考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader-following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader-following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader-following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader-following算法可以用于机器人的避障控制。     

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader—following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader—following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader—following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader—following算法可以用于机器人的避障控制。     

非完整移动机器人的复合编队控制

主要研究了非完整自主机器人之间的队形保持和避障问题,提出了一种新的复合编队控制方法,该方法根据机器人的期望位置在其运动约束区域内外的不同,分别以一种灵活的反馈线性化算法和最优近似目标算法来建立控制规则,并提出了编队环境中存在静态障碍物时的队形控制策略,从而实现多机器人的稳定编队控制．该方法降低了传统线性反馈控制对编队初始误差范围的要求,并且解决了非完整机器人编队的避障问题．实验结果表明了该编队控制方法的可行性和有效性．     

基于行为的机器人部队队形控制方案

提出了一种适用于实时动态环境下机器人力队的基于行为的分布式实时队形控制算法。研究了这种基于行为的方案在遇到大体积障碍物时行为,仿真过程表明该法既能使机器人动态分组、各自规划,又能机器人部队作为一个整体维持队形。该算法可使机器人形成和保持任意队形,同时集成了避障和导航的能力。最后指出了算法在控制机器人团队转向或避障运动时的问题出现的原因以及改进方法。     

基于行为的多机器人任意队形的控制

针对多机器人队形优化控制任务,提出一种快速收敛的机器人任意队形的控制算法。各机器人在奔向目标的过程中以队形的几何中心为参考点,自主地确定队形向量。在保持队形的过程中,采用动态死区法,通过对各个区域大小的控制达到对机器人速度的控制,维持规定队形。采用反向避碰、切线避障,根据各机器人间的位置,引入整体队形向量约束机器人的方向,达到机器人整体队形的方向与机器人运动方向一致。实验结果表明该算法可以快速、有效地完成各种编队任务。     

多移动机器人避障编队控制

研究多移动机器人避障优化设计,针对多移动机器人在障碍物环境下的编队控制问题,为了保持整体合理避障和控制系统的稳定性和安全性,提出一种多机器人避障编队控制策略.首先获得多移动机器人编队的队形结构模型,结合多机器人完成避障编队任务的问题描述;在此基础上引入导航函数采用一种避障编队控制算法,使移动机器人能以设定的队形运动到目标点,可保证编队运动过程中未与障碍物发生碰撞.进行仿真的结果证明,所提算法解决了多机器人编队与避障问题,并保证了闭环系统的稳定性与安全性,验证了设计方法的有效性.     

移动机器人编队的运动控制策略

为实现移动机器人编队的多样性、稳定性和队形变换连续性,并解决移动机器人编队运动中的避障、避碰、到达目标的问题,对基本队形进行分析,提出队形参数化的思路,建立基本队形虚结构的参数化数学模型,通过调整参数使队形在基本队形及其衍生的队形间进行变换;机器人在运行的过程中,利用行为融合方法、跟随领航者法、人工势场法和虚结构法对机器人进行运动控制,实现了机器人的避障、避碰、队形归建等目标。对上述策略进行了仿真实验,实验结果表明,使用本策略既保留了虚结构法队形稳定、队形归建迅速的优点,又改进了其灵活性差的不足。     

基于社团和多级拓扑的机器人群体编队算法

为解决机器人群体难以形成与保持稳定队形的问题,通过引入社团划分和牵制控制思想,提出了一种基于社团和多级拓扑的机器人群体编队控制算法。基于层次聚类算法,将机器人群体分成若干社团并找出每个社团中的固定牵制机器人;设计一种多级拓扑使其成为各社团中机器人的基准队形;设计了一种机器人群体编队及避障控制器,控制器中形状调节力和方向控制力分别解决了社团中可能出现的局部极小值和队形的结构方向不确定问题,实现了群体队形的形成与保持。仿真实验证明了该算法的有效性。     

移动机器人队形控制关键技术及其进展

在明确了多机器人队形控制国内外发展现状的基础上,以地面移动机器人为研究对象,从系统结构、机器人模型、队形形状表示方法、参考框架及编队控制策略等方面,对多机器人编队控制的研究成果进行了概述.同时,对队形形状生成、编队跟踪与协调、队形变换与重组以及编队避障等队形控制子问题的国内外研究近况进行了总结和分析.最终指出:研究统一有效的编队控制框架、障碍环境下的队形优化变换、降低系统对通讯能力的要求以及编队控制在实际物理环境下的应用是移动机器人队形控制领域未来可能的研究主题.     

