一种多智能体领航跟随编队新型控制器的设计

研究了基于离散时间模型的多智能体领航跟随编队控制算法。在该算法中,通过引入基于邻居的局部控制律以及基于邻居的状态估计规则设计了一种新型控制器,在该控制器中通过简单地设定跟随者和领航者之间的相对坐标即可方便地实现任意形状编队,同时该文引入了坐标旋转公式——用于实现整个队形能够随着领航者的运动方向的变化做相应旋转,且文中分别给出了固定拓扑和切换拓扑时系统稳定编队的充分条件。最后分别通过Matlab仿真和在Amigobot机器人平台上做实验来验证该算法的正确性及实际可行性。     

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.     

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.     

基于鸽群行为机制的多无人机自主编队

受启发于无人机(unmanned aerial vehicle,UAV)编队飞行与生物群体社会性行为的相似性,本文提出了一种基于鸽群行为机制的多无人机自主编队控制方法.首先通过模仿鸽群特有的层级行为,建立了鸽群行为机制模型.该模型在已有群集模型基础上,采用有向图和人工势场理论对鸽群中的拓扑结构和领导机制进行建模.在深入分析无人机自主编队飞行仿生机理的基础上,设计了一种基于鸽群行为机制的无人机自主编队控制器.该控制器以鸽群行为机制模型为核心,还包含两个辅助环节,即控制指令解算器和状态转换器.最后,通过系列仿真实验验证了无人机群可在本文所设计的无人机自主编队控制器作用下形成预期的编队队形,并可在复杂长机运动条件下保持队形.     

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。     

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。     

基于分布式模型预测控制的无人机编队控制

针对多四旋翼无人机编队在巡航飞行过程中队形形成和保持问题,采用分布式模型预测控制方法将该问题转化为在线滚动优化问题.建立线性时不变的编队运动模型,进而在考虑状态和输入约束,不考虑时延、外界干扰、噪声的情况下,利用领航跟随策略设计一种分布式模型预测控制器,通过引入自身和邻居的假设状态轨迹设计代价函数.其中邻居信息的交互是在有向、时不变通信拓扑结构下进行的.基于该控制器,无人机能够在跟踪目标轨迹的同时,快速形成预先设定的队形并保持队形飞行.通过引入终端等式约束保证系统稳定,进而将目标函数作为Lyapunov函数,给出编队系统渐近稳定的充分条件.最后,利用6架无人机仿真验证控制算法的有效性和优越性.     

基于二阶一致性算法的多仿生机器鱼分布式编队控制

针对动态领航者按照自身动力学模型运动, 多个跟随者机器鱼以其为编队参考点, 根据编队要求形成队形并整体跟随领航者运动的问题, 提出一种多仿生机器鱼分布式编队控制方案. 首先, 基于二阶一致性算法给出各跟随者机器鱼估计领航者位姿信息的分布式算法;其次,给出以领航者为参考点的多仿生机器鱼编队描述方法,进而各机器鱼根据编队要求以所估得的参考点信息实时确定其在编队中的期望位姿; 再次, 各跟随者机器鱼以期望速度和角速度以及所估得的领航者位姿信息为输入, 利用模糊控制器确定其速度档位和方向档位, 实现编队的形成与保持. 仿真和实验结果均表明, 所提分布式编队控制方法是有效的, 仿生机器鱼群体能够较快形成期望队形并跟随领航者游动.     

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.

     

基于一致性的小型四旋翼机群自主编队分布式运动规划

设计一种小型四旋翼无人机群起飞后自主形成正多边形编队的分布式运动规划方法.在四旋翼无人机的串级控制系统框架下,分布式编队控制器以简化agent模型为基础,同时采用平均一致性算法和有领导一致性算法,共同产生各无人机位置与偏航角的期望轨迹.讨论了达成最终协调目标队形的拓扑条件,并给出一种基于有向Hamilton环的通信拓扑设计方案.最后通过数值仿真验证了所提出算法的有效性.     

