基于队形向量的机器人部队队形控制

多智能体协作完成特定任务是多智能体领域的一个基本问题 .本文结合多智能体理论和基于队形向量的队形控制算法 ,提出了一种改进的基于队形向量的控制机器人部队形成任意形状的队形的分布式队形控制算法 DFC.仿真的实验结果证明 ,该算法比现有算法功能完备 ,控制简单     

一种保持Agent团队队形的路径规划方法

Agent团队能够在动态环境中完成复杂的任务,路径规划同题是Agent团队研究的主要问题之一.对Agent团队的路径规划问题进行了分析,提出了一种保持Agent团队队形的规划算法(ATPP).该算法是一种集中式的全局规划方法,使用改进的A*算法得到Leader的路径,通过对Leader路径的优化得到关键点表和队形转换表,利用关键点表和队形转换表得到团队中非Leader成员的路径.队形转换表可以使行进中的队形变换更合理,并且减少了队形维护时需要的通信量.通过调整算法中的两个影响因子,可以分别得到侧重于队形和侧重于距离的路径,改进了Hao的方法.     

快速收敛的机器人部队任意队形分布式控制算法

针对多智能体协作完成特定任务时难以在全自主控制的前提下协作形成任意队形和队形向量不易确定的问题 ,通过由各智能体自主简单的确定自己的队形向量 ,从理论上扩展基于队形向量的队形控制原理以生成任意队形 ,改进机器人的运动方式以提高收敛速度 ,提出一种快速收敛的机器人部队任意队形分布式控制算法 .仿真结果表明 ,该算法可以形成任意队形 ,比现有控制算法的收敛速度快 ,队形收敛所需的时间仅为现有算法的 10 %左右     

基于一致性理论的多机器人系统队形控制

首先回顾了多机器人系统队形控制方面的成果；然后提出一个多机器人队形控制的模型．该模型可描述多机器人之间相互作用固定和动态切换两种通信拓朴结构，也能描述多机器人系统队形的分布式控制方法和基于leader的控制方法，还能表示多机器人系统奔向目标点的行为，在此基础上，利用一致性理论，对系统的稳定性条件进行分析．最后通过仿真证明了该方法的有效性．     

基于Leader-Follower的分队队形控制寻径算法研究

在战场环境中,战术分队的队形在面对复杂静态或动态障碍物难以较好地保持,针对此问题,提出了基于Leader-Follower算法的改进队形控制方法。在Leader寻径阶段,通过在战场导航网格中应用两阶段路径搜索方法,先使用A*算法寻找由三角形通道和可利用地物组成的路径,再使用改进的Funnel算法在考虑队形规模的约束条件下对路径作平滑处理。在Follower跟随阶段中,通过采用morphing技术,产生在复杂障碍约束下平滑的中间约束队形序列,并结合提出的队形弹簧模型,局部修正并控制Follower每一时刻的速度。为解决面对动态障碍的避碰问题,基于相对速度障碍法,并加入速度协同控制,避免队形在避碰过程中失效。最后通过实验表明了该方法的有效性。     

基于群体智能策略的编队控制

本文针对动态环境下多机器人形成动态目标队形的问题,提出一种基于粒子群算法的新方法作为多机器人快速编队的智能算法。该算法引入了贪婪机制,加快了收敛速度;同时为了防止贪婪机制陷入局部最小值,通过定义两个概率实现智能交换:一个概率表示“中心靠拢”,另一个表示“区域覆盖”。仿真结果表明,该算法能有效形成动态目标队形。而且该算法能够解决离散变量问题,具有广阔的应用领域。     

基于行为的多机器人队形控制仿真研究

采用基于行为的控制方法,设计了多机器人队形控制的五个子行为:奔向目标、躲避障碍物、围绕障碍物、保持队形和随机扰动。在子行为设计中引入了阶梯控制区法,提高了队形控制的容错性。使用Teambots仿真平台对典型的直线队形控制进行了仿真。针对单向虚拟参照点法队形控制不稳定的情况,采用双向虚拟参考点法对控制方法进行改进,根据运行时间对改进的队形控制方法进行了评估,实验结果表明,改进的方法大幅提高了队形控制的稳定性与系统运行效率。     

多移动机器人队形控制的研究方法

本文从基本思想、优缺点等方面论述了进行多移动机器人队形控制的三种研究方法.介绍了 一种包含这三种方法的系统体系结构，并对该体系结构进行了评价，指出了需要进一步研究 的问题．     

基于Motor Schema的多移动机器人队形优化控制

针对多移动机器人的队形优化控制任务,引入4种基本行为,即奔向目标行为、保持队形行为、避免与静态障碍物碰撞行为、避免与其它机器人碰撞行为.为了实现行为的决策,机器人采用基于MotorSchema的结构,并通过遗传算法优化行为合成所需的控制参数.仿真结果表明,所提出的方法是可行的.     

