基于多智能体遗传算法的多机器人混合式编队控制

提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。     

基于纯角度观测信息的leader-followers机器人编队控制方法

提出一种纯角度观测信息的leader-followers多机器人编队控制方法.多个跟随机器人(followers)仅观测其领航机器人(leader)角度信息;基于非线性系统可观测性的理论研究,这种纯角度观测信息能够满足leader-followers的可观测性要求;利用无迹卡尔曼滤波算法对leader-followers机器人系统的状态进行估计,根据状态估计结果设计了输入-输出状态反馈控制规律控制跟随机器人运动,以达到理想的编队效果。仿真验证了该方法的可行性。     

多移动机器人的协同编队控制

为了解决多移动机器人的协同编队控制问题,提出了一种基于运动学模型的编队控制方法。该方法在领航-跟随编队控制结构的基础上引入虚拟机器人,在全局坐标系下建立跟随机器人与虚拟机器人的误差方程,将编队问题转化为跟随机器人对虚拟机器人的轨迹跟踪问题,在此基础上设计编队控制器,并证明了在该编队控制器作用下跟踪误差能够收敛到原点的小邻域内。仿真与实验结果表明:编队系统稳定运行,即当t→∞时,位姿误差(x_e,y_e,θ_e)将收敛到原点的邻域内,速度趋近一常值。     

一种多机器人编队控制策略及实现

针对多机器人协作系统中机器人编队控制问题,采用了一种基于运动学的领航-虚拟跟随法的编队方法,并在跟踪控制方面对算法进行了改进和修正。MATLAB软件仿真以及在HR-I型双轮差速移动机器人实验平台上的实验证明,改进算法能够达到更好的编队效果。     

多机器人领航-跟随型编队控制

为控制多机器人协作系统中跟随者机器人的输入速度v和加速度a不超过其额定值v_m和a_m,设计了一种速度和加速度受限的领航-跟随型编队控制算法,此算法设计了两个一阶滤波器,作为控制器的两个反馈信号,且此反馈信号及其导数的大小受限于两个滤波器参数.通过李雅普诺夫理论证明了闭环系统渐近稳定,仿真和实验结果表明,编队机器人可以稳定地组成设定的队形并且保持队形运动,且其运行速度和加速度均在设定的范围内,即当t→∞时,位姿误差ex,ey,eθ将收敛于0,且vv_m,aa_m.     

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。     

基于双幂次滑模的多机器人编队控制

本文研究了基于领航跟随法的多机器人系统编队控制问题.首先,基于队形约束,给出跟随者期望的轨迹,将编队问题转化为单个跟随者的轨迹跟踪问题.在此基础上,基于双幂次滑模趋近律,设计了跟随者的线速度和角速度控制器,保证了跟踪误差能够快速收敛到零,从而保证了编队队形的稳定.最后,通过仿真验证了所提方法的有效性.     

三维环境下基于反步法的多机器人编队控制

针对两轮式移动机器人在复杂环境下的编队控制问题,提出一种基于虚构领航法和反步法,并结合人工势场法策略的多机器人避障编队算法。首先,详细分析多机器人系统在三维空间下的编队模型,并利用空间投影方法将其映射到二维平面进行分析。其次,将运动学模型转化为链式形式,并通过正则坐标变换,将误差系统形式转换成串联非线性系统。然后运用Backstepping方法构造轮式机器人追踪系统的Lyapunov函数,设计出针对轮式机器人的轨迹跟踪控制器。再结合人工势场法避障策略,完成多机器人复杂环境下的编队任务。最后,通过多机器人轨迹跟踪的两组仿真实验,验证了所提出方法的有效性。     

基于车间通信的车辆编队控制方法设计

传统的跟随领航者编队控制器在实际情况中难以准确获得领航车辆运动状态,并且其内部参数可能受到外部干扰的影响而具有不确定性。对此本文设计了基于自适应控制理论中变量估计方法的反馈线性控制器,提出了基于车间通信技术的控制器改进方法。首先,通过变量估计方法提高了控制器参数中的相对距离的精确度;然后,通过车间通信技术保证了接收到的领航车辆运动信息的准确性;最后,在VS2010和Simulink环境下进行了联合仿真实验,验证了算法的有效性。结果表明:基于车间通信技术和自适应原理的跟随领航者编队控制方法能有效完成编队任务,误差较小且收敛,为智能网联汽车的发展提供了一定应用价值。     

基于多机器人编队控制的大件物品协同搬运

针对多移动机器人的协同搬运控制问题,基于领航-跟随者策略设计多移动机器人编队控制器。利用编队参数和领航者位置信息将编队控制转换为跟随者对虚拟机器人轨迹跟踪,实现编队的队形控制;利用反演法设计运动控制器,实现移动机器人轨迹跟踪控制;利用Lyapunov函数分析闭环系统的稳定性。仿真结果表明,编队中的移动机器人能够快速形成和保持给定的编队队形,并沿期望轨迹移动,实现了大件物品的协同搬运。     

