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.     

基于领航跟随法和星系动力学的多机器人编队控制

针对机器人常规编队控制方法编队精度低、机器人易掉队,且当队形进行大角度变换时跟随者不能快速适应的问题,提出了一种基于领航跟随和星系动力学(LF-GD)机器人编队控制方法.该方法结合了领航跟随法控制简单、编队快速和星系动力学法编队稳定和动态均衡的优点.实现了机器人快速编队和动态避障的性能要求,避免了队形大角度变换时机器人相互之间的碰撞和掉队问题,提高了整个编队系统的智能性和环境适应性.通过仿真验证了该方法的可行性和有效性.     

一种基于局部感知的多机器人编队控制方法

针对未知环境下多机器人难以实现灵活、稳定的编队控制的情况,在分析领队-跟随法、基于行为方法以及虚拟结构法的编队控制方法基础上,提出了一种模拟人类社会中方队形成与变化的思想,将其应用在多机器人的编队中,进行多机器人的编队控制.机器人存储不同编队队形的相对位置信息,通过领航者发布队形控制信息,跟随者查找并匹配预先存储的队形...     

基于干扰观测器的多移动机器人编队鲁棒控制

针对多移动机器人存在模型参数不确定性和外部扰动的编队控制问题,提出了一种多移动机器人编队的鲁棒控制方法。在运动学层面依据领航机器人和跟随机器人位姿的偏差,建立领航机器人和跟随机器人的编队误差动态模型,在此基础上为跟随机器人设计镇定编队误差的辅助速度控制器。以辅助速度控制器的输出作为跟随机器人动力学模型的速度给定信号,并在动力学层面设计基于干扰观测器的自适应滑模控制算法,从而改善普通滑模控制中抖振突出的问题,保证编队控制的稳定性和鲁棒性。对编队控制系统进行仿真验证,结果表明了所提控制方法的有效性。     

基于领导者的群体机器人编队及导航控制

介绍了基于领导者的群体机器人一致性方法,在此基础上提出一种群体机器人编队及导航控制方法。该方法采用分层控制策略,即控制系统分为目标层、领导层和跟随层。将目标层中目标点的位置信息发送给领导者,采用位置一致性算法使领导者朝目标运动;与此同时,领导者将其状态信息发送给跟随层中的跟随者,采用基于领导者的群体机器人编队控制方法,使跟随者与领导者保持一定的队形朝着目标运动。该方法可针对由多个子集构成的群体机器人系统进行导航。通过计算机仿真和群体机器人实验平台验证了所提方法的有效性。     

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。     

大规模机器人群体的分层编队控制算法

提出一种分层拓扑结构作为机器人群体在动态期望区域内的编队队形,并在此基础上设计一种基于分层拓扑的群体编队及避障控制器,邻域内各层层间机器人之间的通信是双向的.多机器人通过虚拟领导者的引导向动态期望区域内运动,并在邻居个体间的局部交互下形成期望编队控制队形,机器人群体速度达到一致,个体间距离稳定,从而实现编队和避碰.控制器中形状调节力用于调整和保持机器人群体队形,解决编队中因可能出现局部极小值而导致某些机器人死锁的问题.仿真实验表明了该算法是有效性的.     

基于行为的多机器人编队控制的仿真研究

多机器人的编队问题是多机器人协作中的一个典型问题,编队包括队形形成和编队控制。针对多机器人的编队控制问题,本文采用基于行为法和基于leader的协调策略相结合的方法。首先根据Motor Schema的反应式控制结构,设计了五种基本行为,即奔向目标行为（move-to-goal）,保持队形行为（keep-formation）,躲避静态障碍物行为（avoid-stastic-obstacle）,躲避机器人行为（avoid-robot）和随机行为（random）,对各行为进行加权形成局部控制器来控制机器人的局部行为。然后利用基于leader的协调策略来协调各个机器人的行为,形成全局控制器来控制机器人的最终的行为。通过仿真,验证了该方法的可行性和有效性。     

基于滑模变结构的轮式移动机器人Leader-Follower编队控制

对轮式移动机器人基于Leader-Follower编队控制算法进行了研究,发现反馈线性化控制方法简单易实现,但是抗干扰能力差;滑模变结构控制具有较好的抗扰能力,然而针对机器人编队这一非线性系统,设计过程较为复杂。针对上述问题,提出将反馈线性化和滑模变结构控制相结合进行编队控制,既简化了设计滑模函数的过程,又达到了系统控制要求。仿真结果表明,该方法可以有效抑制干扰,增加系统的鲁棒性。将控制算法加入智能车平台,硬件仿真表明,该算法相对于传统滑模控制算法更加稳定,在编队控制中能达到控制要求,并在传感器较少且低控制主频的硬件平台中简单实现。     

