变电站巡检机器人室内外无缝定位算法研究

为提高巡检机器人在变电站室内外交互的复杂场景下的定位性能,提出了一种基于传感器精度和多源信息融合的无缝定位方案,通过室外GPS/IMU组合定位和室内AMCL定位的平稳切换,实现了巡检机器人在变电站室内外交互环境下的无缝定位。同时针对定位过程中的机器人绑架问题,利用GPS定位信息辅助AMCL算法重定位,提高了定位算法的鲁棒性。在仿真实验场景下对该算法进行了实验,结果表明,在变电站室内外切换场景下,该算法可以获得稳定连续的定位数据,其均方根误差相比GPS/IMU与AMCL单独定位分别降低了63.4%和54.9%,机器人重定位时间相比原算法降低了47.1%。

周期事件触发的多智能体分布式凸优化

基于周期事件触发机制,研究了具有时变时滞的多智能体系统在强连通有向拓扑下的分布式凸优化问题,提出了一种分布式事件触发零梯度和算法。与时间触发的分布式优化算法相比,该算法可以降低网络系统中的通信负载,具有能耗低和通信成本低的优点。此外,还证明了智能体的状态渐近收敛到全局最优点。由于事件仅在周期时刻进行检验,那么相邻事件触发时刻的时间间隔的下界是采样周期h,可以直接排除Zeno行为。最后通过数值模拟说明了理论结果的有效性。

线性多智能体系统的自适应动态事件触发一致性

本文研究了一般线性多智能体系统的自适应动态事件触发一致性问题。通过提出一种分布式自适应事件触发控制协议,有效避免了对网络拓扑全局信息的依赖,降低了通信频率。在给出的事件触发条件中,为每个智能体引入一个辅助函数来动态调节其阈值。与传统的静态阈值相比,动态阈值能够保证更少的事件触发时刻。首先,通过模型变换,将多智能体系统的一致性问题转化为相应误差系统的稳定性问题。进一步,利用代数图论和Lyapunov稳定性理论,得到了多智能体系统达到一致的充分性判据。同时,证明了在所提出的事件触发条件下,能够有效地排除Zeno行为。最后,通过仿真实例验证了理论结果的有效性。