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.     

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.     

基于同步DMPC的无人机编队跟踪与避障控制

针对无人机编队跟踪问题,并考虑对静/动态障碍的规避,提出一种基于同步分布式模型预测控制(DMPC)的编队跟踪与避障控制算法.首先,在DMPC的框架下,以轨迹跟踪和编队保持为目标设计代价函数,并将机间避碰和障碍物规避处理为约束条件;其次,将速度障碍法与避碰、避障以及相容性约束进行融合,并设计终端约束,实现规避动态障碍的功能;再次,根据新的终端约束,以编队稳定为原则,设计与之适配的完整的终端成分;然后,在新的约束和终端成分下,基于Lyapunov理论分析编队系统的稳定性;最后,通过仿真验证所提出算法在编队跟踪和避障方面的有效性和优越性.     

舰船编队的避障/避碰控制

针对舰船编队系统中的协同控制问题进行了避碰和避障研究.运用了虚拟结构方法,通过在势函数中加入相对碰撞函数,解决了舰队之间的避碰问题;并通过设定安全航线,解决了避障问题.基于舰船的运动学和动力学特性,运用李亚普诺夫理论,设计了一种舰船编队控制器.最后对设计的控制器进行了仿真,验证其正确性和有效性.     

多移动机器人的领航-跟随编队避障控制

针对多移动机器人的编队控制问题,提出了一种结合Polar Histogram避障法的领航-跟随协调编队控制算法。该算法在领航-跟随l-φ编队控制结构的基础上引入虚拟跟随机器人,将编队控制转化为跟随机器人对虚拟跟随机器人的轨迹跟踪控制。结合移动机器人自身传感器技术,在简单甚至复杂的环境下为机器人提供相应的路径运动策略,实现实时导航的目的。以两轮差动Qbot移动机器人为研究对象,搭建半实物仿真平台,进行仿真实验。仿真结果表明:该方法可以有效地实现多移动机器人协调编队和避障控制。     

面向多智能消防机器人的编队避障控制方法

为了提高多智能消防机器人系统在复杂火场环境下协同运动的安全性和及时性,提出一种基于动态权重的虚拟领航—领航—跟随法与改进人工势场法相结合的编队避障控制方法。首先,设计一种圆周运动控制律与方位角定位控制律相耦合的协同编队控制器,使各机器人收敛到以虚拟领航机器人为原点形成的圆上的期望位置。然后,对传统人工势场法进行改进,利用一种对数障碍函数建立道路两侧的危险膨胀区域来保障编队行驶在安全区域内,接着通过调整障碍物和道路边界共同作用在机器人上的合斥力方向,使得合斥力方向变为与目标作用的引力方向垂直且远离障碍物的方向,以解决局部极小值和目标不可达的问题。最后,引入动态权重因子对编队控制器和避障控制器进行自适应比值调整。为验证本文控制器的有效性,与传统人工势场法、固定权重的改进人工势场法进行仿真实验对比,结果表明所设计的控制器在收敛速度、跟踪误差和避障效果方面都表现更优。为进一步验证本文控制器的实用性,采用3台智能消防机器人进行物理实验,实验结果表明本文控制器既可以将编队限制在道路可行驶区域内,又可以较好地完成编队避障。     

基于高阶控制障碍函数的多固定翼无人机鲁棒避障安全编队跟踪控制

在多固定翼无人机编队跟踪控制问题中,系统地处理输入饱和约束、外界输入扰动以及无人机间避碰安全约束存在着挑战。针对这些挑战,本文提出了一种基于高阶控制障碍函数方法的分布式鲁棒避障协同编队控制律。首先,在不考虑避障约束的情况下,设计了一种满足输入和速度约束的多固定翼无人机标称鲁棒编队跟踪控制律。该标称控制律基于滑模控制方法,能够在有界输入扰动影响下实现精准的编队跟踪控制。然后,针对无人机之间的避障要求以及无人机与障碍物之间的避障要求,分别设计了考虑输入约束的改进高阶控制障碍函数,并基于不变集理论,推导了存在外界输入扰动情况下的线性控制输入避障约束条件。最后,基于标称编队跟踪控制律和鲁棒控制输入避障约束条件,为各固定翼无人机构造了一个局部二次规划问题,并通过求解该问题得到最终的鲁棒避障安全编队跟踪控制律。仿真实例表明,本文设计的控制律相较于不考虑外界输入扰动的控制律而言可以有效地处理扰动,相较于基于势函数方法的控制律而言减轻了系统产生的震颤并且更好地处理了无人机的速度约束,相较于基于分布式MPC（模型预测控制）方法的控制律而言在计算时间方面有了显著提升。上述结果验证了所设计控制律的创新性和有效性。     

基于群集行为的分布式多无人机编队动态避障控制

针对无人机编队保持和动态障碍物规避控制问题,本文提出了一种新的基于群集行为的分布式多无人机编队控制和避障控制算法.首先考虑了由机间气流等因素带来的干扰,基于吸引/排斥势场和一致性方法,设计了分布式无人机编队的队形保持控制算法,对编队内无人机之间的距离进行控制.进一步考虑外部移动障碍对无人机编队的影响,引入了排斥势场产生...     

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.     

