基于势函数的多智能体避撞队形控制

研究了一类多智能体系统的队形控制问题,改进了现有避撞势函数的构造方法.基于势函数的方法设计了控制策略,在控制策略的作用下,多智能体系统实现了期望的队形,避免了碰撞的发生.最后,仿真表明所提方法的可行性和有效性.     

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.     

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.     

基于人工物理法的多智能体协同控制

 对多智能体的协同控制和队形重构技术进行研究,采用人工物理法完成多智能体的队形建立与队形保持。人工物理法是一种分布式的控制方法,对传感器信息和通信的依赖程度较低,并可以很好地移植到大规模系统中。人工物理法通过设定虚拟的物理力,完成机器人速度和方向信息的解算,并用这些信息进行实时控制。同时为保证在障碍物区域内的智能体避障,采用沿墙跟踪策略,设计双输入、单输出的模糊控制器实现智能体的避障。为克服多模态运动的转换瞬态,利用四点平滑抑制模态转换瞬态。通过传感器探测外界环境,获得相关环境信息并确定障碍物的位置,由此依据判决条件完成多智能体控制的模态转换,进行队形重构。通过复杂环境中的数学仿真及多智能体协同控制的实验验证,表明该系统具有良好的鲁棒性和适应性。     

具有和不具有非线性动态的二阶时滞多智能体系统的领导跟随一致性(英文)

研究了带有时滞的二阶多智能体系统的领导跟随一致性问题.所给定的领导者不仅位置和速度保持变化,而且带有时滞.首先,为了跟踪这样一个具有非线性动态的领导者,对于每一个智能体给出了基于邻域的分布式控制器,基于Lyapunov-Razumikhin理论,获得了二阶多智能体系统达到领导跟随一致性的充分条件.另外,讨论了领导者和每个智能体都不具有非线性动态的一致性问题,得到了使得多智能体系统达到一致性的充分条件.最后,给出的仿真结果表明了所获定理的有效性.     

基于二阶动力学模型的非完整多个体系统有限时间一致性问题研究

本文讨论了多智能体系统在受到外界扰动的无领导者系统的有限时间一致性问题.基于有限时间控制策略,本文设计了针对二阶智能体模型的连续分布式控制策略.首先针对二阶模型的多智能体系统,提出了有限时间一致性控制策略,并且通过设计了李雅普诺夫函数给出了完整的证明过程.其次,设计了仿真实验,并且在文中给出了仿真结果,验证了本文所提控制策略的有效性以及具有一定的抗扰动能力.     

基于事件驱动的随机多智能体系统的一致性

文章使用一种分布式事件驱动控制策略,对带领导者的线性随机多智能体系统的均方一致性进行了研究.利用微分方程稳定性理论与随机分析方法证明了在该事件驱动控制策略下,带领导者的线性随机多智能体系统可达均方一致且无芝诺行为发生,且不要求跟随者之间的拓扑结构是连通图;最后通过仿真,验证了该策略可有效减少多智能体间的通讯次数.     

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。     

同优先级的多水下机器人避碰控制

根据智能水下机器人(AUV)水下通讯相对困难的特点，在改进势力场法避障的基础上，实现了单机器人的避碰控制，在机器人群体间隐式通讯条件下，应用危险阈值和智能传感器的方法，成功地解决了优先级相同的多水下机器人编队航行过程中的避碰避障问题，并在仿真环境下验证了算法的有效性。     

机械臂目标区域跟踪防撞控制

针对医疗护理机械臂在轨迹跟踪过程中的人机交互与防碰撞问题,本文提出了一种基于目标区域跟踪以及碰撞预测的机械臂控制方法.本文根据Lyapunov函数,结合人工势能场,设计保证系统稳定性的控制器,实现在目标区域内人机交互的柔顺性;采用会遇距离与会遇时间构造防撞预测模型,建立障碍物作用半径与防撞安全指数的关联模型,实现障碍物作用半径实时可变.实验结果验证了本文所提方法对目标区域跟踪的有效性,人机交互的柔顺性,以及障碍物规避过程的高效,平滑.     

基于动态预警的人车共驾智能汽车侧向避障鲁棒控制

为提高人车共驾智能汽车侧向避障安全性,提出了基于动态避障预警的侧向避障鲁棒控制策略.针对汽车行驶前方汽车加速度和速度动态变化,建立汽车纵向安全距离模型,提出了基于临界纵向安全距离和碰撞时间倒数融合互补的多级预警算法.针对不同预警状态,根据驾驶员是否介入,对智能汽车进行相应控制,实现人车共驾智能汽车安全性;针对避障过程前后侧偏刚度参数动态摄动,提出了考虑参数动态摄动的鲁棒控制策略,以实现智能汽车侧向避障轨迹精准跟踪.搭建了Carsim与Simulink联合仿真平台,进行了所提控制策略仿真分析,结果表明:所提控制策略有效,实现了不同级别预警并能根据驾驶员动态介入而动态调整预警状态,若驾驶员对预警未介入直到四级预警,控制策略自动接管人车共驾智能汽车,进行侧向避障控制,提高了人车共驾智能汽车安全性和横摆稳定性.     

