群机器人自组织围捕多个入侵者的链阵方法

针对群机器人在二维给定区域自组织围捕多个入侵者问题提出了一种链阵方法.链阵中的机器人分为链首和链节,其中链首不但会环绕围捕目标运动而且能也只有它们能发布招募信息,以招募更多的机器人参与围捕同时又能使参与者不致太多.链节机器人则只需简单地跟随leader不停运动以形成链阵.机器人的运动由人工力矩运动控制器驱动,该控制器能使机器人在完成任务的同时而又不会发生碰撞.仿真结果表明,链阵方法可以根据实际需求动态调整链阵中的机器人数,能使围捕不同目标的机器人结成统一的链阵.链阵的不停移动则有利于机器人在数量较少时包围入侵者.

个体机器人局部路径规划的人工力矩方法

针对个体机器人的局部路径规划问题,定义了最优路径代表点、危墙代表点等概念,以优化路径和避障.设计了吸引矩、排斥矩两种人工力矩函数,其中吸引矩常使机器人的基本运动方向线(PMDline)指向最优路径代表点而排斥矩则总使机器人的PMDline背向相应的危墙代表点.基于两种人工力矩,设计了机器人运动控制器.在机器人通向目标的路径被障碍阻断时,该控制器总使机器人沿其PMDline以最大步幅运动,所以无论环境多复杂,机器人也不会停止运动,即不会被陷住.还给出了最优路径代表点的求解算法、局部路径规划的一般步骤及一个仿真.仿真结果表明,给出的方法是可行且有效的.

探测能力有限条件下群机器人队形的避障方法

在探测能力有限的条件下,即使群机器人队形中的跟随者有碰撞障碍的风险,领导者也常难察觉,这将导致部分机器人离队或难以保持给定队形。本文针对此问题提出一种基于局部信息的解决方法,根据局部障碍信息判断障碍对跟随者或其自身后续运动是否有潜在威胁。当有潜在威胁时,输出障碍信息,并在群机器人队形中接力传递,最终反馈给领队机器人以带领队形远离障碍。同时,对领队机器人和普通机器人的人工力矩运动控制器做出改进,保证机器人的安全,并且使避障轨迹更加顺滑。仿真实验证明,所提方法在领导者无法感知所有跟随者和障碍信息的情况下,仍能带领队形安全绕开障碍物。

一种基于人工力矩的动态队形控制方法

本文首先定义了距离最优对应,给出了求距离最优对应的方法–淘汰法的模型、原理和详细步骤,从而得到了一种确定各机器人对应节点的较优准则.然后为了使机器人在运动过程中,既能避开各种障碍,又能最终得到目标队形,定义了两种新人工力矩,并基于人工力矩为各种机器人分别设计了运动控制器.最后基于上述成果,提出了一种一般性的动态队形控制方法.该方法不但能动态地控制机器人队形,且由于优化了机器人的对应节点,所以优化了队形的形成时间.仿真结果表明该方法是可行且有效的.

基于改进的CautiousBug算法的机器人局部路径规划

CautiousBug算法中机器人在沿障碍物边缘绕行时,基于螺线绕行规则不断地调整绕行方向以逃离局部极值点,但调整模式单一,缺乏灵活性。为使机器人更易快速逃离局部极值点,将目标点作为参考信息,在螺线绕行规则中添加了绕行方向调整条件,提出了改进的CautiousBug算法。每当机器人到达螺线绕行规则中的绕行方向调整点时,都要根据绕行方向调整条件来判定是调整绕行方向还是继续朝原方向递进绕行,最终使机器人向更靠近目标点的方向绕行。根据CautiousBug算法中机器人成功逃离局部极值点的条件,添加的绕行方向调整条件可使机器人更易快速逃离局部极值点。仿真结果验证了该算法的有效性。

