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.     

基于强化学习的多机器人编队导航

针对多机器人系统在未知环境编队导航过程中遇到较长障碍物时,顺时针绕障和逆时针绕障的不同选择会给导航效率带来很大影响的问题,提出了一种三层强化学习方法。由高层的基于“条件-行为对”的在线学习适应环境障碍物的动态变化,中层采用角色交叉包含式控制结构保持队形,底层采用离线式常规强化学习机制获得避碰规则。仿真实验结果表明,由于只在高层保持在线学习,使学习空间得以缩小,学习时间得以缩短。该方法为复杂环境下的多机器人编队导航提供了一种有效的自主学习策略。     

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。     

异质多智能体系统的编队控制

目的研究异质多智能体系统的编队控制问题。方法基于图论和李雅普诺夫直接方法进行研究。结果针对由一阶和二阶积分器智能体构成的异质多智能体系统,给出了一种基于一致性的时变编队控制协议。结论证明了使用上述协议的异质多智能体系统能够解决编队控制问题。     

基于群体智能的群体机器人研究

本文首先对群体机器人的发展状况进行了介绍以及群体智能理论进行了阐述，讨论了群体机器人技术中的群体通信、群体控制、系统冲突等主要研究内容，并对该领域内的几个应用进行了介绍，最后提出了未来几个群体机器人系统的应用方向。     

离散多智能体系统的分布式编队跟踪控制

本文研究了离散多智能体系统在固定有向拓扑中的分布式编队控制,同时假设此系统跟踪时变参考状态。首先,针对一阶系统设计了控制协议,给出了系统稳定时协议参数需满足的充要条件,结果表明,跟踪误差的上限正比于采样周期。其次,针对二阶系统,考虑了速度一致性,其编队控制协议可用同样的方法研究。最后通过仿真,结果证明了所设计协议的有效性。     

未知环境中基于观察者的多机器人编队控制方法

结合领导-跟随法和VFH+ 避障法,提出一种基于观察者的多机器人编队控制方法,并利用Player/Stage机器人仿真平台,对编队控制方法进行了仿真实验.结果表明,编队控制方法可有效地将一组移动机器人以一定队形无碰地到达指定目的地.基于Player/Stage机器人仿真平台的特性,编队控制方法完全可以用于实际机器人上.     

基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

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...     

基于通信的多移动机器人编队控制系统

论述了一类通用的经过通信信道进行协调的多移动机器人编队控制系统.在分别获取自身位姿信息的前提下,各个机器人通过通信信道交换和共享同组成员的位姿信息,然后通过计算得到各机器人之间的相对位姿,进而完成编队协调任务.利用此技术,可实现一种不受环境限制的多机器人编队,其特点在于编队的完成主要依赖于通信系统,不论编队中各机器人是否能够彼此感知,编队都能进行,从而提高了多机器人编队对环境的适应性.采用闭环l-ψ编队控制算法验证此设计方法的有效性,在三台移动机器人上进行了实验,实验结果证明了该方案的可行性.     

基于语音识别的救援机器人听觉导航方法

在发生火灾或地震的建筑物内,由于烟雾或墙体倒塌等原因,救援机器人往往无法通过视觉、超声和红外等传感器直接发现建筑物内不可见区域或者其他房间中呼救的目标.利用声音信号波长较长可以衍射绕过障碍物传播的特性,结合现有的语音识别技术,开发出基于听觉的救援机器人导航系统.该系统使机器人可以在全局运动控制中跟踪幸存者的呼救声并向幸存者移动.通过相关实验验证了基于听觉的救援机器人导航方法的可行性.     

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Petri网的多机器人协作任务分配与导航研究

研究了基于Petri网理论的多移动机器人任务分配和导航策略问题.针对有限空间环境下的物科收集协作任务,提出了一种机器人路径选择方法,并建立了基本路口单元和工作空间的Petri网模型.通过任务分配模型实时规划物科仓库内的机器人,并对具有拐角特征的多机器人路径冲突给出了消解方法,建立了机器人冲突协调模型.通过分析任务冲突协调模型,避免了多机器人运动路径冲突.最后仿真实验验证了提出的多机器人任务规划方法的有效性.     

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。     

基于一致性理论之飞机群运动控制

提出了一种新的基于平均状态信息的一致性算法,把它应用到一阶系统和二阶系统。应用频域中的分析方法,得到了系统收敛速度的充分条件。由于通信网络中不可避免的存在个体本身和其他个体之间的时滞问题,在此进一步分析了在具有时滞的条件下,系统使用所提出的一致性算法的稳定性问题。针对二阶多智能体系统,首先提出在无向网络下平均状态一致性算法,基于给定的条件,分析得到了系统能够达到静态一致和动态一致的充分条件。最后,将提出的算法在多飞机群的编队控制中进行了应用。     

基于WHD-CRM的群体机器人故障检测

使用交叉调节模型（CRM）进行故障检测,是一种重要的基于人工免疫模型的群体机器人故障检测方法.针对CRM在不同群体行为下,检测群体机器人故障通用性受限的问题,通过研究行为特征在不同群体行为下的影响力等级,提出了使用加权汉明距离的交叉调节模型（WHD-CRM）.相比于CRM,WHD-CRM对不同群体行为的机器人行为特征赋予了不同的权值,获得了更加精确的中间结果（亲和力值）,进而提高了各类群体行为下检出故障机器人的概率.实验结果表明：相比于使用原始CRM,WHD-CRM的故障检测率提高了13%.     

基于混沌粒子群--专用遗传算法切换策略的移动机器人路径规划

为了发挥粒子群算法和专用遗传算法的各自优点,提出了一种将二者结合的切换优化策略。该策略前期采用一种基于种群最优个体混沌化的混沌粒子群算法,后期选用专用遗传算法。通过大量仿真实验确定了在迭代代数、种群标准差和最优个体适应度差三种切换指标下各自的最优切换条件。与单一专用遗传算法和单一混沌粒子群算法的仿真对比表明：本文提出的切换优化策略在综合路径长度、平滑性和规划时间三个性能指标后具有一定的优越性。     

移动机器人PID运动控制器参数的模糊自整定

通过对移动机器人运动学模型进行分析 ,以基于视觉的双轮机器人为实验平台 ,论证了参数模糊自整定的PID控制技术应用于移动机器人运动控制中的可行性 .该方案根据控制要求 ,运用模糊推理技术 ,模仿人工整定控制器参数时的思维方式 ,对控制器参数进行调整 .不仅保证了准确性 ,提高了快速性 ,还增强了自适应能力 .实验证明此方法对移动机器人的运动控制是有效的 .