基于改进粒子群优化算法的无人水面艇动态避碰方法

针对"蓝信"号无人水面艇的动态避碰问题,提出一种基于改进粒子群优化算法的动态避碰方法.首先,考虑障碍物轮廓的长宽比不同,将障碍物膨化为圆形和椭圆形,并采用速度障碍原理求取避碰模型,同时,在避碰过程中加入国际海上避碰规则约束;其次,对粒子群优化算法进行自适应改进,使其针对避碰策略的求取能够快速收敛到最优解,提高算法的收敛速度与精度,满足避碰算法的快速性要求;最后,搭建虚拟视景仿真平台,模拟航行中的海洋环境,以"蓝信"号无人水面艇为模拟对象,对所提出的避碰算法进行仿真验证.仿真结果表明了该避碰方法的可行性和有效性,为无人水面艇的自主动态避碰提供了一种可行和有效的解决途径.     

基于虚拟斥力的多机器人遥操作算法的研究

针对多机器人遥操作系统多机器人协作中易于发生碰撞的问题,提出基于虚拟斥力的方法实现实时避碰.在每个机器人的周围预先设定安全区域,当有障碍侵入安全区域时,机器人与障碍之间产生虚拟斥力,迫使机器人的轨迹发生调整远离障碍.基于弹簧、阻尼系统建立虚拟斥力模型,将虚拟斥力作为机器人的扰动力,根据障碍类型给出机器人的避障调整函数.利用Rx60、Rx90两个机器人进行遥操作协作实验,实验结果表明基于虚拟斥力的实时避碰算法能够简单而高效地保证协作作业的安全性.     

一种双阶段多智能体路径规划算法

多智能体路径规划旨在解决多个智能体在同一工作空间内生成无碰撞路径的问题,是智能体无人化工作的关键支撑技术。基于回溯思想和自适应局部避障策略,提出了一种双阶段多智能体路径规划算法。在全局路径规划阶段,基于回溯思想改进的RRT~*(rapidly-exploring random trees star)算法(back tracking rapidly-exploring random trees star, BT-RRT~*),减少无效父节点,并确保各智能体生成优化的无碰撞路径。在协作避障阶段,智能体依据自身的任务优先级制定局部避障策略,避开动态障碍物和其他智能体。实验结果表明,该算法可成功寻找较优路径,还可降低避障时间。     

基于势场函数的多智能体编队避障控制

势场函数方法广泛应用在避障与目标追击控制中,但是大多应用在静态环境中,即障碍物与目标是静止的。通过扩展势场函数,并结合图论与领航者方法,设计出新的控制算法。障碍物与目标的速度都考虑在势场函数定义中。基于这种新的控制算法,研究了多智能体群集控制,所提方法不仅保证智能体追击上运动的目标,同时确保能安全躲避障碍。由于所提方法是基于智能体行为,因此方法的一个优点就是容易升级。最后,仿真表明所提方法的有效性。     

基于定向极限环的Cucker-Smale群体避障模型

针对多障碍物环境下的群体避障问题,本文在改进Cucker-Smale(CS)群体运动模型和传统的极限环避障算法的基础上提出了一种基于定向极限环的CS群体避障模型.该模型改进了多障碍物的合并方式,引入了定向的运动规则.仿真结果显示,在整个群体避障过程中该算法的碰撞个体数和避障时间较传统的极限环避障法有较大的改善.     

基于降级模糊算法的爬壁机器人避障控制

针对罐体表面作业过程中避障的问题,提出了改进模糊避障控制算法。为保证爬壁机器人能够缩短到达目标点的时间,除爬壁机器人与障碍物距离量外,增加爬壁机器人与目标点的角度量作为输入变量,速度、角速度作为输出量,确定了各参数的论域与隶属度,建立了模糊规则表,采用重心法解模糊化;考虑罐体环境的复杂多变性,提出优雅降级避障控制策略,在探测传感器受扰失灵的情况下仍能够越过障碍物到达目标点。通过与人工势场避障法仿真比较,改进模糊控制法可更有效地避开障碍物,并在探测传感器异常情况下,也能保证爬壁机器人到达目标点,体现了该避障算法的优越性与可靠性。最后进行了爬壁机器人避障实验,验证了该算法的可行性。