分布式预测的无人机编队控制

针对四旋翼无人机编队形成与保持问题,文中设计了一种分布式预测控制方法,基于状态输入约束下的编队运动模型,将编队的形成与保持过程转化为在线滚动优化问题,设计了分布式交互控制律,给出了编队系统稳定的充分条件,并以文中算法和未引入假设状态轨迹代价函数的控制算法进行了仿真和对比。仿真结果表明：相较于传统算法,文中算法编队在队形保持方面将队形误差收敛速度提高1 s;在轨迹跟踪方面将位置误差收敛速度提高2 s;并且3个方向速度均能在2 s左右达成一致最终收敛至期望速度。证明了文中所设计控制算法的有效性。     

模型预测控制下多移动机器人的跟踪与避障

提出了一种基于距离和速度的机器人之间的避障方法,通过与机器人避开障碍物的人工势场法相结合,建立一致性控制编队控制协议。首先,建立机器人之间的通信拓扑关系,以便机器人之间的信息交流。在编队控制层面上,设计具有避碰的编队控制律。然后,在编队跟踪层面上,运用模型预测控制方法,将编队误差运动问题按代价函数转化为最小优化问题。为了在线高效地求解该优化问题,运用了一种广义投影神经网络优化的方法,以便最优解作为控制输入。最后,对多移动机器人编队进行了仿真,验证了所提出策略的有效性。     

基于PSO算法虚拟Leader的多机器人编队控制

针对leader-follower编队方法的不足,引入分散化编队控制策略并提出了基于PSO算法的虚拟领航者的多机器人编队控制方法。引入一个基于改进PSO算法进行路径规划的虚拟领航者,控制编队方向;同时通过信息共享,领导者带领追随者跟踪虚拟领航者的踪迹,完成编队队形维护和控制,从而有效地避免队形陷入局部最优及避免角度的骤变引起队形不稳的问题。在仿真平台上进行仿真和分析,在实物平台得以验证。     

基于网络模型的多机器人编队优化研究

多个机器人要形成一个稳定的队形,系统内必须有信息的传递和交换.根据多机器人的物理约束、信息交换和控制策略建立了多机器人编队的网络模型,提出了改进的粒子群多目标优化算法(MPSO),并利用该算法对多机器人编队系统实现了优化控制.从仿真结果看,6个机器人能快速地从三角形状变换到直线编队,且变换过程中没有相互的碰撞,队形误差也很小.     

多机器人混合编队控制

提出了一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法.采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中.改善了基于反馈的跟随领航者方法不能快速适应大角度的队形变换的问题.在AmigoBot机器人平台上的实验证明表明该方法具备一定的可行性.     

多机器人混合编队控制

提出一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法. 采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中,从而改善了基于反馈的跟随领航者方法不能快速适应大角度队形变换的问题. 在AmigoBot机器人平台上的实验证明,该方法具备一定的可行性.     

基于分解策略的多机器人编队控制方法

根据多机器人在不确定环境中编队智能行进控制的要求,以多移动机器人为对象,提出了一种基于分解策略的多机器人编队控制方法,将复杂的多机器人编队问题分解为若干组2个机器人之间的协调问题.建立了多机器人编队的基本队形模型,提出了基于主从方式的多机器人控制策略,根据基于行为的方法设计了机器人的基本子行为,通过带权值的各子行为的叠加合成得到机器人的最终行为,给出了机器人的速度调节方案.计算机仿真结果验证了该方法的有效性和可行性,具有较好的可扩展性.     

基于Web的多机器人远程控制

多机器人编队的远程控制会面临协作环境不确定、信号传输延迟等困难,在Web模式下采用基于事件的远程控制策略会克服这些困难并使系统具有稳定、安全、可靠和高效率等性能.编队控制时采用“领队跟随”的控制策略也可以使多机器人具有高度的自组织能力.3个Pioneer3机器人的三角形编队实验验证了所选用系统和控制策略的合理性和有效性.     

时变领航情况下多智能体网络一致性分析与应用

针对个体动态为一阶积分器的多智能体网络,研究时变领航情况下网络的一致性.当只有部分个体已知领航者状态时,基于智能体间的相对状态,提出分布式控制协议,应用图论、矩阵理论和稳定性理论给出有向固定拓扑网络实现一致的充要条件及算法.拓展算法至当智能体间具有固定相对状态偏差时,给出分布式控制协议和网络实现一致的充要条件及算法.仿真实验结果表明:基于文中算法的控制协议可以实现只有部分智能体已知时变领航情况下的一致性追踪,基于拓展算法的控制协议可使多车辆在一定时间保持理想编队.该研究结果对于多智能体协调控制问题具有参考意义,也为多车辆编队控制问题提出新的思路.     

基于Leader-follower与人工势场的多移动机器人编队控制

目的 提出一种基于Leader-follower法和人工势场法相结合的多移动机器人编队控制方法,从而克服传统Leader-follower法中由微分方程确定的控制率无法将队形控制与避障统一的缺点.方法 确定关于参数l和φ的人工势场函数,通过控制参数l和φ,使多移动机器人保持预定队形;机器人follower通过主动避障方法躲避障碍物,确定一个总的人工势场控制队形和避障.结果 算法能使多移动机器人系统成功地进行编队和避障.结论 通过仿真试验,机器人系统能够顺利通过狭窄通道,躲避静态障碍物和动态障碍物,并在避障后恢复队形,顺利到达目标,算法简单,从而验证了算法的有效性.