移动机器人的队形控制及其主动避障

在这篇论文中, 我们利用一个统一的算法框架来解决移动机器人的队形控制和主动避障问题, 使得编队中的从机器人在避开障碍物的同时, 能够与被跟踪的主机器人保持期望的相对距离或相对方位. 在现有的关于主—从跟踪编队控制的文献中, 为了实现对主机器人快速准确的跟踪, 从机器人在跟踪控制时需要主机器人在惯性坐标系下的绝对运动速度作为队形跟踪控制器的输入. 然而, 在一些环境中, 主机器人的绝对运动状态很难获得. 这里, 我们将利用主—从机器人之间的相对速度来建立机器人编队系统的运动学模型. 基于这个模型的编队控制方法将不再需要测量主机器人的绝对运动速度. 进一步地, 上述的建模和控制方法被扩展为一个移动机器人的动态避障方法, 该方法利用机器人与障碍物之间相对运动状态作为避障控制器的信息输入. 利用由三个非完整移动机器人组成的多机器人系统, 验证了所提出编队控制方法的有效性.     

基于行为的机器人自适应队形控制

针对多机器人在未知复杂环境下的队形控制问题,将leader-follower法结合到基于行为法中,提出了机器人在复杂环境下采取跟踪链的方式穿越障碍,而后再重新组队,使机器人适应环境的能力增强,避免了机器人在复杂环境下掉队的现象.在避障活动障碍时,依据障碍运动趋势有预见的主动避开,使控制行为既简单又有效,仿真结果表明该队...     

Decentralized behavior-based formation control of multiple robots considering obstacle avoidance

This paper proposes a decentralized behavior-based formation control algorithm for multiple robots considering obstacle avoidance. Using only the information of the relative position of a robot between neighboring robots and obstacles, the proposed algorithm achieves formation control based on a behavior-based algorithm. In addition, the robust formation is achieved by maintaining the distance and angle of each robot toward the leader robot without using information of the leader robot. To avoid the collisions with obstacles, the heading angles of all robots are determined by introducing the concept of an escape angle, which is related with three boundary layers between an obstacle and the robot. The layer on which the robot is located determines the start time of avoidance and escape angle; this, in turn, generates the escape path along which a robot can move toward the safe layer. In this way, the proposed method can significantly simplify the step of the information process. Finally, simulation results are provided to demonstrate the efficiency of the proposed algorithm.     

Navigation of Mobile Robots Using a Fuzzy Logic Controller

This paper describes a mobile robot navigation control system based on fuzzy logic. Fuzzy rules embedded in the controller of a mobile robot enable it to avoid obstacles in a cluttered environment that includes other mobile robots. So that the robots do not collide against one another, each robot also incorporates a set of collision prevention rules implemented as a Petri Net model within its controller. The navigation control system has been tested in simulation and on actual mobile robots. The paper presents the results of the tests to demonstrate that the system enables multiple robots to roam freely searching for and successfully finding targets in an unknown environment containing obstacles without hitting the obstacles or one another.     

基于模糊Elman网络算法的移动机器人路径规划分析

为了调正移动机器人避障线路,建立了基于模糊Elman网络算法的移动机器人路径规划模型,并应用进行Matlab仿真分析。利用现有障碍物的距离信息来实现机器人步长的实施可控制与调节,防止移动机器人在做出准确避障行为之后因为没有设定合适的步长而导致撞上障碍物,以0.5作为机器人的最初运动步长。仿真结果表明,采用模糊Elman网络可以获得比其它两种方法更优的路径规划效果,同时对障碍物进行高效避让,由此实现最优的路径规划。采用模糊Elman网络来构建得到的路径规划算法能够满足规划任务的要求,同时还能够根据机器人处于不同工作空间中的情况进行灵活调整。     

通讯受限条件下的机器人编队算法

针对通讯受限条件下大规模移动机器人编队任务, 本文提出了基于行为的分布式多机器人线形编队控制 和避障算法. 机器人个体无需获得群体中所有机器人的信息, 而是根据传感器获取的环境信息和局部范围内的机器 人信息对其自身的调整方向进行预测, 并最终很好地完成了设定的编队及避障任务. 由于本文方法需求的通讯量不 大, 并且采用分布式控制, 因此该方法适用于大规模的机器人集群编队任务. 文中还给出了本系统的稳定性分析, 证 明了系统的稳定性. 实验结果表明该算法使得机器人能够仅通过局部信息形成线形编队, 在遇到障碍物后能够灵活 避开障碍物, 并且在避开障碍物进入安全区域后重新恢复线形编队.     

