移动机器人编队的运动控制策略

为实现移动机器人编队的多样性、稳定性和队形变换连续性,并解决移动机器人编队运动中的避障、避碰、到达目标的问题,对基本队形进行分析,提出队形参数化的思路,建立基本队形虚结构的参数化数学模型,通过调整参数使队形在基本队形及其衍生的队形间进行变换;机器人在运行的过程中,利用行为融合方法、跟随领航者法、人工势场法和虚结构法对机器人进行运动控制,实现了机器人的避障、避碰、队形归建等目标。对上述策略进行了仿真实验,实验结果表明,使用本策略既保留了虚结构法队形稳定、队形归建迅速的优点,又改进了其灵活性差的不足。

含未知信息的轮式移动机器人编队确定学习控制

本文研究含未知信息的轮式移动机器人(wheeled mobile robots,WMR)的编队控制问题.首先,基于领航–跟随法和虚拟结构法,将WMR编队控制问题转化为跟随机器人对参考虚拟机器人的跟踪控制问题.然后,利用径向基函数神经网络(radial basis function neural networks,RBF NN)对WMR的未知系统动态进行学习,以及根据李雅普诺夫稳定性理论设计了稳定的自适应RBF NN控制器和RBF NN权值估计的学习率.依据确定学习理论,闭环系统内部信号在对回归轨迹实现跟踪控制的过程中满足部分持续激励(persistent excitation,PE)条件.随着PE条件的满足,RBF NN权值估计收敛到其理想权值,实现了对未知闭环系统动态的准确学习.最后,利用学习结果设计了RBF NN学习控制器,保证了控制系统的稳定与收敛,实现了闭环稳定性和改进了控制性能,并通过仿真验证了所提控制方法的正确性和有效性.

多移动机器人的领航者模式编队控制

编队控制是多机器人协作的最重要的研究领域,提出的机器人控制算法具有鲁棒性是非常必要的。最近很少有提出的鲁棒控制器考虑动力学,而是依靠保守的假设,或基于滑模受到的抖振问题来获得鲁棒性。上述研究不仅考虑运动学和动力学,而且在非完整多移动机器人编队中考虑执行机构的动力学及其不确定性。提出了一个新的鲁棒控制技术,可以有效地处理系统中的未知参数和不确定性,放宽了保守的假设,得出鲁棒控制系统的设计,并进行了数学分析,而且根据李雅普诺夫定理证明系统的稳定性。仿真结果表明,提出的鲁棒控制方法的有效性。

多个轮式移动机器人沿同一轨迹曲线运动的编队控制研究

针对多个轮式移动机器人在狭长路段的编队运动,在领航-跟随法的框架下,研究了含输出约束的多个轮式移动机器人的编队控制设计问题。提出的控制策略可在系统受到外界干扰时,实现领航者和跟随者沿同一目标轨迹曲线运动并保持一定的距离。对于领航者,设计了基于动态跟踪目标的控制器,将原跟踪控制问题转化为对轨迹曲线曲率的跟踪。对于跟随者,基于运动中领航者与跟随者之间的几何关系,利用虚拟结构方法和障碍李雅普诺夫函数方法设计了一种鲁棒控制器,保证了跟随误差在一定范围,且使所有跟随者都能精确完成编队运动任务。数值模拟结果表明了所提控制策略的有效性。