Distributed hierarchical control for multiple vertical takeoff and landing UAVs with a distance‐based network topology

A distributed formation control algorithm is proposed for multiple vertical takeoff and landing (VTOL) unmanned aerial vehicles (UAVs) in this paper. The neighboring information is obtained by active measurements rather than by nonactive communications as done in the current literatures. By properly expanding the distance‐based network topology structure between each pair of UAVs, a distributed algorithm is proposed such that the switching topology remains connected along the time. Since a VTOL UAV system is typically underactuated, a hierarchical idea is introduced to derive the control design procedure. More specifically, the studied formation control problem of multiple VTOL UAVs is first transformed into the consensus problem of their corresponding error systems. Then, a command force and an applied torque are synthesized for each VTOL UAV such that the error systems reach a consensus. It is demonstrated in terms of Lyapunov theory that the proposed distributed hierarchical control algorithm guarantees the formation realization of multiple VTOL UAVs while maintaining the network connectivity. Finally, simulations are performed to validate the theoretical results.     

Robust formation tracking control of mobile robots via one-to-one time-varying communication

We solve the formation tracking control problem for mobile robots via linear control, under the assumption that each agent communicates only with one ‘leader’ robot and with one follower, hence forming a spanning-tree topology. We assume that the communication may be interrupted on intervals of time. As in the classical tracking control problem for non-holonomic systems, the swarm is driven by a fictitious robot which moves about freely and which is a leader to one robot only. Our control approach is decentralised and the control laws are linear with time-varying gains; in particular, this accounts for the case when position measurements may be lost over intervals of time. For both velocity-controlled and force-controlled systems, we establish uniform global exponential stability, hence consensus formation tracking, for the error system under a condition of persistency of excitation on the reference angular velocity of the virtual leader and on the control gains.     

Towards temporal verification of swarm robotic systems

A robot swarm is a collection of simple robots designed to work together to carry out some task. Such swarms rely on the simplicity of the individual robots; the fault tolerance inherent in having a large population of identical robots; and the self-organised behaviour of the swarm as a whole. Although robot swarms present an attractive solution to demanding real-world applications, designing individual control algorithms that can guarantee the required global behaviour is a difficult problem. In this paper we assess and apply the use of formal verification techniques for analysing the emergent behaviours of robotic swarms. These techniques, based on the automated analysis of systems using temporal logics, allow us to analyse whether all possible behaviours within the robot swarm conform to some required specification. In particular, we apply model-checking, an automated and exhaustive algorithmic technique, to check whether temporal properties are satisfied on all the possible behaviours of the system. We target a particular swarm control algorithm that has been tested in real robotic swarms, and show how automated temporal analysis can help to refine and analyse such an algorithm.     

一种基于层次化社团结构的网络可视化方法

提出了一种基于层次化社团结构的可视化方法,首先利用Blondel快速算法将网络划分为层次化的社团结构,然后依次在不同层次的社团内部采用力导引算法和环状布局双重布局,并通过对阈值的设置实现了两种布局方法的自由切换。     

邻域交互结构优化的多智能体快速蜂拥控制算法

针对多智能体系统在动态演化过程中容易出现的"局部聚集"现象,融 合复杂网络中的拓扑结构优化理论与多智能体系统协调蜂拥控制研究,提出了一种基 于邻域交互结构优化的多智能体快速蜂拥控制算法.该算法首先从宏观上分析多智 能体的局部聚集现象,利用社团划分算法将局部相对密集的多个智能体聚类成一个 社团,整个多智能体系统可以划分成多个相对稀疏的社团,并为每个社团选择度 最大的个体作为信息智能体,该个体可以获知虚拟领导者信息;随后从多智能体 系统中不同社团相邻个体间的局部交互结构入手,取消社团间相邻个体的交 互作用,设计仅依赖于社团内部邻居个体交互作用的蜂拥控制律;理论分 析表明,只要每个社团存在一个信息智能体,在虚拟领导者的引导作用下,整个多 智能体系统就可以实现收敛的蜂拥控制行为;仿真实验也证实了对多智 能体系统进行邻域交互结构优化可以有效提高整个系统的收敛速度.     