Cooperative localization and control of multiple heterogeneous robots using a string formation

This paper is on cooperative localization and control of multiple heterogeneous robots utilizing a string formation. This formation is preferred, since robots can move along a narrow passage utilizing this formation. Dead reckoning localization based on inertial measurement units leads to accumulated localization error. To avoid the error accumulation in dead reckoning localization, this paper introduces the last-move strategy for multiple heterogeneous robots. In the last-move strategy, a single robot is selected for maneuvering, and it turns on its bearing-range sensors for a short amount of time, in order to locate itself. While the selected robot moves, all other robots stop moving and perform as static landmarks for the moving robot. A robot may not maintain its desired course, in the case where environmental disturbance is severe. We thus develop a control strategy for avoiding obstacles while estimating the disturbance direction at a robot's location. To the best of our knowledge, this paper is novel in localization and control of a team of heterogeneous robots, considering the case where environmental disturbance is severe. The proposed localization process is energy-efficient, thus is suitable for practical applications. The performance of the proposed schemes is demonstrated utilizing MATLAB simulations.     

Navigating Multiple Mobile Robots without Direct Communication

A bulk of research is being done for the autonomous navigation of a mobile robot. Multirobot motion planning techniques often assume a direct communication among the robots, which makes them practically unusable. Similarly, approaches assuming the robot moving amid humans assume cooperation of humans, which may not be the case if the human is replaced by a robot. In this paper, a deliberative planning at the higher level with a new cell decomposition technique is presented, along with a reactive planning technique at the finer level, which uses fuzzy logic. Coordination among the robots in the absence of direct communication and knowledge of other robot's intent is a complex research question, which is solved using a simple fuzzy‐based modeling. Experimental results show that the multiple robots maintain comfortable distances from the obstacles, navigate by near optimal paths, can easily escape previously unseen obstacles, and coordinate with each other to avoid collision as well as maintain a large separation. This work displays a simple and easy to interpret system for solving complex coordination problem in multirobotics.     

一种新颖的基于二分法和模糊控制的移动机器人避障系统

针对超声波传感器波束角窄导致移动机器人存在避障盲区的现状,研究了一种新颖的超声波避障系统。该系统采用六个超声波传感器构成特别设计的超声波阵列,实现无盲区检测中大型移动机器人前方及左右两侧障碍物的位置,充分保障运行安全性;同时在避障算法上,采用二分法和模糊控制相结合的控制算法,简化了模糊控制规则使系统具有很好的智能性和实时性,实现了移动机器人选择最佳避障路径并对新增的动态障碍物进行避障。将此避障控制系统应用于移动机器人上,实验结果表明：在未知环境下,实现对移动机器人周边的无盲区检测,并且能够实时根据周围障碍物的动态情况选择最佳避障路径,避免了其它避障控制算法中易出现的误避障和二次避障的情况。     

Development of A Behavior‐Based Cooperative Search Strategy for Distributed Autonomous Mobile Robots Using Zigbee Wireless Sensor Network

To achieve efficient and objective search tasks in an unknown environment, a cooperative search strategy for distributed autonomous mobile robots is developed using a behavior‐based control framework with individual and group behaviors. The sensing information of each mobile robot activates the individual behaviors to facilitate autonomous search tasks to avoid obstacles. An 802.15.4 ZigBee wireless sensor network then activates the group behaviors that enable cooperative search among the mobile robots. An unknown environment is dynamically divided into several sub‐areas according to the locations and sensing data of the autonomous mobile robots. The group behaviors then enable the distributed autonomous mobile robots to scatter and move in the search environment. The developed cooperative search strategy successfully reduces the search time within the test environments by 22.67% (simulation results) and 31.15% (experimental results).     

Data transferring model determination in robotic group

This paper describes the basic idea of data transferring in the group of robots while they move in an area with a high density of obstacles with the goal of increasing their movement speed by creating and synchronizing an area map that is made by each robot separately. This paper provides a brief review of existing robotic swarm projects and definition of the problems in robot teamwork, shows pathfinding methods and their analysis, justifies our technical vision system choice and describes its method of obstacle detecting that is based on dynamic triangulation. According to some behavioristic models, using fuzzy logic, the method of leader changing was used. This knowledge helps with the choice of appropriate models of data transferring, makes their simulation and creates a proper network between the robots to avoid data loss.