改进遗传算法与领航跟随法的机器人编队方法

针对传统遗传算法在求解机器人路径规划问题时存在的收敛速度慢、路径不平滑问题,对其进行了改进,在适应度函数中加入了路径平滑度因素,选择操作时平滑度较好的路径更容易被选中。在种群选择时将最优个体直接复制到下一代,有效地保留了父代优良基因。在领航机器人规划路径阶段,使用改进的遗传算法为领航机器人规划出一条安全无碰撞且平滑度较好的最优路径。在跟随机器人跟随阶段,使用领航跟随法控制每一个跟随机器人使其与领航者保持特定的距离与角度,从而形成设定的队形。最后通过MATLAB软件建立栅格地图进行仿真,验证了该算法的可行性,与传统遗传算法相比,改进遗传算法收敛速度更快,且路径更加平滑。     

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。     

事件触发策略下多AUV抗干扰固定时间编队控制

针对多AUV编队控制的模型参数不确定及未知海流干扰的问题,提出基于固定时间模糊干扰观测器的事件触发编队控制方法,该方法可保证编队控制在固定时间内收敛.首先,构造了固定时间模糊干扰观测器处理系统的集总扰动,实现固定时间内对扰动的精确估计.在扰动观测器的基础上,将指令滤波器与反步法结合,消除了多次求导产生的计算爆炸问题;其...     

领航跟随法和势函数组合的船舶编队控制

多船舶作业在海上越来越盛行,最常见的运行方式就是船舶编队协控,本文考虑领航跟随法过于集中控制的不足,将船舶编队分为领航–跟随控制阶段和跟随–跟随控制两个阶段.在第1个阶段使用多输入滑模控制以及船舶响应模型进行控制律分配;第2阶段引入势函数方法,结合图形拓扑来约束跟随船舶间的间距,提高队形的稳固性,弥补单一领航跟随法的不足,并通过Lyapunov函数验证系统控制的稳定性.后期通过直线和曲线路径的仿真验证,得到编队船舶的各状态历时趋势,船舶间状态最终达到一致性,实现队形保持的目标,得出良好效果,验证了算法的有效性.     

任意初始位置机器人领航跟随型迭代学习编队

针对移动机器人编队形成与队形保持问题,提出了一种适用于任意初始位置条件下的迭代学习编队控制算法。采用领航-跟随型编队法,仅利用领航者的运动轨迹和期望的编队队形推导出跟随者的参考航迹,引入迭代学习控制（Iterative Learning Control,ILC）方法,设计跟随者的控制律,使跟随者随着每次迭代调节自身的线速度和角速度,与领航者一起以期望编队队形工作;引入对初始位置的学习,即同时进行编队队形的学习和编队初始位置的学习。解决了任意初始位置的多移动机器人形成并保持期望编队队形的问题。并在理论上分析了控制算法的可行性,仿真结果验证了控制算法的有效性。     

基于自适应Backstepping的欠驱动AUV三维航迹跟踪控制

为了实现欠驱动自治水下机器人（AUV）三维航迹跟踪控制,基于非完整系统理论分析了AUV缺少横向推进器时的欠驱动控制系统特性,并验证了欠驱动AUV存在加速度约束不可积性.基于李亚普诺夫稳定性理论,利用自适应Backstepping设计连续时变的航迹点跟踪控制器,以抑制外界海流的干扰.仿真实验表明,所设计的控制器能实现欠驱动AUV对一序列三维航迹点的渐近镇定,并且航迹跟踪的精确性和鲁棒性明显优于PID控制.     

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。     

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.     

基于离散滑模预测的欠驱动AUV三维航迹跟踪控制

针对欠驱动自主水下航行器（AUV）的模型不确定和外界海流干扰问题,为了实现欠驱动AUV的三维航迹跟踪控制,采用虚拟向导法建立空间运动误差离散化模型.基于递归滑模思想设计离散滑模预测控制器,利用滚动优化和反馈校正方法补偿了不确定项对滑模预测模型的影响.最后针对某欠驱动AUV进行了空间曲线跟踪控制仿真实验.结果表明,所设计的控制器可以较好地克服时变非线性水动力阻尼对系统的影响,并对外界海流干扰有较好的抑制作用,保证了欠驱动AUV三维航迹跟踪系统的鲁棒性,实现了三维航迹的精确跟踪.     

多线程技术在AUV自主控制系统中的应用

自主控制系统对于自主式水下机器人(简称AUV)使命执行的安全性和有效性至关重要.本文在QNX环境下利用多线程技术实现了一种AUV自主控制系统.文中介绍了AUV的混杂系统结构和自主控制原理,给出了自主控制系统的多线程结构.设计了多线程同步模块,并与QNX消息传递机制相结合实现了AUV自主控制系统线程间的同步与通信.最后在半实物仿真平台上对自主控制系统软件进行了验证.     

