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。     

非完整约束多智能体系统基于屏障控制函数的分布式协同控制

本文设计了一种基于屏障控制函数(CBF)的分布式协同控制算法,实现了领航–跟随者框架下非完整约束多智能体系统的连通性与编队控制.首先,通过将连通性保持问题建模为系统约束,定义了该约束的调零屏障函数(ZBF).其次,在此基础上,构建李雅普诺夫函数与角速度输入之间的关系,对跟随者智能体设计了基于调零屏障函数的协同控制算法,其中线速度控制器保证跟随者的速度的跟踪与队形的跟踪,而梯度型角速度控制器实现跟随者角度的矫正.然后,利用调零屏障函数不变集相关引理证明了连通性约束集为正不变集,若初始时刻连通,则跟随者智能体始终与领航者保持连通性.同时,本文提出的算法实现编队误差的渐近收敛.本文中的队形适用常见的固定队形编队需求,也适用于领航者是动态(有线速度和角速度)的情况.最后,通过数值仿真进一步验证了该算法在不同队形需求下的有效性.     

基于领航位置信息的AUV三维编队控制方法

研究了自治水下机器人（Autonomous Underwater Vehicle,AUV）三维环境中编队控制问题,应用领航一跟随式队形控制方法,仅利用领航者的位置信息及期望编队队形得到虚拟机器人的航行轨迹及速度信息,作为跟随者的航行参考量,应用反步及滑模控制方法为跟随者设计自适应控制律,使其轨迹收敛于虚拟机器人的轨迹,从而与领航者保持期望位姿关系。随后,在具体AUV动力学模型上,利用MATLAB／SIMULINK平台进行了编队控制的仿真研究,实现了预期的控制效果,验证了算法的有效性及实用性。     

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。     

基于二阶一致性算法的多仿生机器鱼分布式编队控制

针对动态领航者按照自身动力学模型运动, 多个跟随者机器鱼以其为编队参考点, 根据编队要求形成队形并整体跟随领航者运动的问题, 提出一种多仿生机器鱼分布式编队控制方案. 首先, 基于二阶一致性算法给出各跟随者机器鱼估计领航者位姿信息的分布式算法;其次,给出以领航者为参考点的多仿生机器鱼编队描述方法,进而各机器鱼根据编队要求以所估得的参考点信息实时确定其在编队中的期望位姿; 再次, 各跟随者机器鱼以期望速度和角速度以及所估得的领航者位姿信息为输入, 利用模糊控制器确定其速度档位和方向档位, 实现编队的形成与保持. 仿真和实验结果均表明, 所提分布式编队控制方法是有效的, 仿生机器鱼群体能够较快形成期望队形并跟随领航者游动.     

电驱移动机器人多变量固定时间连续编队控制

针对扰动下电驱动非完整移动机器人固定时间编队控制问题,通过引入包含驱动器动力学的领航者-跟随者状态空间动力学模型,分两步对编队控制器进行了设计。对领航者跟随者编队运动学模型进行了多变量固定时间控制设计。在动力学层面,为实现扰动下的速度跟踪,通过辅助输入设计了一种跟随者机器人多变量超螺旋固定时间连续电压控制器。所提算法使机器人编队克服了跟随者机器人所受干扰,确保了跟随者机器人与领航者在固定时间达到期望队形,跟随者在固定时间内跟随期望速度,设计的连续控制消除了开关控制的抖振现象。通过参数设计提前给定系统收敛的固定时间,与系统初始状态无关。基于Lyapunov方法进行了系统稳定性分析。通过仿真对算法进行了验证。     

基于迭代学习的部分非正则多智能体编队控制

针对一类具有任意初始状态的部分非正则多智能体系统,提出一种迭代学习控制算法.该算法将具有固定拓扑结构的多智能体编队控制问题转化为广义上的跟踪问题,即让领导者跟踪给定的期望轨迹,而跟随者要始终保持预定队形对某一智能体进行跟踪,并将该智能体作为自身的领导者.同时,为了使每个智能体在任意初始状态下都能按照期望队形进行编队,对每个智能体的初始状态设计迭代学习律,并从理论上对算法的收敛性进行严格证明,给出算法收敛的充分条件.所提出的算法对于各个智能体在任意初始位置条件下均能实现在有限时间区间内系统的稳定编队.最后,通过仿真算例进一步验证了所提出算法的有效性.     

