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。     

波浪滑翔器编队避障方法

波浪滑翔器是一种可以长期工作的新型海洋机器人,主要应用于海洋环境的探测与数据采集。波浪滑翔器编队可以扩展单台设备的能力同时提高任务的效率。本文利用领航跟随者法结合人工势场法,提出了多波浪滑翔器编队的避障方法。通过领航跟随者形成波浪滑翔器编队的同时引入间距势能场,来实现编队队形的保持。人工势场作用下的波浪滑翔器编队被视为一个虚拟的多体系统,受到来自人工势场的虚拟力的约束。针对人工势场法的局部最小域问题,引入沿障碍物切线方向的引力,打破平衡状态,解决了局部最小域问题。最后通过仿真实验验证了所提方法的有效性。     

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。     

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。     

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...     

基于人工势场的机器人动态路径规划新方法

针对传统机器人路径规划方法仅考虑静态环境的问题,建立了一种基于人工势场的移动机器人动态路径规划新方法.移动机器人运动环境通常是复杂多变的,在动态环境下,目标点、障碍物可能都是运动的,另外,存在运动轨迹未知的随机障碍物等,针对移动环境的动态情况,在传统人工势场法相对位置势场的基础上引入相对速度势场,充分利用量子粒子群算法,对引力势场和斥力势场的增益系数进行一定的优化.以量子粒子群的优化算法进行快速全局搜索,结合人工势场操作,对引力场和斥力场增益系数进行优化,该方法易于实时快速地对机器人进行控制.仿真结果表明,基于量子粒子群算法的人工势场法的路径规划模型能够得到平滑、安全的路径,具有较高的性能.该方法可以有效地实现机器人的动态路径规划.     

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。     

多智能体编队避障算法研究

利用势函数方法,研究了多智能体在障碍物环境下的追击编队控制.为解决单个智能体在势场中存在局部极小点与动态性能不好问题,引入速度势场建立新的势场函数.并研究了多智能体在不同环境下的编队控制,其中包括无障碍物环境,静态障碍物环境,以及静态障碍物和动态障碍物并存的复杂环境.通过选择与目标,障碍物和编队队形相关的势场函数,提出一种新的分布式编队避障控制算法.仿真结果表明所提算法能有效地解决多智能体编队避障问题.     

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.