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。

基于强化学习的多智能体系统目标围捕控制

针对多智能体系统目标围捕问题,提出了基于强化学习的目标围捕控制方法。首先,对多智能体系统进行马尔可夫博弈建模,设计能够控制系统到期望围捕状态并满足避障要求的势能函数,将模型控制与强化学习原理结合,利用势能模型引导的改进多智能体强化学习算法进行围捕。其次,在已有势能模型的基础上建立跟踪围捕和环航围捕2种围捕策略。前者通过设计速度势能函数实现多智能体一致跟踪。后者加入虚拟环航点,设计虚拟环航点势能函数实现期望环航。最终,仿真验证了多智能体强化学习围捕控制策略的有效性。

基于联合投标的多目标机器人围捕

针对多目标机器人围捕任务中的任务分配问题,提出了围捕机器人联合投标的拍卖方法,该方法考虑围捕机器人组合对任务的适应程度,机器人联合形成小组作为一个整体给任务投标,并针对组合过多,计算量大,通信量大的问题对该方法进行改进。最后在MuRoS仿真平台上对目标机器人为3个,围捕机器人为9个的情况进行了仿真实验,仿真结果显示联合投标用于任务分配是可行的。

一阶非线性系统单目标动态跟踪与围捕控制

针对一阶非线性系统的单目标动态跟踪与围捕控制问题,提出了一种联合跟踪与围捕算法:跟踪过程采用序列多假设跟踪算法(SMHT),在杂波环境中获得目标状态估计后,基于一致性理论设计了一种控制器实现多智能体系统对单目标动态围捕,把系统一致性问题转化为误差稳定性问题,利用代数图论、矩阵理论和Lyapunov稳定性分析的方法,得到了多智能体系统和动态单目标误差趋于常数的条件。仿真实验表明该联合跟踪与围捕算法使多智能体系统形成并保持一个固定编队围捕动态目标,实现了多智能体对单目标的动态跟踪与围捕。

群机器人自组织聚集行为及协同围捕研究

针对群机器人聚集行为模式的形成,建立了基于质点系力学系统、感知状态加权的自组织运动模型,实现了机器人运动状态的自主转移。建立了关于聚集行为的聚集度、均匀度等评价指标,通过实验分析比较不同模型的聚集性能,为群机器人自组织聚集行为模式的形成奠定了基础。使用分析选定的模型,对机器人群完成对目标的自组织围捕行为进行仿真试验,实现了不同群体规模的目标围捕功能,验证了模型的正确性。

基于改进鲸鱼优化算法的多无人机围捕

无人机围捕是一项具有挑战性和现实意义的任务,为使无人机可以成功有效地围捕移动目标,提出一种基于动态预测围捕点和改进鲸鱼优化算法的多无人机围捕算法。在环境未知,目标运动轨迹未知的情况下,首先利用多项式拟合预测目标运动轨迹,通过动态预测步数得到预测点,在其周围设置围捕点,然后使用双向协商法为无人机合理分配各个目标点。针对鲸鱼优化算法容易陷入局部最优的缺点,提出基于自适应权重和改变螺旋线位置更新的方法,从而提升算法的开发能力和搜索能力。最终在不同实验环境下进行多次实验仿真,实验结果表明了所提出算法的有效性。

基于合作自主定位的群体模式自动生成方法

传统的基因调控网络(Gene Regulatory Network,GRN)模型假设群体机器人具有对环境的全局认识能力,这就要求群体机器人所携带的传感器具有很强的性能.在实际中,由于群体机器人的传感器误差和外部干扰,群体机器人很难获得所在环境的全局信息.为此,我们提出一种基于合作自主定位的群体模式自动生成方法.该方法的优点是每个机器人事先在不知道自身和邻居的位置前提下,通过传感器测量出自身和邻居之间的距离,再利用三点定位方法确定群体机器人位置.所提出的方法是由一个三层基因调控网络模型所构成,即第一层负责群体机器人协作自组织定位.第二层是针对给定环境的自适应生成关于目标的群体模式.第三层是一个无中心化、分步式的控制机制,它驱动群体机器人机动到由第二层产生的群体模式上.最后,通过一些实验验证所提出的方法的有效性.

基于在线调整的群体聚合形态动态生成方法

目前大多数用于群体聚合形态生成的基因调控网络模型(GRN)不仅需要先验知识进行设计,而且在设计前假设环境是已知的。这些局限使在动态的、未知的环境下对GRN的设计往往是一个反复试错的过程。为此,本研究提出一种基于在线优化群体聚合形态动态生成方法。该方法将探测到的目标及其周围障碍物信息作为GRN的输入,通过在线调整策略动态生成适应当前环境的群体形态。首先,该方法设计一个基于在线优化的分层GRN,上层结构负责群体形态的自适应生成,下层结构负责引导群体机器人移到群体形态上。其次,该模型根据所检测到的环境信息,实时、自动地调用两种不同的围捕策略。具体而言,当检测到目标与障碍物距离大于等于预设的安全距离时,通过在线优化GRN的参数,生成自适应的群体形态对目标进行围捕。反之,则采用群体与障碍物合作的策略对目标进行围捕。最后,通过设计两个典型的仿真场景实验进一步验证了所提方法在受限环境下对动态目标围捕的有效性。

考虑浮绳联结的双无人船艇系统协同控制策略研究

针对青岛等海域浒苔泛滥成灾的问题,开展了由浮绳柔性连接两艘水面无人船艇构成的双无人船艇系统协同控制策略研究,通过双无人船艇系统清扫浒苔,并将其拖运至海岸。考虑系统中的无人船艇动力、浮绳力矩和水流产生的干扰力矩,建立了欠驱动无人船艇三自由度动力学模型,提出了基于距离的包含编队和跟踪两个模式的协同控制策略。双无人船艇系统作业时,结合系统受力、距离关系等智能选择合适的协同模式。相比于其他类似控制策略,本文控制策略的稳定性明显提高并拥有一定的抗干扰能力。仿真实验给出双无人船艇协同控制系统可胜任浒苔清扫任务,证实了上述控制策略的有效性。