一种船队编队控制的backstepping 方法

针对多船舶之间的协同合作问题,对船舶的编队控制进行了研究.通过运用领航者-跟随者方法,选择在Cartesian坐标系下建立新的船队编队控制模型,基于这种模型,利用反步技术和李亚普诺夫理论设计了一种可使船队按期望队形航行的船队编队控制器.通过考虑领队船舶与跟随船舶的航向角误差,保证了跟随船舶航向角的稳定性,从而避免其在航行过程中不断振荡.最后对所设计的控制方法的正确性及有效性进行了仿真验证.     

基于位置信息的混合多智能体蜂拥控制方法

目前,很多蜂拥控制算法都是基于智能体通信半径为一个固定的值且既考虑多智能体之间的相对位置,又考虑它们的相对速度来设计的,然而,实际的情况往往不会有那么理想。文中试图在基于通信半径不同的混合多智能体控制策略的设计过程中减少考虑的控制因素的个数（只考虑位置信息）,提出一种分布式的控制算法。此控制算法能实现多智能体跟随一个速度固定的虚拟领航者,形成聚合、无碰撞的队列。给出了算法的可行性理论分析,并针对20个智能体跟踪一个速度固定的虚拟领导者的情形给出了计算机仿真,用以验证算法的可行性。     

基于位置信息的混合多智能体蜂拥控制方法

目前,很多蜂拥控制算法都是基于智能体通信半径为一个固定的值且既考虑多智能体之间的相对位置,又考虑它们的相对速度来设计的,然而,实际的情况往往不会有那么理想。文中试图在基于通信半径不同的混合多智能体控制策略的设计过程中减少考虑的控制因素的个数（只考虑位置信息）,提出一种分布式的控制算法。此控制算法能实现多智能体跟随一个速度固定的虚拟领航者,形成聚合、无碰撞的队列。给出了算法的可行性理论分析,并针对20个智能体跟踪一个速度固定的虚拟领导者的情形给出了计算机仿真,用以验证算法的可行性。     

Adaptive fractional-order nonsingular fast terminal sliding mode formation control of multiple quadrotor UAVs-based distributed estimator

This paper mainly solves two major problems that are unavoidable in leader–follower formation process of quadrotor UAV group: the existence of external uncertainty disturbance and communication limited between quadrotor unmanned aerial vehicle (UAV) group. To solve the problem that only one of the followers in the leader–follower formation can obtain the leader's information, an improved distributed estimator is proposed in this paper, which can accurately estimate the leader's information for each follower. In addition, in order to eliminate the influence of uncertain external disturbance on the performance of quadrotor UAV, an adaptive estimation law is designed based only on velocity and position variables. For the attitude and position subsystem of the quadrotor UAV, a sliding surface with fractional-order term is designed. Which makes the quadrotor UAV tracking error system obtain good robustness at the stage of reaching the sliding surface and fast convergence and accurate tracking performance in the sliding stage. Based on Lyapunov stability theory, the convergence results are analyzed strictly. The results show that the algorithm can make the position distance between leader and followers converge to the desired offset. Simulation results verify the effectiveness and superiority of the control algorithm.     

Formation stabilization and resizing based on the control of inter‐agent distances

We propose a control strategy that could steer the group of mobile agents in the plane to achieve a specified formation. The control law could be implemented in a fully decentralized manner so that each agent moves on their own local reference frame. Under the acyclic minimally persistent graph topology, each agent measures the relative displacements of neighboring agents and then adjusts the distances between them to achieve the desired formation. As well as achieving a fixed formation, we could resize the formation only by changing the leader edge, which connects the leader with the first‐follower in acyclic minimally persistent graph, without changing the structures of the control law. Copyright © 2014 John Wiley & Sons, Ltd.     