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.     

基于GA-IPSO-BSVM算法的新浪微博评论信息分类

针对新浪微博评论信息准确分类问题,本文基于遗传算法(genetic algorithm, GA)、粒子群算法(particle swarm optimization, PSO)和支持向量机(support vector machine, SVM)算法,提出一种改进GA-IPSO-BSVM (genetic algorithm-improved particle swarm optimization-balanced support vector machine)的分类模型,以实现提升新浪微博评论信息分类的准确性和收敛性.首先,为了有效提升算法的收敛速度,并高效节省计算资源,该模型在迭代前期引入GA的淘汰机制,删除大量低速粒子.其次,在迭代中期,为了避免算法陷入局部最优解,改进PSO中粒子关系的拓扑结构,采用K均值聚类(K-means)算法对粒子群进行聚类分区,将各粒子群体在所属社区中进行粒子群迭代,选出各个区域中优秀粒子.再次,在迭代后期,将所有区域优秀粒子组合成优秀粒子群体,并将该群体进行迭代,得出全局最优解.从次,结合GA和IPSO对BSVM进行超参数优化,提升分类准确率.最后,利...     

基于网络嵌入与局部合力的复杂网络社区划分算法

社区划分可以揭示复杂网络中的内在结构和行为动态特点,是当前的研究热点。文中提出了一种基于网络嵌入和局部合力的社区划分算法。该算法将网络的拓扑空间转化成欧氏空间,把网络节点转换成向量表示的数据点,首先基于重力模型和网络拓扑结构,提出局部合力和局部合力余弦中心性指标(Local Resultant Force Cosine Centrality,LFC),通过节点的LFC和节点间的距离来确定各个初始小社区的中心节点,然后将网络中其他的非中心节点划入与其最近的中心节点所在的初始小社区内,最后通过优化模块度的方法来合并初始小社区并找到最优的网络社区结构。在6个现实世界网络和可调参数人工网络上与6种知名社区划分方法进行比较,比较结果表明了新算法良好的社区划分的性能。     

Implementation of robust impedance and force control

In this paper, we discuss the problem of implementing impedance control in the presence of model uncertainties and its application to robot force control. We first propose a sliding mode-based impedance controller. The implementation of the targeted impedance, and the preservation of stability in the presence of model uncertainties, are the key issues in the proposed approach. Using sliding mode control, a simple and robust algorithm is obtained so that the targeted impedance can be accurately implemented without the exact model of the robot. The controller is designed in terms of the task space coordinates. The chattering in the sliding mode control is eliminated by using a continuous function. The problem of force control is also addressed for the impedance controlled robot. An off-line estimation method of the environment model is suggested and used in the force control scheme. The proposed impedance and force control schemes have been experimentally verified on a two degree-of-freedom direct-drive robot arm. The experimental results are presented in this paper.     

基于连杆力矩传感器动态补偿的机器人灵巧手笛卡儿阻抗控制

为了对连杆空间力矩传感器进行动态补偿,提出了适用于求取串联机器人任意连杆中任意一点处所受的内力和内力矩的算法.该算法采用连杆假想截断原理利用牛顿-欧拉方程推导而出.推导过程综合考虑了串联机器人是否处于静态以及末端是否受外力作用的情况,以及串联机器人的关节是否是回转关节的情况.然后利用该算法计算动态补偿值,构建了基于连杆力矩传感器动态补偿的笛卡儿阻抗控制器.最后在HIT/DLR Hand II五指灵巧手上进行了实验验证.实验结果一方面验证了该算法的有效性,另一方面也验证了本文所构建的笛卡儿阻抗控制器的有效性.