一类带有加速度约束的非线性系统最优滑模控制

针对加速度受约束的非线性时变系统,设计了一种全局最优滑模控制算法.首先引入全程滑态因子,保证滑模面一开始就在零值附近,然后选取位置跟踪误差绝对值的积分为指标函数,通过求解该指标函数的最小值来确定滑模面方程的相关参数,最后设计了基于指数趋近律的滑模控制算法.仿真结果表明了该方法的有效性和强鲁棒性.     

Autonomous robot navigation using optimal control of probabilistic regular languages

This paper addresses autonomous intelligent navigation of mobile robotic platforms based on the recently reported algorithms of language-measure-theoretic optimal control. Real-time sensor data and model-based information on the robot's motion dynamics are fused to construct a probabilistic finite state automaton model that dynamically computes a time-dependent discrete-event supervisory control policy. The paper also addresses detection and avoidance of livelocks that might occur during execution of the robot navigation algorithm. Performance and robustness of autonomous intelligent navigation under the proposed algorithm have been experimentally validated on Segway RMP robotic platforms in a laboratory environment.     

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．     

Safe Autonomous Agent Formation Operations Via Obstacle Collision Avoidance

In this paper, we consider the problem of flocking and shape‐orientation control of multi‐agent systems with inter‐agent and obstacle collision avoidance. We first consider the problem of forcing a set of autonomous agents to form a desired formation shape and orientation while avoiding inter‐agent collision and collision with convex obstacles, and following a trajectory known to only one of the agents, namely the leader of the formation. Then we build upon the solution given to this problem and solve the problem of guaranteeing obstacle collision avoidance by changing the size and the orientation of the formation. Changing the size and the orientation of the formation is helpful when the agents want to go through a narrow passage while the existing size or orientation of the formation does not allow this. We also propose collision avoidance algorithms that temporarily change the shape of the formation to avoid collision with stationary or moving nonconvex obstacles. Simulation results are presented to show the performance of the proposed control laws.     

基于任务分解的机器人路径规划导航

介绍一种基于目标分解的机器人导航系统,机器人通过激光或声纳传感器获得地图信息,并以此为基础,系统控制机器人按照事先规划路径的分解任务导航,最终利用视觉传感器发现目标球并加以捕获。分析仿真和实际环境实验数据存在差异的原因,证明系统实现了预期目标。     

基于Leader-Follower的分队队形控制寻径算法研究

在战场环境中,战术分队的队形在面对复杂静态或动态障碍物难以较好地保持,针对此问题,提出了基于Leader-Follower算法的改进队形控制方法。在Leader寻径阶段,通过在战场导航网格中应用两阶段路径搜索方法,先使用A*算法寻找由三角形通道和可利用地物组成的路径,再使用改进的Funnel算法在考虑队形规模的约束条件下对路径作平滑处理。在Follower跟随阶段中,通过采用morphing技术,产生在复杂障碍约束下平滑的中间约束队形序列,并结合提出的队形弹簧模型,局部修正并控制Follower每一时刻的速度。为解决面对动态障碍的避碰问题,基于相对速度障碍法,并加入速度协同控制,避免队形在避碰过程中失效。最后通过实验表明了该方法的有效性。     

不确定环境下多机器人的动态编队控制

提出了一种不确定环境下多机器人的动态编队控制方法．通过队形参数矩阵确立多机器人之间的相对位置关系,将全局队形控制问题转化为跟随机器人离轴点对虚机器人（与领航机器人运动方向一致,且对领航机器人保持期望的相对距离和观测方位角）离轴点的跟踪．基于建立的跟随机器人和领航机器人之间的误差跟踪系统模型设计相应控制律实现队形保持,并提出了防止机器人与障碍物及其它机器人碰撞的避障策略．仿真结果表明了所提方法的可行性和有效性．     

未知环境中移动机器人实时导航与避障的分层模糊控制

为了解决单模糊控制器的“规则库爆炸”问题,设计了一种分层的模糊控制器,用于指导移动机器人通过未知环境到达指定的目标点．控制器根据8个超声传感器的信息和目标相对于机器人的方位确定机器人的运动．首先,每个超声传感器的信息被输入到危险度模糊控制器（DFC）中,产生关于周围环境中障碍物危险度的模糊向量．这些模糊向量经过融合与归一化处理后分别输入到上层的速度模糊控制器（VFC）和角速度模糊控制器（RFC）的推理机中．VFC根据目标的距离和障碍物的危险度控制机器人的前进速度．RFC根据目标的方向和障碍物的危险度控制机器人的转向,并采用最大隶属度法的反模糊化策略解决“对称不确定”问题．仿真与实验结果证明了所设计的模糊控制器简单而有效．     

移动在线水质监测平台动态避障方法

针对移动水质监测平台在自主导航中遇到移动障碍物的问题,提出了一种将障碍物运动状态预测模型结合速度避障碰撞模型的动态避障新方法。首先,通过移动水质监测平台上的超声波测距模块和图像采集模块测量移动水质监测平台与障碍物的距离和相对方位角,采用坐标系转换的方法计算出障碍物速度和运动方向;其次,利用极大似然估计法建立障碍物运动状态预测模型,通过该模型得到下一个采样时刻障碍物速度和运动方向范围;最后,利用速度避障的碰撞模型,计算出下一时刻的移动水质监测平台的航向角。实验结果证明,所提的避障方法能够规划出一条更为真实的较优路径。与无障碍物运动状态预测模型的避障方法相比,该避障方法能提高动态避障的成功率。