多移动机器人编队运动中的避障控制

多移动机器人的编队运动是一类典型的多机器人协调问题.针对多移动机器人在编队运动中的避障问题,提出了基于监控模式的控制系统框架,解决了避障过程中可能出现的掉队问题.仿真实验验证了控制方法和控制系统的可行性.     

多移动机器人保持队形路径规划

将多移动机器人的运动控制和路径规划有机结合,提出了多移动机器人的队形模型和保持队形的定义.在此基础上,以基于行为的导航算法为基础,将机器人队列的运动过程划分为正常运动、避障和恢复队形3个阶段.在避障阶段,引入虚拟机器人使队形保持部分完整;当队形被严重打乱时,规划机器人的局部目标位姿使队列快速恢复队形.仿真实验表明,该控制方法不仅使多移动机器人安全避障,而且队形保持较完好.     

基于改进人工协调场的多机器人运动编队

针对多移动机器人编队形式单一、使用传统人工势场法易陷入局部极小的问题, 提出改进人工协调场法。该方法不仅可在不同时间内随机器人数量不同而不断变换队形,达到运动编队的效果,而且适合追踪动态目标点,使机器人的避障能力更加灵活。通过仿真实验验证了上述方法的有效性。     

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。     

户外小型智能移动机器人运动轨迹跟踪控制

该文根据户外小型智能移动机器人的应用特点研究了轨迹跟踪控制。基于机器人的动力学模型，利用后退方法的思想，设计了全局收敛的稳定可靠的跟踪控制律，提高了移动机器人在不确定性环境中工作的鲁棒性，比基于运动学模型设计的控制律更加适宜于工程应用，经仿真计算，验证了该控制方法的正确性，为户外小型智能移动机器人轨迹跟踪的实用控制方法提供了理论依据。     

递阶式虚拟结构非完整机器人的编队控制

提出一种递阶虚拟结构编队控制方法,将机器人编队按空间分布划分为簇,并定义某段时间内该簇(虚拟结构)的参考轨迹,将虚拟结构的运动转化为各机器人的期望轨迹,然后基于反步思想,并通过设计移动机器人误差跟踪系统的Lyapunov函数来设计动态反馈控制器,实现了对参考轨迹的全局渐近跟踪.最后通过对给定直线和圆轨迹的编队跟踪试验,验证了该控制策略的有效性.     

基于竞标机制的多移动机器人实时编队控制

研究了整体时间最优的多移动机器人实时编队控制问题。由于在多机器人编队围捕等一些任务中,存在任务时间或通信范围有限等约束,提出了基于竞标机制的时间最优控制策略。针对编队过程中机器人可能发生故障等问题,在实时编队控制策略中设置了监督机制,以保证任意时刻编队队形的完整。设计了与竞标和监督机制相适应的机器人编队及运动行为,使得移动机器人的运动时间最少。通过编队形成及编队改变等一系列实时编队仿真实验,结果表明:本文提出的编队控制策略灵活可行,且能满足编队控制中实时性的要求。     

欠驱动机器人的最优轨道生成与实现

提出了一种基于学习的动力学前馈方法，解决了欠驱动系统由于系统不完全可控造成的反馈控制失效，运动轨道难以实现的问题。在此基础上提出了学习－优化交替式最优运动轨道生成方法。该方法将轨道优化与学习控制相结合，所生成轨道可以在欠驱动机器人上实际操作，对一台实际的欠驱动机器人实现了最优轨道生成，并进行了动作实验，取得了较好效果。     

基于行为优先与任务协调的多移动机器人遥操作

针对单个操作者对多个移动机器人遥操作的困难,提出了基于行为优先和任务协调的多机器人遥操作方法. 通过引入机器人局部自主的概念,运用行为优先决策与任务协调模块使操作者和机器人共享运动控制. 建立了多机器人系统遥操作体系结构,设计了多通道人机交互接口界面. 室外实验表明,提出的方法可以实现人和机器智能的合理分配. 运用该方法,单个操作者可完成对多个移动机器人的遥操作.