基于虚拟子目标联合边界力的编队避障算法

针对复杂环境条件下无人机（unmanned aerial vehicle,UAV）集群编队系统中领航-跟随集群的编队控制和人工势场法中的避障问题，提出了一种基于虚拟子目标联合边界力（joint virtual sub-target and boundary force, JVBF）的无人机集群编队避障算法。采用基于虚拟子目标的领航-跟随法并优化修正力函数来实现无人机集群的队形控制，以达到帮助跟随无人机快速恢复队形的目的；采用基于边界力的人工势场法负责局部路径规划，解决无人机目标不可达和狭窄通道内振荡的缺点。仿真结果表明，所提算法相较于传统算法具有更高的编队队形一致性和时间效率。     

三阶多机器人协同编队动态避障控制

针对智能水下机器人编队在三维复杂环境中的避障和一致性控制问题,提出了协同编队动态避障控制算法。建立了基于动态障碍物运动速度的自适应斥力增益项,并将其引入斥力势场函数中,使机器人安全规避静态及动态障碍物,定义了基于机间势场增益项和机间通信权重的机间势场函数,解决机器人易自撞、脱离编队的问题;将机器人在势场作用下的合加速度引入一致性协议中,结合改进势场与一致性理论设计编队协同避障控制器;通过Lyapunov函数方法证明了稳定性。仿真结果表明：多机器人在该算法下能安全避障并实现位置、速度的一致性。     

无人船实时路径规划与编队控制仿真研究

安全和无碰撞导航是无人船正常航行的基础。通过Unity3D构建高保真的虚拟海洋环境，在无人船建模基础上，提出一种面向未知复杂环境的实时路径规划及编队控制方法。利用激光雷达获取的局部环境信息，在重规划的策略下，结合A-star以及航路抽稀方法完成实时局部路径规划。基于领航-跟随者策略与一致性方法进行编队控制，结合人工势场法完成多无人船的避障航行任务。在多种复杂地图上的仿真实验表明，该仿真系统具有较好的真实性和视觉效果，为无人船模拟试航提供了有效手段。同时，无人船群利用所提算法可以依次抵达预设航路点，自主变换队形实时避障，在工程应用中具有一定理论意义和实用性。     

基于社会势场的群体机器人聚集队形控制

将社会势场与基于行为控制相结合,使得群体机器人形成聚集队形,避开未知环境中的障碍物并到达目标区域.设置了两类阈值,以减少机器人在均衡位置的抖动,提高群体机器人向目标区域趋近的速度;提出了柔性社会势场机制,以提高机器人的避障效率.个体机器人根据局部感知自主产生队形控制向量,因此该队形控制策略具有良好的可扩展性.仿真实验表明了队形控制策略的可行性和有效性.     

无人机集群规避动态障碍物的分布式队形控制

本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先, 引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次, 在动态障碍物与无人机间构造斥力场实现避障。最后, 根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律, 结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明, 集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。     

全局未知环境下智能群体群集运动与避障控制

研究了在全局环境未知且存在静态障碍物的情况下,智能群体的群集运动控制问题.模型在人工势能结合速度一致策略的基础上,利用了滚动窗口的方法实时产生虚拟领航者引导群体向目标位置运行;并利用极限环方法解决了群体避障问题.基于滚动窗口方法构造的虚拟领航者,充分地利用了实时测得的局部环境信息,具有自适应性;极限环方法避障使得群体能够平滑地绕过障碍物,克服了传统人工势场法避障的局部最小问题.     

基于势场蚁群算法的机器人路径规划

提出了一种未知环境下机器人路径规划的势场蚁群算法。该算法利用人工势场力和机器人与目标之间的距离构造机器人避障和移动的综合启发信息,并利用蚁群搜索机制在未知环境中寻找机器人从起始位置至目标位置的全局最优路径。所提出的算法将蚁群算法和人工势场法进行有效的结合,提高了常规蚁群算法对最优路径的搜索效率。通过仿真实验表明了所提出的算法用于机器人路径规划的有效性。     

