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.     

移动机器人编队控制的现状与问题

随着机器人向系统应用的方向发展，移动机器人编队控制问题成为研究的热点问题．为此，依据解决编队控制问题的不同思路，总结了编队控制的各种研究方法：基于行为法、人工势场法、跟随一领航法、虚结构法、循环法、模型预测控制法、分布式控制法，分别对几种编队控制方法的基本思想和特点进行总结和分析，最后从通用性、稳定性、鲁棒性和安全性等方面阐述了移动机器人编队控制理论与应用方面有待进一步研究的几个主要问题。     

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.     

含未知信息的轮式移动机器人编队确定学习控制

本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航–跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.     

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。     

多移动机器人编队的分布式控制系统

分布式控制是用于多智能体协调的系统设计方法． 编队控制是一种最常见的 协调问题．本文以机器人的运动模型和基于行为的算法为基础,对一种用于编队控制的分布 式控制系统进行了阐述和设计,并通过实验对系统进行了验证．     

基于二层邻居信息的多智能体系统编队控制

为了加快多智能体编队控制过程中的状态收敛,提出基于多跳式网络技术的编队控制方法。首先将多智能体系统（MAS）中的每个智能体之间的相对速度偏移引入到控制协议中,然后引入每个智能体与标准位移之间的位置偏移,最后将多跳式网络技术应用在已定的通信拓扑之中,更多的机体信息被传递,每一个智能体能够联系上的邻居数量更多。利用一个六智能体系统的编队仿真进行验证,仿真结果表明所提出的编队控制方法可以使得多智能体系统形成指定队形,并且与没有引入多跳式网络技术的控制方法相比,其状态收敛所需时间减少了约10 s,收敛效率更高。     

移动机器人的时间最优编队

针对移动机器人的最速编队问题,结合路径规划和任务分解,提出一种分派问题的新解法和时间最优的编队策略。该策略充分考虑了障碍物环境约束和各机器人运动时的相互影响,通过将系统整体路径规划的复杂问题分解为独立路径规划问题和冲突协调问题来分别求解,降低了计算的复杂性,并能了快编队。     

基于方位信息的无人机编队控制设计与验证

本文主要研究了无人机编队的抗扰跟踪控制设计. 针对各无人机只能获取邻机方位信息的情况, 文章设计了一种新的非线性控制器以完成多无人机系统的编队形成与跟踪任务. 考虑到无人机系统易受外界扰动影响的特性, 采用Leader-Follower式编队方法, 通过引入Leader位置信息来矫正基于方位信息的无人机编队系统的位置漂移.将反步法设计结合自适应设计与鲁棒控制设计, 来补偿未知参数与未知外界扰动对多无人机编队系统造成的影响,提高了多无人机方位编队系统的鲁棒性. 然后, 基于Lyapunov分析方法证明了系统的稳定性. 最后, 搭建了四旋翼无人机编队实验平台, 进行了基于方位信息的编队形成与跟踪飞行实验, 并与PD控制器进行了对比实验. 飞行实验结果验证了算法的有效性与实用性.     

多移动机器人编队的行为选择控制系统

针对多机器人在编队行进过程中的行为选择问题进行了分析,提出一种实现多移动机器人编队的行为选择机制。通过计算机仿真和实验研究,结果表明该控制策略能很好的实现多机器人快速编队,并在编队过程中实现运动状态的平滑变化,提高了整个系统性能。     

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.     

非完整机器人Leader-Follower编队控制器设计

编队控制是多机器人协作的最重要的研究领域,其目的是控制组中的机器人的相对位置和方向,让机器人移动作为一个整体。Le-ader-follower策略已经广泛地应用到多机器人系统编队控制中。文中涉及了非完整移动机器人leader-follower编队控制问题,然后描述了基于leader-follower策略的控制方法,最后采用输入/输出反馈线性化方法设计控制器,以确保编队的渐进稳定。在保持理想的相对距离和转向角时,该控制器能够有效地稳定编队。仿真结果表明了该编队控制方案的有效性。     

