimal team reactions, through cooperation among individual soccer robots. This paper presents a diagrammatic approach to architecting the coordination strategy of robot soccer teams by means of a principle solution. The proposed model focuses on robot soccer leagues that possess a central decision-making system, involving the dynamic selection of the roles and behaviors of the robot soccer players. The work sets out from the conceptual design phase, facilitating cross-domain development efforts, where different layers must be interconnected and coordinated to perform multiple tasks. The principle solution allows for intuitive design and the modeling of team strategies in a highly complex robot soccer environment with changing game conditions. Furthermore, such an approach enables systematic realization of collaborative behaviors among the teammates.     

行军启发的多机器人紧密队形保持策略

多机器人协同编队是多机器人研究的关键技术之一,是通过控制队伍中的机器人,使其按照预定的队形进行前进。本文基于领航者-追随者结构的编队控制方法,从军队急行军中得到启发,设计了同列依次替补和末排向内收拢原则,提出多机器人紧密队形保持策略。并引入能耗和队形紧密度两个编队性能评价指标,验证了多机器人紧密队形保持策略的优越性。仿真实验证明了多机器人紧密队形保持策略的有效性。     

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。     

移动机器人队形控制关键技术及其进展

在明确了多机器人队形控制国内外发展现状的基础上,以地面移动机器人为研究对象,从系统结构、机器人模型、队形形状表示方法、参考框架及编队控制策略等方面,对多机器人编队控制的研究成果进行了概述.同时,对队形形状生成、编队跟踪与协调、队形变换与重组以及编队避障等队形控制子问题的国内外研究近况进行了总结和分析.最终指出:研究统一有效的编队控制框架、障碍环境下的队形优化变换、降低系统对通讯能力的要求以及编队控制在实际物理环境下的应用是移动机器人队形控制领域未来可能的研究主题.     

编队控制中的机器人行为与基于服务的运动行为结构设计

以基于位姿误差的虚拟目标跟踪为控制模式,提出了独立于编队控制与协作任务,但却适用于多移动机器人编队运动的基于服务的机器人运动行为结构,并对其基本运动行为与选择方法进行了设计.提出的基于服务的机器人行为结构借鉴了软件工程领域的面向服务的架构思想,具有可重用性.多机器人编队形成、改变等仿真与实验验证了本文所提方法的有效性.     

6R关节型机器人运动学建模

为满足新开发的多机器人实验系统编程需要,研究了6R机器人运动学逆解问题.推导了代数逆解结果,并研究了将其用于实际控制系统时,逆解的漏解、增根和多解问题.与传统方法比较,采用了便于程序模块化的坐标系设置方式,在需要经常更换作业工具的多机器人系统中更为适用.推导过程只需2次矩阵逆乘,步骤简单.基于VC++和OpenGL技术编制了系统程序,检验了方法的有效性.以其中一个位姿为例,对比几何方法得出的结果,验证了算法的正确性.研究的结果适用于MOTOMAN-UP6和PUMA560等相似构型的所有机器人.     

Development of a reduced human user input task allocation method for multiple robots

Task allocation mechanisms are employed by multi-robot systems to efficiently distribute tasks between different robots. Currently, many task allocation methods rely on detailed expert knowledge to coordinate robots. However, it may not be feasible to dedicate an expert human user to a multi-robot system. Hence, a non-expert user may have to specify tasks to a team of robots in some situations. This paper presents a novel reduced human user input multi-robot task allocation technique that utilises Fuzzy Inference Systems (FISs). A two-stage primary and secondary task allocation process is employed to select a team of robots comprising manager and worker robots. A multi-robot mapping and exploration task is utilised as a model task to evaluate the task allocation process. Experiments show that primary task allocation is able to successfully identify and select manager robots. Similarly, secondary task allocation successfully identifies and selects worker robots. Both task allocation processes are also robust to parameter variation permitting intuitive selection of parameter values.