基于改进分配法的多智能体队形形成

多机器人是当今研究热点,机器人编队是多机器人的一个重要问题,编队行为在自然界中广泛存在,大雁、鱼群的有秩序的聚集并编队运动启示编队运动具有重要的意义和作用。文章针对多机器人队形问题,提出了一个基于多智能体(multi-agent)结构的优化算法,多智能体的体系结构具有良好的自适应特点,适合运用到多机器人控制中,对于队形形成问题,改进分配算法具有良好的特性。     

基于相邻矩阵的多机器人编队容错控制

针对基于leader-follower模式的多机器人编队运动中可能出现的机械故障和网络故障,提出了一种基于相邻矩阵的容错控制方法,利用相邻矩阵表示编队中多机器人的相互位置关系,一旦在编队运动过程中出现故障,则利用调整队形搜索算法找到需要进行队形调整的机器人编号,根据相邻矩阵更新算法,这些编号所代表的机器人的相邻关系在相邻矩阵中得以调整,新的理想编队所对应的相邻矩阵产生,编队队形就可以依赖相邻矩阵重新得以恢复。从而实现多机器人编队的容错控制,仿真实验证明了该方案的有效性和可行性。     

基于MAPSO的混合式多机器人编队控制

为了解决目前编队控制中队形不稳及复杂环境适应性差等问题,针对全局环境中含有动/静态障碍物的复杂环境,提出一种将Leasder-Follower法及人工势场法改进结合的混合式多机器人编队控制新方法;同时,引入多智能体粒子群优化(MAPSO)算法对多机器人编队控制相关参数进行在线优化,能有效避免机器人陷入局部最优,增强其抗干扰能力.对该方法进行仿真分析,并和Leasder-Following法与基于行为法相结合的混合编队控制方法进行比较.结果表明:MAPSO的混合式多机器人编队控制方法能更好地完成多机器人在复杂环境下的编队控制任务,验证了其有效性和可行性.     

基于仿生鱼群优化方法的非完整机器人队形控制(英文)

利用人工鱼群优化(AFSO)方法研究了多机器人的队形控制问题。机器人编队可视为寻迹问题,而编队寻迹是不断减小机器人与其期望编队位置之间的平移和角度误差的优化过程。每一个机器人的控制指令可看做是人工鱼群,通过一系列的控制实现期望队形。队形控制策略中包含机器人间的冲突规避行为。利用Matlab中的多机器人仿真器MRsim工具进行了仿真,结果表明,提出的方法具有很高的有效性和效率,适用于各种形式的队形,可以被广泛应用在没有精确系统模型的无线传感器网络中。     

基于仿生鱼群优化方法的机器人队形控制

本文利用人工鱼群优化（AFSO）方法研究了多机器人的队形控制问题。机器人编队可视为寻迹问题,而编队寻迹是不断减小机器人与其期望编队位置之间的平移和角度误差的优化过程。每一个机器人的控制指令可看做是人工鱼群,通过一系列的控制实现期望队形。队形控制策略中包含机器人间的冲突规避行为。本文利用Matlab中的多机器人仿真器MRsim工具进行了仿真,结果表明本文提出的方法具有很高的有效性和效率,适用于各种形式的队形,可以被广泛应用在没有精确系统模型的无线传感器网络中。     

多机器人编队的人工势场法控制

针对多机器人编队控稍中的队形形成问题进行研究.利用控制算法中的人工势场法解决多机器人队形形成问题,结构简单、易于计算,方便对多机器人实时控制.首先,针对多机器人的队形位置用目标点搜索算法,寻找到正确的队形位置点,防止多机器人在空间内绕路,减少编队时间;然后,通过人工势场算法规划各机器人的路径,在机器人行进过程中,利用优先级蔽障方法避免与其他机器人碰撞;最后,对多机器人的队形形成进行仿真,实验证明队形形成的有效性,算法简单易于实现.     

基于点云协方差描述子的多机器人目标识别与编队跟踪

针对多移动机器人目标识别及编队跟踪问题,提出一种基于点云协方差描述子的目标识别方法及编队跟踪控制方法.为降低机器人端机载处理器负荷,基于Web Socket协议搭建网络架构.在此基础上,通过引入点云协方差描述子进行目标检测,并利用支持向量机完成离线建模.结合支持向量机分类器与Kullback-Leibler Divergence(KLD)-Sampling自适应粒子滤波算法,实现目标部分遮挡下的在线识别,得到目标点云跟踪位置信息.利用势场函数和有向刚性图论综合设计编队跟踪控制器,实现多机器人编队目标跟踪.最后通过实物平台进行实验,结果表明,所提出的基于点云协方差描述子的多机器人目标识别与编队跟踪算法,与传统方法相比,跟踪收敛时间缩短4,s,跟踪精度提高约2.5%,,通过搭载有限数量传感器,可以更有效地解决多机器人编队目标跟踪问题.     

利用渐开线的足球机器人射门算法研究

为了进一步提高足球机器人的射门成功率,使射门动作更快更准,在分析了基本算法不足的基础上,利用光滑、可微的渐开线来解决机器人小车到达目标点的射门问题.通过建立球场坐标系及机器人小车的运动轨迹坐标系,导出了旋转矩阵与平移矩阵,对球场坐标系和运动轨迹坐标系进行了坐标转换,并运用几何学方法建立了机器人在运动过程中的避碰模型,最后利用优化设计中的内点惩罚函数法对机器人小车进行了运动路径寻优.仿真结果表明,该算法可优化足球机器人射门的运动轨迹,优化后的方法不但可以减小问题的复杂度,而且具有极高的实时性,因此较好地实现了机器人在动态环境下的射门动作,提高了射门的成功率.     

6R机器人的几何求逆算法

为了提高机器人逆解运算的精度与速度,提出了一种几何求逆算法。该几何求逆算法首先是将机器人简化为具有刚性特征的连杆机构,并将机器人的工作范围划分为四个象限区且通过几何运算求得机器人位姿与各个关节角度之间的关系,然后利用机构的刚性特征以及机器人的作业要求确定各个象限区中的逆解函数,最后通过已确定的逆解函数求得机器人关节角度的时间函数。文章以ER10L—CIO机器人为例,验证了算法的正确性与实用性,证实了算法在计算精度和运算速度方面所体现的优越性。     

基于领航者模式的多机器人行星式编队运动

根据行星系公转与自转的运行规则,提出了基于领航者模式的行星式多机器人编队方法.在该模型中,领航者机器人相当于行星系中的恒星,而跟随者机器人相当于行星系中的行星,领航者机器人和跟随者机器人之间依靠万有引力实现编队的聚合与稳定前行,实现跟随者机器人围绕领航者机器人运转,编队半径可以随时改变,以适应环境的变化;同时,群体机器...