基于分布式参考校正的多机器人编队控制

针对避障、外部干扰和迟滞等实际的多机器人编队控制问题,提出了一种基于分布式参考校正的控制方法。通过采用人工势场法和干扰观测器,解决了非匹配不确定性的避障问题。定义不可达参考场景描述了多机器人在试图避开障碍物时的被动修正行为,并为每个机器人设计了分布式参考校正算法,减弱被动校正行为带来的不利影响,保证每个机器人位置跟踪误差的有界性。考虑已知的执行器迟滞效应,在电流控制律中添加了Bouc-Wen迟滞补偿器。利用Lyapunov稳定性理论验证了避障的有效性。最后,在MATLAB环境下基于多机器人系统进行了数值仿真和比较,以证明所提出的算法和控制器的有效性,实验结果表明该方法可以在具有外部干扰和迟滞等实际问题下形成稳定的多机器人编队控制,对路径上的障碍物进行无碰撞避障,提出的分布式参考校正算法减弱了被动校正行为,提高了系统的稳定性。

多机器人编队的人工势场法控制

针对多机器人编队控制中的队形形成问题进行研究。利用控制算法中的人工势场法解决多机器人队形形成问题,结构简单、易于计算,方便对多机器人实时控制。首先,针对多机器人的队形位置用目标点搜索算法,寻找到正确的队形位置点,防止多机器人在空间内绕路,减少编队时间;然后,通过人工势场算法规划各机器人的路径,在机器人行进过程中,利用优先级蔽障方法避免与其他机器人碰撞;最后,对多机器人的队形形成进行仿真,实验证明队形形成的有效性,算法简单易于实现。

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。