具有通信时延的多机器人编队控制

针对通信约束条件下的多机器人编队控制问题,基于群集运动思想和一致性理论,提出了一种包含时延的分布式协同控制算法.首先,通过编队图及其矩阵表示,结合稳定性理论,用频域方法分析编队系统的稳定性,得到多机器人能形成期望编队的条件;然后,通过实验分析得到了最大允许时延与控制参数和拉普拉斯矩阵特征值的关系;最后,利用一个4机器人编队实例,验证了编队控制策略的有效性和结论的正确性.     

基于多智能体遗传算法的多机器人混合式编队控制

提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。     

基于分解策略的多机器人编队控制方法

根据多机器人在不确定环境中编队智能行进控制的要求,以多移动机器人为对象,提出了一种基于分解策略的多机器人编队控制方法,将复杂的多机器人编队问题分解为若干组2个机器人之间的协调问题.建立了多机器人编队的基本队形模型,提出了基于主从方式的多机器人控制策略,根据基于行为的方法设计了机器人的基本子行为,通过带权值的各子行为的叠加合成得到机器人的最终行为,给出了机器人的速度调节方案.计算机仿真结果验证了该方法的有效性和可行性,具有较好的可扩展性.     

多机器人混合编队控制

提出了一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法.采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中.改善了基于反馈的跟随领航者方法不能快速适应大角度的队形变换的问题.在AmigoBot机器人平台上的实验证明表明该方法具备一定的可行性.     

多机器人混合编队控制

提出一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法. 采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中,从而改善了基于反馈的跟随领航者方法不能快速适应大角度队形变换的问题. 在AmigoBot机器人平台上的实验证明,该方法具备一定的可行性.     

基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

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.     

基于滑模变结构控制多机器人协同编队的研究综述

滑模变结构控制(SMC)因响应速度快、自适应性强以及工程实现简单等优点,对解决典型非线性的多机器人控制系统具备良好的效果.基于此,本文介绍了SMC的发展、原理以及在多机器人协同编队领域的应用.但同时,SMC本身还存在抖振等缺陷,从而限制了其应用.为进一步提升SMC的控制品质,获得更快的响应、对扰动更强的鲁棒性以及更好的稳态性能,本文深入研究了近些年神经网络、模糊逻辑、鲁棒自适应等先进智能控制方法与SMC结合的工作,并对这些新型编队控制策略进行了对比分析.最后展望了该领域未来的研究方向.     

基于网络模型的多机器人编队优化研究

多个机器人要形成一个稳定的队形,系统内必须有信息的传递和交换.根据多机器人的物理约束、信息交换和控制策略建立了多机器人编队的网络模型,提出了改进的粒子群多目标优化算法(MPSO),并利用该算法对多机器人编队系统实现了优化控制.从仿真结果看,6个机器人能快速地从三角形状变换到直线编队,且变换过程中没有相互的碰撞,队形误差也很小.     

基于一致性理论的多旋翼飞行器编队控制方法

针对多架旋翼飞行器敏捷编队控制的问题,提出一种基于一致性理论的多旋翼飞行器编队控制方法.首先,通过图论的方法构建了飞行器编队的通讯拓扑结构,建立了平移和旋转动力学模型,利用有向图表示编队中个体和个体之间的作用关系.其次,结合拓扑学中的图论和传统控制方法,给出了一种包含位置控制和姿态控制的分布式编队控制器设计思路,用于实...     

机器人队形控制中的二叉树方法

研究了机器人编队及队形变换的二叉树方法,创建二叉树的基队形,由基队形变换得到如菱形、楔形、横线、纵线等队形。采用二叉树方法创建的基队形具有实现时间短、速度快、良好的稳定性和鲁棒性等特点,仿真时间约为0.058 658 s。由基队形变换得到的适用队形也具有相同的性质。     

Dynamic formation control for autonomous underwater vehicles简

Path planning and formation structure forming are two of the most important problems for autonomous underwater vehicles （AUVs） to collaborate with each other. In this work, a dynamic formation model was proposed, in which several algorithms were developed for the complex underwater environment. Dimension changeable particle swarm algorithm was used to find an optimized path by dynamically adjusting the number and the distribution of the path nodes. Position relationship based obstacle avoidance algorithm was designed to detour along the edges of obstacles. Virtual potential point based formation-keeping algorithm was employed by incorporating dynamic strategies which were decided by the current states of the formation. The virtual potential point was used to keep the formation structure when the AUV or the formation was deviated. Simulation results show that an optimal path can be dynamically planned with fewer path nodes and smaller fitness, even with a concave obstacle. It has been also proven that different formation-keeping strategies can be adaptively selected and the formation can change its structure in a narrow area and restore back after passing the obstacle.     