快速稳定收敛的一维搜索算法——水平割线法

根据经典的一维搜索算法———对分法和Newton切线法的基本原理,提出了一种新的一维搜索算法———水平割线法。介绍了该方法的基本原理,给出了详细的算法,并证明了算法收敛的稳定性。最后通过实例,把该方法与对分法、Newton切线法作了比较。

群机器人围捕多个入侵者的人工力矩方法

群机器人协作围捕多个入侵者的问题是一个富有理论和工程应用价值的问题。针对这一问题提出了一种基于人工力矩的自组织围捕方法。首先基于同盟、围捕曲线等概念给出了围捕机器人基于局部信息计算与调整吸引点的方法,来引导围捕机器人在向入侵者的运动过程中快速地形成理想的围捕队形。然后分别针对围捕机器人和入侵者设计了人工力矩运动控制器,以驱动围捕机器人向着各自吸引点的方向运动并最终完成围捕任务,入侵者则能向着远离围捕者的方向快速逃逸。最后对所提方法进行了仿真验证,以证明所提方法的可行性和有效性。

类二元分量函数矩阵定号性的判定与应用

为了寻找新的判定分量函数矩阵定号性的方法和技巧,在给出类二元分量函数矩阵及分量函数为分量正(负)定的定义后,证明了三个新的关于类二元分量函数矩阵定号性的定理,同时还举例说明了这些新定理在分量函数矩阵定号性的判定与广义二次型方法中的应用。理论和实例表明,对类二元分量函数矩阵定号性的判定,这些新结果比Svlvester判据更加方便、有效。

基于人工社会职位法自组织形成群机器人队形

针对群机器人自组织形成目标队形问题,借鉴人类在社会中求职的思想,提出一种自组织确定各机器人目标节点的方法——人工社会职位法;并结合该方法设计一种机器人自组织选择任务节点的调整算法。该算法可实时根据机器人探测到的信息,更换其下一时刻的目标节点,直至形成给定的几何队形为止。首先运用人工社会职位法的三个规则确定各机器人的下一个时刻对应的目标节点;然后人工力矩运动控制器驱动各机器人向自己的目标节点运动一步;下个时刻重复上述步骤,直到各机器人都到达一个不同于其他机器人的节点,从而形成目标队形。该方法不仅原理简单、计算量少;而且能较快速、合理的形成目标队形。Matlab仿真试验验证了该方法具有良好的可行性。

基于松散偏好规则的群体机器人系统自组织协作围捕

针对群体机器人协作围捕,提出了一种基于松散偏好规则的自组织方法.首先给出了个体机器人的自由运动模型和围捕行为的数学描述.通过对围捕行为的分解,构造松散偏好规则来使个体机器人在自组织运动过程中相互协调最终形成理想的围捕队形.在此基础上,设计了个体自组织运动控制器.最后运用Lyapunov稳定性定理证明系统的稳定性.仿真和实验结果表明,本文给出的自组织方法对于群体机器人协作围捕是行之有效的.

复杂局部地形中的实时路径规划算法设计

针对复杂局部环境中机器人实时自主导航问题,设计了"双向搜索多边形构造算法"和"基于势场函数的机器人运动控制器"."双向搜索多边形构造算法"能够在机器人被障碍物包围的环境下搜索出障碍物的包围多边形,从而获取基于障碍的最优行进路径;"基于势场函数的机器人运动控制器"是一个多变量控制器,输入矢量由吸引势场函数和排斥势场函数组成,输出矢量由速度和转角组成,该控制器控制机器人实际运动,使机器人能够有效躲避障碍物并逐步趋向目标点;控制器还设定了机器人运动的基本速度,解决势场为零时引起的局部极小化问题.与"沿墙走算法"、"人工势场法"等方法的实验比较表明,本文算法能够获得更好的优化性和实时性,具有更加广泛的实际应用范围.