多移动机器人的队形控制

针对步行机器人建模困难和传感信息有限的条件下对其进行的队形控制研究。通过建立机器人的队形位置信息知识库,制定有优先级的组队参考机器人选择规则,结合有限的传感交互信息,提出了基于主从知识联想的平行四边形法来确定机器人的运动向量,使跟随机器人在虚构的平行四边形中分析出其下一步的偏转角和速度,并在偏转角和速度的分析中考虑了时延和适当的控制周期。在机器人队形控制过程中的避障问题则采用模糊控制理论,依据人为经验制定的模糊避障控制规则使机器人灵活的避开障碍,仿真实验证明了算法的有效性。     

High Precision Formation Control of Mobile Robots Using Virtual Structures

A key problem in cooperative robotics is the maintenance of ageometric configuration during movement. To address this problem, theconcept of a Virtual Structure isintroduced. Using this idea, a general control strategy is developedto force an ensemble of robots to behave as if they were particlesembedded in a rigid structure. The method was instantiated and testedusing both simulation and experimentation with a set of 3differential drive mobile robots. Results are presented thatdemonstrate that this approach is capable of achieving high precisionmovement that is fault tolerant and exhibits graceful degradation ofperformance. In addition, this algorithm does not require leaderselection as in other cooperative robotic strategies. Finally, themethod is inherently highly flexible in the kinds of geometricformations that can be maintained.     

Multiagent-Based Multi-team Formation Control for Mobile Robots

In the field of formation control, researchers generally control multiple robots in only one team, and little research focuses on multi-team formation control. In this paper, we propose an architecture, called Virtual Operator MultiAgent System (VOMAS), to perform formation control for multiple teams of mobile robots with the capabilities and advantages of scalability and autonomy. VOMAS is a hybrid architecture with two main agents. The virtual operator agent handles high level missions and team control, and the robot agent deals with low level formation control. The virtual operator uses four basic services including join, remove, split, and merge requests to perform multi-team control. A new robot can be easily added to a team by cloning a new virtual operator to control it. The robot agent uses a simple formation representation method to show formation to a large number of robots, and it uses the concept of potential field and behavior-based control to perform kinematic control to keep formation both in holonomic and nonholonomic mobile robots. In addition, we also test the stability, robustness, and uncertainty in the simulation. This research was supported by the National Science Council under grant NSC 91-2213-E-194-003.     

基于牛顿迭代法的移动机器人编队算法

该文借鉴滚动规划的思想,探究了全局环境未知,障碍物分散条件下移动机器人系统的编队问题。文中提出的基于牛顿迭代法的移动机器人编队算法,将机器人系统的编队问题分解为各个机器人自主移向预定目标的过程,利用实时探得的局部环境信息,不断修整预定目标而完成编队。该算法计算量小,实时性强,不受编队形状所限。仿真结果表明了该算法的有效性。     

基于行为的机器人编队控制研究

建立了一种基于行为的机器人编队控制结构模型,该结构采用分层控制策略,全局控制器根据当前所有机器人的状态从一个有限状态机中选择下一步机器人的行为,将协调控制量发送给各机器人,各机器人再通过局部控制器对自身进行控制。该结构模型简单、易行,并且适用于机器人不同任务的需要,具有很高的灵活性,而且易于仿真实现。在此基础上,将一类机器人模型进行反馈线性化,再根据编队控制的要求,利用后推方法设计控制律。仿真结果表明这种结构模型和控制算法是有效的。     

A Fuzzy Behavior-Based Control for Mobile Robots Using Adaptive Fusion Units

It is known that a behavior-based control approach is effective for acquiring an intelligent control system of robots. However, further improvements are required for making any behavior-based control system robust against changes in the environments. A module learning method has been applied in the framework of fuzzy behavior-based control to have an adaptive behavioral fusion. In this paper, an adaptive fusion strategy is proposed to adaptively select a cooperative fusion unit or competitive fusion unit, depending on the external sensor information. Some simulations are given to illustrate that the present control systems are flexible against the change of environments or untrained environments, compared to those with a conventional priority-based fusion unit.     

Control of group of mobile autonomous agents via local strategies

This paper considers the formation control problem of multi-agent systems in a distributed fashion. Two cases of the information propagating topologies among multiple agents, characterized by graphics model, are considered. One is fixed topology. The other is switching topology which represents the limited and less reliable information exchange. The local formation control strategies established in this paper are based on a simple modification of the existing consensus control strategies. Moreover, some existing convergence conditions are shown to be a special case of our model even in the continuous-time consensus case. Therefore, the results of this paper extend the existing results about the consensus problem.