一种基于注意力机制的AUV控制层指令理解方法

为了更好地衔接水下机器人(AUV)规划层与控制层,参考Itti视觉注意力模型,提出了基于注意力机制的规划指令理解模型,建立了规划指令理解与再次规划环节.通过使用模糊推理的方法对指令元素特征、指令元素显著性进行分析处理,得到规划指令注意力聚焦;根据注意力聚焦进行再次规划,保证规划层关注的状态得到优先执行.仿真实验表明文章提出的规划指令理解环节实现了对规划层指令意图的获取,使规划指令得到更好地执行,有效地改善运动控制效果,提高了控制层的智能水平.     

基于广义预测控制的船舶编队

针对多船舶之间的编队合作问题,对船舶的编队控制进行研究。利用广义预测控制方法在船舶运行中对理想路径曲线进行预测,得出船舶的运动控制策略;通过运用领导-跟随者编队方法,在Cartesian坐标系下建立船舶编队控制模型,基于这种模型建立一系列船舶航迹约束,得到船队跟随者成员的控制策略。同时在船舶运行过程中,加入风浪的扰动,进行模拟仿真,得到船队的运行轨迹。     

基于自适应神经网络的低速AUV变质心控制

为克服低速情况下舵效低的问题,研究了自治水下航行器(AUV)的变质心控制方法.通过控制布置在AUV三个惯性主轴上的三个可移动质量块的运动,改变系统的质心,进一步改变了AUV受到的流体动力,从而实现对于AUV的控制.基于Kane的多刚体动力学理论推导变质心控制AUV的4刚体9自由度动力学模型,为设计AUV变质心控制系统奠定了基础.之后基于多输入多输出(MIMO)不确定非线性系统理论,设计自适应神经网络控制系统,并用李亚普诺夫稳定理论对该系统进行了稳定性分析.仿真验证了控制方法的合理性.     

基于MAS的多UUV编队智能优化控制

针对无人水下航行器(Unmanned Underwater Vehicle,UUV)编队航行的实际背景和限制条件,提出了一种基于多智能体系统(MAS)技术的多UUV编队智能控制方法。利用多Agent之间的交互作用,以灵活便捷的方式进行各UUV之间的协同优化,从而实现多个UUV的自主编队航行。考虑到控制器在编队保持中的重要性,对面向UUV编队航行的控制率和实现算法进行了重点研究,设计了UUV编队控制器,并通过仿真实验验证了该算法的鲁棒性和稳定性,最后对多UUV编队智能控制方法进行了仿真验证和分析。     

欠驱动AUV的直线航迹跟踪控制

研究了欠驱动自主水下航行器的水平面直线航迹跟踪控制问题。针对传统方法所设计的直线航迹跟踪控制力矩较为复杂的问题,提出了基于级联系统理论的控制力矩设计方法,并通过构造李亚普诺夫函数,推导出了具有全局渐近稳定的控制力矩。方法控制力矩设计简单并具有直观的理论稳定性分析,避免了传统控制方法所设计的控制力矩存在的复杂性问题。最后,仿真结果证明了控制器能保证闭环系统所有状态渐近稳定,达到了欠驱动AUV直线航迹跟踪控制目的,验证了所提出方法的有效性和可行性。     

采用一致性算法与虚拟结构的多自主水下航行器编队控制

采用一致性算法与虚拟结构法研究了多自主水下航行器(AUV)小尺度编队控制问题.首先针对各自主水下航行器拥有不同虚拟领航者信息(参考信息)的情况,通过对各AUV拥有的不一致参考信息进行一致性协商而达到状态一致.其次,基于虚拟结构思想采用坐标变换将各AUV相对于虚拟领航者的相对位置转换为各自的期望位置,并设计了一种有限时间跟踪控制律以确保各AUV能在有限时间内跟踪上其期望轨迹,从而实现了多AUV的小尺度有限时间编队控制.最后仿真实验验证了控制策略的有效性.     

基于神经网络补偿的滑模控制在AUV运动中的应用*

由于自主水下机器人水动力模型参数的不确定性及其强非线性,提出神经网络动态滑模面控制法。将系统分为确定与不确定部分,通过滑模控制实现对系统确定部分的控制,通过神经网络所具有的自适应调节能力实现对未知干扰与不确定部分进行补偿控制,提高系统的强鲁棒性。通过Lyapunov法验证了控制算法的收敛性;通过MATLAB仿真平台和半物理仿真平台,验证了算法的鲁棒性和抗干扰性。