非线性系统零解稳定性判定的广义二次型方法

为了寻找一种能充分利用矩阵理论构造非线性系统李亚普诺夫函数的方法,首先提出分量函数矩阵和广义二次型函数等概念,得到了如果一个函数的导数具有某种特定形式,则不需处理旋度方程,便可直接得到该函数的若干定理;然后提出一种构造李亚普诺夫函数和判定非线性系统零解稳定性的广义二次型方法,并举例说明了该方法的应用.理论和实例表明,该方法是一种充分利用矩阵特性,适用范围广且不需处理旋度方程的方法.

群机器人狭窄通道相遇问题的解决方法

对于群机器人狭窄通道相遇问题提出一种方法——最大有效时长法。该方法能够有效解决机器人死锁问题,并降低机器人的决策难度。与人工力矩控制器配合,能使机器人高效、迅速地通过狭窄通道到达目的地;并且方法简单、计算量少。最后,仿真结果证明能有效解决群机器人狭窄通道问题。

多机器人围捕的人工力矩方法

针对多机器人协作围捕问题,提出了一种基于人工力矩的自组织方法。给出了个体机器人的自由运动模型的数学描述和同盟、围捕曲线、吸引点的概念,并且围捕者根据局部信息对吸引点进行了适当的调整。同时设计了围捕者和入侵者的人工力矩运动控制器,使得围捕者在仅知道局部信息的情况下也能相互协调并最终形成理想的围捕队形。最后用Matlab仿真,结果表明,本文给出的自组织围捕方法是行之有效的。

基于PLC的水处理控制系统设计

在水处理自动控制系统中运用PLC系统可以有效提高自动化控制水平,还能够进一步提高生产效率,从而降低水处理自动化控制系统的生产成本,广泛地运用于水处理行业。因此,文章将简要地对PLC与水处理工艺流程进行介绍,再浅析PLC在水处理自动化控制系统中的应用,希望可以为行业革新带来新的思路。

复杂动态环境下基于改进的CautiousBug算法的机器人路径规划

通过对CautiousBug算法进行改进,提出了一种复杂动态环境下移动机器人局部路径规划方法.首先,针对移动机器人局部路径规划中局部极值点问题,CautiousBug算法中机器人在沿障碍物边缘绕行时,基于螺线绕行规则不断地调整绕行方向以逃离局部极值点,但调整模式单一,缺乏灵活性,为了使机器人更易快速的逃离局部极值点,本文将目标点作为参考信息,在螺线绕行规则中添加了绕行方向调整条件.其次,为了使机器人能安全避开随机移动的障碍物,在CautiousBug算法中添加了动态障碍物避碰规则,该避碰规则考虑了路径的局部优化,最终可以使机器人绕过随机移动的障碍物并规划出一条较优的安全路径.仿真结果验证了改进算法在复杂动态环境下的实时性和有效性.

组群机器人队形控制的人工力矩法

为了得到一种一般性的队形控制方法,首先给出了一种新的队形表示图:吸引线段式主-从队形图和组群机器人的系统模型.然后基于上述成果和文中定义的两种人工力矩:主吸引矩和从吸引矩,提出了一种新的队形控制方法:人工力矩法.文中介绍了该方法的基本原理,并给出了机器人运动控制器的数学模型.最后运用Liapunov稳定性定理证明了系统的稳定性并给出了仿真.理论和仿真结果表明,给出的队形表示图和队形控制方法是可行且有效的.

群机器人复杂搬运队形形成的人工社会职位法

针对群机器人搬运队形的形成问题提出了一种自组织人工社会职位法.该方法中每个机器人R_i在每个采样时刻都按如下步骤工作.首先R_i运用文中给出的人工社会职位法确定自己的搬运点.然后R_i的人工力矩控制器驱动R_i向着自己的搬运点运动一步,其中由于文中改进了该控制器中吸引线段及吸引点的求解方法,从而降低了计算量而机器人仍能光滑安全地运动到自己的搬运点.下一个时刻重复上述步骤直到形成满足条件的搬运队形.该方法不仅原理简单计算量少且无论搬运队形多复杂,系统总能快速地形成满足条件的搬运队形.仿真结果表明文中所提方法是可行且有效的.