基于改进势场的无人机编队恢复与一致性仿真

针对多无人机编队防撞、编队恢复及位置和速度收敛一致性问题,提出以改进势场原理与一致性理论为基础的分布式协同编队控制算法。建立静态障碍物模型、无人机质点模型与二阶系统动态模型;定义含协调因子和通信权重的机间协调势场函数,实现防撞和队形恢复的控制目标;在基本一致性协议中引入编队中心参考向量、期望速度和速度镇定项,实现位置和速度的收敛一致性;结合改进的一致性协议与改进势场作用下的合加速度设计协同编队控制算法,并由Hamilton函数证明该算法的稳定收敛性。仿真结果表明：该方法可以实现防撞、队形恢复及位置与速度收敛一致的控制目标。     

动态环境下基于子目标的移动机器人路径规划方法

在移动机器人路径规划领域中,沿墙行走策略是解决人工势场法局部极小问题的一种简单但有效的方法。然而,已有的沿墙行走方法往往只适用于静态环境。为了在解决人工势场法局部极小问题的同时,保证其在动态环境中的有效性,本文对沿墙行走方法进行了改进,提出了一种基于子目标的方法,利用机器人周边的动态斥力势场调节沿墙运动的距离,通过设置子目标引导机器人躲避运动障碍物。仿真研究验证了该方法的有效性。     

基于改进人工势场法的多无人机三维编队路径规划

针对传统人工势场法的障碍物附近目标不可达、存在局部极小点和振荡的问题对势场函数进行分析和改进,以保证目标点为势场的全局最小点。在动态势场中,引入是否陷入局部极小点的判断机制,并结合一种“沿目标方向90°移动”的方法来跳出局部极小点,实现多无人机编队的路径规划、协同避障和防碰撞。利用回归搜索法来对路径进一步优化。MATLAB的仿真结果显示,该方法有效地弥补了传统人工势场法的不足,提高了人工势场法的实用性。     

基于目标搜索任务的群机器人路径规划

微粒群算法具有搜索效率高,收敛速度快的特点,可应用于基于目标搜索任务的群体系统。人工势场法可用于移动机器人的避障导航,提出一种在环境未知情况下基于机器人多传感器结构的人工势场法MSAPF,和一种具有群机器人系统特征的SRPSO算法,将二者相结合,应用于群机器人系统的目标搜索任务,在搜索目标的同时实现避障导航路径规划,通过对多组不同数量机器人的仿真实验验证了此方法的有效性。

Abstract：

Particle Swarm Optimization algorithm has high searching efficiency and constringency speed,and can be used for the target-searching swarm intelligence system.The artificial potential field （APF） is an effective local path planning method for the mobile robot.The MSAPF （multi-sensor-based APF）,integrating with the SRPSO （Swarm-Robot PSO） algorithm was proposed,used for realizing the path planning of swarm robot system while searching the target.The efficiency has been proved by the simulation experiments with different individual quantity of swarm robot.     

基于遗传改进协调场的移动机器人避障策略

针对在动态环境下移动机器人用传统人工势场法导航所存在的缺陷,在改进传统人工势场的基础上,引入协调向量,利用子目标点构建局部势场,并通过窗口滚动刷新子目标点实现全局优化,对运动过程中可能遇到的陷阱、抖动、实时避障等问题,提出了解决方案,最后利用自适应遗传算法对参数进行的多目标优化,经过仿真,证明了该策略的可行性和有效性。     

基于激光传感器的动态拟合避障控制与仿真

考虑未知动态环境下机器人系统的运动规划问题,提出了一种避障规划策略.针对一类圆形动态障碍,机器人通过激光传感器采样获得障碍边缘,采用最小二乘法对障碍边缘进行拟合.经过多次估计动态中心位置和大小,获取障碍物的相对速度和方向.综合考虑机器人、动态障碍以及目标点间的相对关系,确定机器人的最优运动方向,以保证机器人安全运行和任务完成.在此基础上,进一步给出了多机器人系统在未知动态环境下的编队控制策略.所提出的避障控制策略通过仿真实验进行了验证.     

