基于双幂次滑模的多机器人编队控制

本文研究了基于领航跟随法的多机器人系统编队控制问题.首先,基于队形约束,给出跟随者期望的轨迹,将编队问题转化为单个跟随者的轨迹跟踪问题.在此基础上,基于双幂次滑模趋近律,设计了跟随者的线速度和角速度控制器,保证了跟踪误差能够快速收敛到零,从而保证了编队队形的稳定.最后,通过仿真验证了所提方法的有效性.     

无人机编队机动飞行时的队形保持反馈控制

为提高编队大机动时的队形保持能力,采用虚拟结构编队方法,基于李雅普诺夫直接法设计独立的非线性队形保持控制器,并在此基础上采用非线性模型预测控制方法设计含队形反馈的编队轨迹跟踪器。通过在代价函数中引入队形误差代价来实现队形反馈控制策略,并采用动态参数实现编队队形保持和沿参考轨迹飞行之间的自适应切换,各无人机通过滚动求解有限时域优化问题得到虚拟结构的控制指令。仿真结果表明,相较于无队形反馈的情况,所设计的含队形反馈轨迹跟踪器能够显著地降低编队大机动时的队形保持误差。     

基于领航者的多UUV协调编队滑模控制

针对多无人水下航行器(unmanned underwater vehicle,UUV)编队控制易受外界环境扰动的问题,本文提出一种基于领航者的鲁棒滑模编队控制方法。该方法采用滤波反步法设计控制器,使领航者跟踪期望路径。为了使跟随者能够更好地跟踪上领航者,利用领航者的位置与速度信息进行编队控制器设计,增加系统的鲁棒性的同时,分别对跟随者的纵向速度误差和横向速度误差进行了积分滑模面的设计。仿真结果表明:针对外界环境扰动及参数的不确定性,本文所提出的鲁棒性的滑模编队控制器是切实有效的。     

多移动机器人的协同编队控制

为了解决多移动机器人的协同编队控制问题,提出了一种基于运动学模型的编队控制方法。该方法在领航-跟随编队控制结构的基础上引入虚拟机器人,在全局坐标系下建立跟随机器人与虚拟机器人的误差方程,将编队问题转化为跟随机器人对虚拟机器人的轨迹跟踪问题,在此基础上设计编队控制器,并证明了在该编队控制器作用下跟踪误差能够收敛到原点的小邻域内。仿真与实验结果表明:编队系统稳定运行,即当t→∞时,位姿误差(x_e,y_e,θ_e)将收敛到原点的邻域内,速度趋近一常值。     

多UUV沿多条给定路径运动的协调编队控制

研究了在三维空间中多UUV的协调路径跟踪控制问题.应用分散控制策略将路径跟踪问题和个体间的速度协调编队解耦.在单个UUV的路径跟踪控制中引入视距导航(line of sight guidance)算法设计路径跟踪控制器,使得跟踪误差渐近收敛到零;引用图论知识设计协调控制器,使得多UUV沿期望路径的位置和速度在规定队形下达到一致,实现多UUV间的协调,而不影响空间域上的路径跟踪性能.     

轮式移动机器人轨迹跟踪控制的参数化方法

在轮式移动机器人控制系统状态空间模型的基础上,通过分析两轮独立驱动的移动机器人的动力学方程,给出轮式移动机器人轨迹跟踪控制问题的数学描述;基于线性系统的特征结构配置和模型参考理论提出一种轮式移动机器人轨迹跟踪控制的参数化方法,设计系统的反馈镇定控制器和前馈跟踪控制器.仿真结果表明,提出的控制方案是行之有效的.     