SimuroSot_5V5仿真平台中基于态势评估算法基础上攻防转换的研究

本文在态势评估算法的理论基础上讨论了仿真平台上机器人足球的进攻防守策略,针对常见的防守情况给出了详细的应对策略,探讨了在仿真平台上如何快速的攻防转换。     

不确定环境下多机器人的动态编队控制

提出了一种不确定环境下多机器人的动态编队控制方法．通过队形参数矩阵确立多机器人之间的相对 位置关系,将全局队形控制问题转化为跟随机器人离轴点对虚机器人（与领航机器人运动方向一致,且对领航机器 人保持期望的相对距离和观测方位角）离轴点的跟踪．基于建立的跟随机器人和领航机器人之间的误差跟踪系统模 型设计相应控制律实现队形保持,并提出了防止机器人与障碍物及其它机器人碰撞的避障策略．仿真结果表明了所 提方法的可行性和有效性．     

无人机三维编队飞行的鲁棒H∞控制器设计

针对无人机编队控制中模型不确定性与外干扰同时存在的情况,首先基于无人机自身的自动驾驶仪和编队运动学关系建立了无入机编队的三维数学模型,这种建模方式物理意义明晰;进而提出一种基于鲁棒H∞控制理论的编队控制器设计方法,按前向、侧向和垂直方向3个通道分别设计控制律,降低了鲁棒控制器的调参难度,简化了三维编队控制问题.仿真结果表明了所设计的控制器的有效性,可实现无碰撞、快速、稳定地保持和调整无人机编队队形,具有良好的鲁棒性能.     

基于虚拟力的群机器人队形控制

提出了一种基于虚拟力的群机器人队形形成原理,提出了一种使用拟合法构建虚拟力模型的方法及其应用。实验结果表明该方法可以快速、有效地完成队形分布,并指出了今后的研究方向。     

基于远方优先的机器人足球角色分配策略的研究

研究了在机器人足球赛中队员角色的动态分配策略.通过球员的站位分配阐述了距离最短分配算法的缺点,在距离最短分配算法的基础上提出了远方角色优先分配算法.远方角色优先分配算法考虑了队员站位过程中的相互避障,队员能量消耗的均衡和运动距离短等因素,基于典型的防守队形-半包围队形,通过实验仿真验证了远方角色优先分配算法的优点,在实际应用中也取得很好的效果.     

对队形控制的思考

首先指出多机器人队形控制研究要解决的主要问题,并较为完整地阐述了当前国内外相关研究的状况．然后总结了队形控制的各种研究方法,并指出当前队形控制研究中存在的一些问题以及在实际设计队形控制系统时应考虑的问题．最后指出了今后的研究方向．     

一种地面防空编队抗饱和攻击能力的算法设计

为合理部署地面防空编队队形,基于拦截批次最大化原则,提出一种计算地面编队抗饱和攻击能力的算法。首先建立敌方导弹和地面编队模型,得到了敌方导弹和地面编队之间的相对距离;然后计算地面编队的探测概率;最后根据相对距离和探测概率模型,得到了计算地面编队抗饱和攻击能力的算法。仿真结果表明,基于该算法所设计的队形在威胁范围内防御能力均衡,抗饱和攻击拦截批次能力强。     

机器人足球比赛防守与进攻队形转换的研究

随着机器人足球的发展,机器人防守和进攻的队形对于比赛显得尤为重要.为了加强机器人足球比赛中的防守和进攻,文章通过分析足球在不同区域时防守队形的选择、防守与进攻的队形转换、以及在极端情况下剩余机器人的有效利用等几个问题,研究和设计机器人防守和进攻队形转换的算法和策略.机器人队形的选择采用人性化的方法,大大提高了队形的形成...     

基于视觉传感器的小型多AUV系统队形排列

针对海底体积较小(或彩色)目标物体的搜索,基于视觉传感器的多AUV系统成为一个研究热点.为构建一个给定队形(平面金字塔队形),将系统中的同构小型AUV单元有序地集合在一起,基于视觉传感器得到的相对位置及罗盘得到的全局方位,提出一种基于局部位置的队形控制方法.该控制算法包含两部分:1)采取邻居互查机制以区分AUV身份ID;2)提出复杂度为$\mathcalO$(nlogn)的避碰策略,优化平面金字塔队形的位置与姿态,并为每个AUV规划无交叉直线轨迹.在Blender搭建的无障碍深海仿真环境中,通过4sim7个具有ROV结构的同构AUV (CISCREA)重复构建平面金字塔队形,对所提出方法的性能进行测试.仿真结果表明,所提算法具有较好的可行性与稳定性.     

多智能体系统的队形控制方法及应用综述

多智能体系统队形控制的研究主要集中于队形形成、队形保持和队形变换3个方面;首先,介绍、分析了多种队形控制方法,包括轨迹跟踪法、行动选择法、假想刚体法、网络关系图分析法、动态编队法、虚拟势场法、学习控制法和混合控制法等;其次,对移动机器人、无人机、水下机器人等多智能体系统的队形控制应用进行研究;然后,给出了近年来多智能体系统队形控制的研究进展,包括基于复Laplacian矩阵的多维空间队形控制方法,其它领域技术(云计算、图像处理等)用于队形控制的研究成果,并对基于队形控制的多移动机器人和无人机搬运作了介绍;最后,给出了当前队形控制研究中尚未解决的问题,包括队形扩展,队形稳定性,通信、传感器功能,异构多智能体系统队形控制和机械臂编队等。     

一种改进的多机器人任意队形控制算法

针对快速收敛的机器人部队任意队形控制算法中存在的问题，提出一种改进的多机器人系统模型和控制算法．新方案中详细讨论了基于全局通信的机器人集合划分方式，机器人可以以多种策略选择跟踪对象，并且新的系统模型和控制算法能够用于具有不同高度的机器人、目标和障碍物的情形．理论分析表明新方案尽可能多地减少智能体机器人之间的冲突及等待时间，更接近实际应用． 