面向目标搜寻的多UUV编队协调控制

针对多水下无人航行器(UUV)抵近海底的目标搜寻任务,提出了面向目标搜寻的多UUV协调编队控制方法;首先,控制UUV编队进行地形跟踪,实现对海底环境的大面积扫描;在声呐探测到可疑目标后,UUV开始下潜并进行队形收缩进而实现目标的精确定位;在设计控制方法过程中,提出了分散式控制策略,将单个UUV的路径跟踪控制问题与多UUV间的协调问题解耦;其中,利用基于反演的自适应滑模控制算法设计单个UUV路径跟踪控制器,使得路径跟踪误差E(t)渐进趋于无穷小;并将基于虚拟领航者的改进人工势场法引入多UUV编队协调过程,通过控制虚拟领航者的运动间接控制整个编队的运动,实现编队稳定;通过仿真实验验证了文中所提出方法能够控制多UUV实现抵近海底的目标搜寻任务。

面向动目标围捕的Multi-UUV编队协调控制研究

针对动目标围捕过程对Multi-UUV编队结构的灵活性要求较高的问题,基于欠驱动UUV的数学模型,在目标轨迹能够准确预测的前提下,改进了协调编队运动控制器。协调编队运动控制器的控制目标是在Multi-UUV编队跟踪并围捕动目标过程中,避免Multi-UUV之间,UUV与障碍物以及UUV与动目标之间的碰撞并以稳定的编队结构围捕动目标。将控制器设计过程分解为运动学控制和动力学控制。在运动学控制部分,实现动目标跟踪、UUV之间避撞及UUV偏航角误差为零的控制目标。在动力学控制部分,应用反步法设计实际的控制输入。仿真案例验证了协调运动控制器在动目标围捕中的有效性。

一种基于行为效用理论的多移动机器人编队协调方法

本文提出了一种基于行为效用理论的多移动机器人编队协调方法 ,用于解决多移动机器人编队初始化问题 ,实现自治的多移动机器人按特定的空间结构进行编队以完成特定的任务 .我们对编队问题协调控制策略和算法进行了研究 ,给出了行为效用方程及两个衡量值 ,并针对编队问题的协调控制过程中目标点重复决策问题及偏远目标的选择问题进行了探讨并给出了相应的改进协调方案 ,计算机仿真试验验证了本文所提方法的有效性和可行性 .

不同时变延迟下的多AUV编队协调控制

针对无领航者AUV编队协调控制问题,提出了一种不同时变通信延迟下的一致性协调控制方法;首先考虑到AUV之间水下通信存在时间延迟和数据丢失的问题,利用状态反馈线性化理论处理AUV数学模型中的非线性耦合项,从而将复杂的AUV模型转换为双积分器动态模型;其次,针对不同延迟通信情况,设计了位置和速度双独立的拓扑结构以减少编队成员之间发送每个数据包中的数据量;最后,提出了无领航者的多AUV稳定条件,进而将多AUV编队控制问题看作是一致性问题,基于Laypunov-Razumikhin定理证明时延多AUV编队系统的稳定性;该控制方法不仅能够克服不同时变延迟和数据丢失对编队的影响,使所有以随机位置和速度出发的AUV的三维轨迹均能达到一致状态,同时能抑制外界干扰;仿真结果与所提控制方法理论结果一致。

多AUV编队协调模糊控制策略

针对海域不同障碍环境,从运动学特性出发,提出了一种多自主水下航行器(AUV)编队避障策略。该策略是在领航-跟随法的基础上,利用编队队形的几何关系,引入虚拟AUV,再采用模糊控制避障策略,使编队能顺利通过障碍物,到达目的地。同时该策略有很好的柔性性质,能够根据障碍环境信息的不同,编队系统能保持初始编队队形运动或者适时改变编队队形运动。仿真结果表明,该策略能有效引导AUV编队系统避障。

面向冲突化解的双线交汇区段列车编队双层优化模型

针对虚拟编组列车在双线交汇区段上面临的冲突与通过效率问题,提出了多种速度组编协调策略。将列车汇入时间、次序、编队组合和速度序列决策集成在双层优化模型中,上层模型优化通过效率,下层模型提高编队质量;设计双层嵌套粒子群算法,将汇入时间作为双层模型的中间交互变量,使列车群能根据环境需求收敛于不同队形。仿真结果表明,加入协调速度优化可以提高组编过程效率,双层编队模型可以在确保编队结构稳定性和均衡性的同时提高既有线路通过率。

海流干扰下的多UUV编队路径跟踪

论文主要研究多UUV编队在海流干扰下进行空间曲线路径跟踪的问题,并将其分为单个UUV的路径跟踪和多UUV编队协调控制两个子问题,提出了结合编队协调策略的跟踪方法。在路径跟踪问题中,设计了海流观测器以得到未知的恒定海流速度,并将其视为对UUV运动的外界干扰,基于此进一步构建了UUV运动学路径跟踪器。利用Lyapunov理论证明了系统轨迹在观测器和非线性控制律作用下的有界性和收敛性。在多UUV编队协调控制中,将控制问题转化为图论的形式,利用图论的相关理论对信息协调同步策略进行分析,基于编队协调策略设计了协调控制器,实现编队稳定,仿真验证了该算法是有效可行的。

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.

基于领航跟随法的多AUV编队控制算法研究

针对已知路径下基于领航者的多自主水下机器人(AUV)编队队形控制问题,提出了一种AUV路径控制和编队协调控制相结合的新型编队控制器。其中,AUV的路径跟踪控制采用反步滑模控制器,将AUV位置、姿态和时变速度跟踪转化虚拟速度控制,使AUV能达到期望的位置、速度等,避免了反步控制中的奇异值问题,并能够很好实现不确定的模型的控制,同时又提高了跟随者协同定位精度;在路径跟踪控制基础上,编队协调控制器将领航者与跟随者的位置误差控制转化为跟随者的速度误差控制,使跟随者能快速达到期望位置,从而使所有AUV实现期望的队形并保持。仿真实验对该控制策略进行了可行性验证,结果表明,该算法提高了编队的响应速度、控制精度和稳定性;再应用3台AUV进行了湖上试验验证,证明了该控制策略的有效性,能有效应用到实际中。