三维环境下基于反步法的多机器人编队控制

针对两轮式移动机器人在复杂环境下的编队控制问题,提出一种基于虚构领航法和反步法,并结合人工势场法策略的多机器人避障编队算法。首先,详细分析多机器人系统在三维空间下的编队模型,并利用空间投影方法将其映射到二维平面进行分析。其次,将运动学模型转化为链式形式,并通过正则坐标变换,将误差系统形式转换成串联非线性系统。然后运用Backstepping方法构造轮式机器人追踪系统的Lyapunov函数,设计出针对轮式机器人的轨迹跟踪控制器。再结合人工势场法避障策略,完成多机器人复杂环境下的编队任务。最后,通过多机器人轨迹跟踪的两组仿真实验,验证了所提出方法的有效性。     

一种面向多无人机协同编队控制的改进深度神经网络方法

研究了多维度飞行数据下的协同编队控制问题,提出了一种基于改进深度神经网络的协同飞行控制方法。首先,使用深度神经网络在线整定PID控制器,设计了一种基于深度神经网络的PID控制器;其次,针对传统深度神经网络收敛速度慢、学习效率低的问题,同时为了满足多无人机编队飞行的实时性,在深度神经网络控制器中引入动量因子以提高网络的学习性能;最后,将所设计的改进深度神经网络控制器扩展到多无人机协同飞行任务场景实现协同编队飞行。对多无人机协同编队飞行进行仿真验证,仿真结果表明,所设计的改进深度神经网络编队控制器可以有效实现多无人机的编队生成与协同飞行。     

基于速度观测器的移动机器人轨迹跟踪控制

提出了一种无需纵向速度测量的新的移动机器人轨迹跟踪控制方法,可以采用速度观测器替代纵向测量装置来确定移动机器人的运动速度.设计了一种基于速度观测器的轨迹跟踪控制器.控制器设计是以轮式及履带式移动机器人模型及其所采用的驱动电机数学模型为基础,具有两种实用性能：（1）控制器不需要很精确的移动机器人模型参数和驱动电机参数,就可以很好地在一个闭环控制系统中减小跟踪误差;（2）在理论上仅需要通过一个设计参数的设置就能够有效地控制跟踪误差范围.     

履腿复合式移动机器人的轨迹跟踪控制与实现

利用Backstepping控制算法实现具有差速转向特征的履腿复合式移动机器人的轨迹跟踪控制。提出基于Backstepping方法的机器人轨迹跟踪控制总体方案;在完成机器人运动学建模的基础上,设计基于Backstepping方法的轨迹跟踪控制律。利用该跟踪控制算法实现了履腿复合式移动机器人进行直线与圆形两种轨迹跟踪的实验验证,并与传统的PID轨迹跟踪控制算法进行对比实验。实验结果表明,基于Backstepping方法的轨迹跟踪控制律能够更快速有效地进行轨迹跟踪,具有更好的控制性能。     

分布式预测的无人机编队控制

针对四旋翼无人机编队形成与保持问题,文中设计了一种分布式预测控制方法,基于状态输入约束下的编队运动模型,将编队的形成与保持过程转化为在线滚动优化问题,设计了分布式交互控制律,给出了编队系统稳定的充分条件,并以文中算法和未引入假设状态轨迹代价函数的控制算法进行了仿真和对比。仿真结果表明：相较于传统算法,文中算法编队在队形保持方面将队形误差收敛速度提高1 s;在轨迹跟踪方面将位置误差收敛速度提高2 s;并且3个方向速度均能在2 s左右达成一致最终收敛至期望速度。证明了文中所设计控制算法的有效性。     

分离模块航天器自适应队形保持控制

针对分离模块航天器队形保持控制问题,采用模块航天器集群飞行动力学高精度模型,并考虑模块质量的不确定性和外部摄动干扰,设计了一种自适应队形保持控制器,实现了模块轨迹对标称轨道的跟踪,数值仿真验证了该控制器的有效性。     

具有时延和干扰约束的多无人机滑模一致性编队控制研究

针对三维环境下的多无人机(UAVs)系统,在同时存在时延和干扰约束的情况下,提出了一种基于一致性的滑模编队控制算法,首先在考虑时延的基础上设计合适的一致性算法,其次利用滑模控制(SMC)方法解决编队系统中的轨迹跟踪和控制问题,并保证系统对于外部扰动的鲁棒性。仿真结果表明:在同时考虑编队过程中的时延和干扰约束的情况下,所提出的控制算法能够保持期望的编队队形。     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.     

基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.     

