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。     

基于人工势场和虚拟领航者的智能车辆编队控制

为提高交通效率和道路安全,对公路环境中的智能车辆编队控制问题进行了研究.采用人工势场和虚拟领航者相结合的方法进行车辆控制,考虑公路环境约束和编队纵横向安全距离,以理想公路编队为目标,提出虚拟领航者椭圆势场作用域,建立编队单元模型,并通过Lyapunov函数证明了模型的稳定性.为提高编队单元模型的应用灵活性,消除多车编队车辆位置误差问题,将分解-迭代思想引入到多车辆编队控制中,依据道路条件设立编队单元的纵横向迭代.以六车辆编队为例进行仿真验证,结果表明:所建立的车辆编队模型可以稳定有效地控制车辆,实现理想公路编队行为.     

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。     

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.     

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.     

弱通信条件下多机器人编队控制及稳定性分析

为消除弱通信因素给多机器人编队控制系统带来的影响,基于一致性理论,提出了一种时延依赖的分布式编队控制算法.利用编队图描述机器人群体内部的网络拓扑结构,通过图的矩阵表示,基于矩阵论和控制理论研究具有通信时延的多机器人系统形成稳定的期望编队的条件.根据Lyapunov稳定性定理,得到了线性矩阵不等式(LMI)形式的时延独立和时延依赖的稳定条件,并在此基础上进一步证明采用的控制方法能够保证多机器人系统全局渐近地收敛至期望队形和期望速度.最后,通过一个多机器人编队实例对控制算法和结论进行验证.结果表明在满足系统稳定条件下,所采用的编队控制算法能够保证多机器人系统形成稳定的期望编队.     

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.     

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。     

新的基于反馈线性化的车辆编队控制

以编队中各车辆的运动学模型为基础,在跟随领航者体系下建立新的车辆编队系统动态模型.设计带有不定离轴点的输入输出反馈线性化跟踪控制器,将跟随车辆与领航车辆的跟踪问题转化为特定误差系统的控制问题.利用图论将所设计的跟踪控制器扩展到车辆编队控制中,并对车辆编队控制效果进行仿真验证.     

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...     

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。     

基于专用道与编队策略的货车队列最短配送距离研究

货车编队运输作为共同配送的一种新形式,可以有效地减少能耗,达到降低运营成本的目的。根据车辆实际运行情况,多个配送车辆有不同的出发点和相同的目的地,需要在路段上完成编队过程。以VISSIM作为仿真工具,结合C#编程与COM服务,构建了货车专用道与编队策略实施实验平台,提出了货车队列能耗与最小配送距离计算方法。通过不同车辆数的编队试验发现,最小配送距离随编队车辆数的增加而增加;但当车辆数小于4时,最小配送距离基本相同。     

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。     

车辆编队系统的分布式控制

基于关联系统模型研究智能车辆编队的分布式控制. 通过引入空间变量和空间移动算子,将车辆编队系统建模成多维的空间关联系统. 基于线性矩阵不等式的方法设计了与被控对象有着相同关联结构的分布式输出反馈H∞控制器,确保整个编队系统的适定性、稳定性及对外界干扰的鲁棒性. 在Matlab环境下编程验证控制器的性能,并通过3台移动机器人的模拟车辆编队仿真实验,说明模型的正确性和方法的有效性.     

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。