异构集群系统分布式自适应输出时变编队跟踪控制

提出了一种能够解决高阶异构集群系统输出时变编队跟踪问题的控制方法. 集群系统中的智能体分为领导者和跟随者, 领导者和跟随者的动力学模型可以完全不同. 跟随者的输出在跟踪领导者输出的同时保持时变编队实现协同运动. 考虑了领导者存在已知或未知控制输入、领导者和跟随者均存在未知扰动、有向通信拓扑存在切换等多种因素并存的情况, 结合观测器理论、自适应控制理论和滑模控制理论设计了完全分布式的输出时变编队跟踪控制协议, 摆脱了对领导者控制输入上界值、与通信拓扑相关的拉普拉斯矩阵的特征值以及时变编队函数等全局信息的依赖. 利用Lyapunov理论证明了在有向拓扑切换条件下异构集群系统的闭环稳定性. 最后通过数值仿真对理论结果的有效性进行了验证.     

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.     

基于相对位置信息的多智能体系统自适应跟踪控制

针对带有动态领导者的多智能体系统,为了使其达到跟踪一致性,设计只依赖于相对位置信息的自适应跟踪控制律.根据接收到的相对位置信息为每个跟随者设计动态输出反馈控制律,并根据控制律估计出智能体之间的相对速度信息.在此基础上设计自适应跟踪控制律,并且通过Lyapunov 稳定性理论和矩阵理论分析得到使系统达到跟踪一致性的充分条件.最后通过数值仿真验证了所提出的设计方法的有效性.     

Connectivity Preserving Flocking without Velocity Measurement

In this paper, we address the design of a decentralized controller for connectivity‐preserving flocking, where each agent only can access to the position information of the agents within its sensing zone. An output vector, based on the position information alone, is constructed to replace the role of velocity, and some bounded attractive and repulsive forces are integrated together to design the controller. We prove that the controller not only synchronizes all agents in a stable formation, but also enables collision avoidance and connectivity preserving all of the time, when the initial condition meets certain requirements. Moreover, a leader‐follower method is used to guide the group to a desired direction, where the followers can sense the leader only if the distance between them is less than the communication radius.     

Observer-based leader-following tracking control under both fixed and switching topologies

This paper studies the tracking problem for a class of leader-follower multi-agent systems moving on the plane using observerbased cooperative control strategies. In our set-up, only a subset of the followers can obtain some relative information on the leader. We assume that the control input of the leader is not known to any of the followers while the system matrix is broadcast to all the followers. To track such a leader, an observer-based decentralized feedback controller is designed for each follower and detailed analysis for the convergence is presented for both fixed and switching interaction topologies between agents with the method of common Lyapunov function. We can also generalize the result to the higher dimension case for fixed topology and some special system matrices of the leader for switching topology.     

非仿射非线性多智能体系统迭代学习一致跟踪

为了解决非仿射非线性多智能体系统在给定时间区间上一致性完全跟踪问题,基于迭代学习控制方法设计一种分布式一致性跟踪控制算法.首先,由引入的虚拟领导者与所有跟随者组成多智能体系统的通信拓扑,其中虚拟领导者的作用是提供期望轨迹.然后,在只有部分跟随者能够获得领导者信息的条件下,利用每个跟随者及其邻居的跟踪误差构造每个跟随者的迭代学习一致性跟踪控制器.同时采用中值定理将非仿射非线性多智能体系统转化仿射形式,并基于压缩映射方法证明所提算法的收敛性,给出算法的收敛条件.理论分析表明,在智能体的非线性函数未知情况下,利用所提算法可以使非仿射非线性多智能体系统在给定时间区间上随迭代次数增加逐次实现一致性完全跟踪.最后,通过仿真算例进一步验证所提算法的有效性.