全局信息未知的多智能体自适应容错包容控制

研究一类带有执行器故障并且全局信息未知的多领航者多智能体系统包容控制问题,其中执行器故障包括失效、卡死和中断。针对未知的全局信息问题,即Laplacian矩阵的最小特征值未知,通过自适应技术在线估计了控制器的耦合增益,进而设计鲁棒容错控制器实现跟随者的状态跟踪误差在不确定性、扰动、非线性动态和故障同时存在的情况下的稳定性,并给出一个仿真算例来验证所提出的方法的有效性。最终保证了跟随者的状态跟踪误差的渐近稳定性,即所有的跟随者状态轨迹能够跟踪到多个领航者所形成的凸包区域内。     

全局信息未知的多智能体自适应容错包容控制（英文）

研究一类带有执行器故障并且全局信息未知的多领航者多智能体系统包容控制问题,其中执行器故障包括失效、卡死和中断。针对未知的全局信息问题,即Laplacian矩阵的最小特征值未知,通过自适应技术在线估计了控制器的耦合增益,进而设计鲁棒容错控制器实现跟随者的状态跟踪误差在不确定性、扰动、非线性动态和故障同时存在的情况下的稳定性,并给出一个仿真算例来验证所提出的方法的有效性。最终保证了跟随者的状态跟踪误差的渐近稳定性,即所有的跟随者状态轨迹能够跟踪到多个领航者所形成的凸包区域内。     

航天器编队飞行自适应协同避碰控制

为解决航天器编队飞行系统中存在通信时延、参数不确定的跟踪问题,并实现避免碰撞的控制目标,基于编队航天器的相对运动非线性动力学模型和势函数方法,对航天器编队飞行系统的自适应协同避碰控制方法进行了研究. 首先,在全状态反馈控制的情况下,提出了一种对通信时延和参数不确定具有鲁棒性的自适应协同避碰控制律;其次,进一步考虑速度信息不可测量的情况,通过引入一种新型滤波器设计了无速度测量的自适应协同避碰控制律,使得编队航天器实现对期望轨迹的跟踪,同时能够保证航天器编队飞行系统中航天器在安全区域飞行,避免发生相互碰撞. 最后,针对全状态反馈和无速度测量反馈的情况分别分析了航天器编队飞行闭环系统的Lyapunov稳定性,显著增强了闭环系统对通信时延和参数不确定的鲁棒性.结果表明,所设计的两种自适应协同避碰控制律可以有效地保证编队飞行航天器对期望轨迹的跟踪,且系统可以实现避免碰撞的编队飞行任务.     

封面图片说明

正封面图片来自本期论文"角速度约束卫星编队控制与虚拟演示验证",图片是视景仿真中角速度约束下跟随者航天器对领航者航天器姿态跟随卫星编队控制图.针对角速度约束下卫星编队姿态同步控制问题,提出一种附加系统动态-姿态同步控制器综合设计策略.首先,考虑角速度约束影响,建立约束下卫星编队模型;其次,建立姿态跟踪误差方程,将角速度约束转化为角速度跟踪误差约束,并设计新型有限时间附加系统动态,保证姿态变化满足约束要求;然后,基于附加系统状态,设计姿态同步控制器,     

轮式移动机器人快速轨迹跟踪

为了克服轮式移动机器人响应能力的有限性、保证轮式移动机器人快速跟踪给定的参考轨迹,本文充分利用预演信息(即提前获取的将来参考信息),设计预演控制策略、调节轮式移动机器人的驱动电压来控制机器人,使其快速跟踪给定的参考轨迹.首先,针对运动学模型设计虚拟控制器以保证轮式移动机器人能够渐近跟踪给定的参考轨迹.其次,建立了虚拟控制器的离散时间线性状态空间模型.再次,基于轮式移动机器人的动力学模型和虚拟控制器的线性模型,将轨迹跟踪控制问题等价转化成一个具有已知输入的线性二次调节问题.最后,基于Riccati方程的解,给出了最优预演控制策略的反馈增益.事实上,本文所提出的为虚拟控制器建立线性状态空间模型的方法适用于任意离散信息,这极大地方便了信息的处理与提前使用;另一方面,由于提前使用了参考信息,本文所提的预演控制策略能够快速地跟踪给定的参考轨迹.仿真实验以类正弦曲线为参考轨迹进行跟踪,结果表明:所提控制策略能使轮式移动机器人的速度与轨迹跟踪误差快速地趋于零,验证了所提预演控制算法的有效性.