无人机三维编队保持的自适应抗扰控制器设计

针对无人机编队飞行过程中领航无人机在三维空间机动飞行时的编队队形保持问题,构建了无人机三维编队保持控制系统。根据无人机编队飞行三维空间几何学关系,利用无人机自动驾驶仪模型和编队运动学模型建立了旋转坐标系下三维编队飞行的数学模型。在考虑闭环系统存在时变外界干扰的情况下,设计了无人机编队保持的自适应控制器,并基于李亚普诺夫理论,对设计的自适应控制律的稳定性进行了证明。最后通过仿真验证,该控制器能够有效抑制干扰带来的影响,使僚机能够迅速跟随长机机动,并保持编队队形的稳定。     

基于视野和速度引导的无人机集群避障算法

在未来的多无人机(unmanned aerial vehicle, UAV)空中作战中,无人机集群在未知空域中安全飞行是集群研究中的重要内容。针对无人机集群避障以及集群形态保持问题,提出了一种基于视野和速度引导(visual field and velocity guidance, VFVG)的集群避撞算法。基于视野法设计集群自适应通讯拓扑机制,结合远吸近斥势力原则及一致性方法,在保持集群形态的同时,加速了集群无人机个体间的避障信息的传递。在此基础上,提出将极限环与人工势场法相结合构造避障速度引导项,解决了集群遇障分群困难、避障徘徊停滞等问题。引入避障时间指标,验证了算法的避障效率。仿真结果表明,该方法能够使多无人机以良好的集群形态安全快速平稳地通过复杂障碍区域,有效提高了集群避障成功率和避障效率。     

基于人工势场法的虚拟人足迹规划

给出了一种基于人工势场法的虚拟人足迹规划方法。提出了一种足迹计算方法,通过计算势场力决定虚拟人的前进方向,计算得到虚拟人的足迹;设计了一种足迹分解方法,计算得到虚拟人大角度转弯时的足迹。运用该算法在固定及移动障碍物环境以及多人环境下进行仿真,模拟虚拟人前进方向随时发生变化的避障行走,计算虚拟人从初始点到目标点的足迹,也对大角度转弯情况进行了仿真。仿真结果证明了算法的可行性。     

航母甲板上舰载机的混合避障和仿真

针对航母甲板上舰载机混合避障随机性强、实时性差、规划速度慢等问题，结合最小二乘法与DDPG(deep deterministic policy gradient)算法提出一种PDDPG(predictive depth deterministic policy gradient)算法。该方法利用最小二乘法预测航母甲板上动态障碍物的短期轨迹。DDPG根据动态障碍物的短期轨迹为智能体提供在连续空间里学习和决策行为的能力。基于人工势场设置奖励函数，提高混合避障算法的收敛速度和准确率。使用Unity 3D构建了航母甲板高动态复杂场景，进行舰载机混合避障仿真实验。实验结果表明，PDDPG能较准确地实现航母甲板上舰载机的混合避障，与其他方法相比，在精度上提高了7%～30%。与DQN(deep Q network)相比，路径长度和转弯角度上分别减少了100个单位和400o～450o。     

模糊控制策略在避碰运动系统中的应用

目前多机器人避碰运动已经被广泛研究,其控制策略也多种多样.主要解决基于全景视觉传感器的多机器人多目标系统中机器人之间以及机器人和静态障碍物之间的避碰问题,提出了单个自主运动机器人的结构模型、自主机器人周围物体的态势模型以及移动机器人动态速度的快速检测方法.机器人的运动决策采用基于Step-Forward策略的模糊推理机制,实现机器人在动态环境中快速、准确的找到一条无碰撞的路径,最终达到目标点.仿真结果表明了该算法应用于移动机器人在动态复杂环境中的无碰撞运动具有正确性、实用性和智能性等优点,同时该算法计算量小,运算速度快,提高了机器人控制的响应速度.     

基于Backstepping的三轮机器人编队控制

针对具有非完整特性的三轮机器人的路径轨迹跟踪控制问题,使用Backstep-ping方法,提出一种多机器人协同编队控制策略.首先将基于领航—跟随模式的系统编队问题转变成跟随机器人对各自虚拟领航者的运动轨迹追踪问题,进而得到系统位姿误差运动学方程;然后运用Backstepping方法构建非线性系统的机器人协同编队控制策略...     

基于有限记忆的智能群体的群集运动与避障控制

在全局环境未知且存在静态障碍物的情况下,将群体扩展为具有有限记忆能力的智能群体,研究了该群体的群集运动及其避障行为.模型利用智能个体记忆单元的信息实时产生动态切换的拓扑网络结构;在人工势能结合速度一致策略的基础上,采用滚动窗口方法引入虚拟领航者,利用极限环方法解决群体避障问题,实现了快速且安全的群集运动控制.仿真结果验证了该模型的有效性.