欠驱动AUV自适应编队控制策略

针对欠驱动AUV的编队问题,提出了基于柱坐标系的AUV运动学模型,以建立多AUV的期望编队区域和编队的人工势场函数。根据AUV的动力学模型建立多AUV自适应编队控制策略,并使用李雅普诺夫函数加以证明。在多AUV编队的仿真中,建立了3个欠驱动AUV编队的仿真平台,分析了欠驱动AUV在编队过程的特点,通过结合使用人工势场能函数,使领航员AUV在完成空间折线和螺旋线路径跟随同时,实现了跟随中多AUV的编队和队形保持,并使AUV之间的相对距离误差逐渐趋于零并保持稳定,从而证明了自适应编队控制策略,对欠驱动AUV编队的研究具有重要意义。     

一种改进的移动机器人运动控制算法

在传统的控制系统中,控制器修正信号通常选取为跟踪误差的线性函数,虽然运算量较小,但在跟踪误差较大时,系统的响应速度较慢,为此,提出一种改进的运动算法,控制器修正信号选取跟踪误差的三次函数,并且为了克服在跟踪误差较大对高阶误差修正容易出现不稳定现象的问题,提出了修正信号增益分段线性化的方法计算机仿真结果证明,在跟踪误差较小时该算法与传统算法具有相似的跟踪特性,但在较大跟踪误差时,该算法既提高了系统的响应速度,又保证了系统的稳定性。     

多臂自由飞行空间机器人协调操作运动控制算法

阐述了在空间微重力环境下多臂自由飞行空间机器人协调操作运动控制算法．首先推导出多臂自由飞行空间机器人协调操作的广义雅可比矩阵,其次给出了基于该矩阵的多臂自由飞行空间机器人协调操作分解运动速度控制算法,最后用计算机仿真验证了该算法的正确性．     

基于模型预测的卫星编队队形机动控制

针对卫星编队队形机动控制推导了一种利用相对平均轨道根数为反馈量的模型预测控制算法。当面质比不同的主从卫星在近地轨道上编队飞行时,大气阻力摄动和J2项摄动是影响编队队形的两个最主要的因素,故先推导了一组包含大气阻力摄动和J2项摄动利用相对平均轨道根数描述的相对动力学方程,然后采用了一种新的基于模型预测的控制算法并讨论了该控制算法在编队飞行队形机动控制中的一些应用问题。该控制算法是一种在线滚动优化控制算法,即使存在各种较大的干扰力和模型的不确定性仍能取得良好的控制效果,且能够较好地解决存在状态约束、控制输入约束等各种约束控制问题。仿真结果表明,该控制算法接近于燃料最优,且能够在各种摄动下把队形机动控制在要求的精度范围内。     

移动机器人非线性前置追踪算法

针对移动机器人跟踪移动目标过程中速度过大问题而提出的前置追踪方法,将机器人导引到目标运动的前方,并沿着与目标相同的方向运动,从而在目标运动轨迹的前方捕获目标,但要求移动机器人的速度低于目标的速度。在建立了移动机器人和目标的前置追踪运动学模型的基础上,根据滑模变结构控制对系统干扰具有鲁棒性的特点,在目标机动加速度未知的情况下,以移动机器人的两后轮线速度为控制变量,提出了一种全局渐进稳定的非线性自适应变结构前置追踪算法。通过移动机器人对机动目标的追踪仿真验证了跟踪算法的有效性。     

Swarm intelligence based dynamic obstacle avoidance for mobile robots under unknown environment using WSN

To solve dynamic obstacle avoidance problems, a novel algorithm was put forward with the advantages of wireless sensor network （WSN）. In view of moving velocity and direction of both the obstacles and robots, a mathematic model was built based on the exposure model, exposure direction and critical speeds of sensors. Ant colony optimization （ACO） algorithm based on bionic swarm intelligence was used for solution of the multi-objective optimization. Energy consumption and topology of the WSN were also discussed. A practical implementation with real WSN and real mobile robots were carried out. In environment with multiple obstacles, the convergence curve of the shortest path length shows that as iterative generation grows, the length of the shortest path decreases and finally reaches a stable and optimal value. Comparisons show that using sensor information fusion can greatly improve the accuracy in comparison with single sensor. The successful path of robots without collision validates the efficiency, stability and accuracy of the proposed algorithm, which is proved to be better than tradition genetic algorithm （GA） for dynamic obstacle avoidance in real time.