基于简化虚拟受力模型的未知复杂环境下群机器人围捕

针对未知非凸和凸以及动态障碍物环境下群机器人围捕,提出了一种基于简化虚拟受力模型的循障和围捕方法.首先给出了目标和动态障碍物的运动模型.然后通过对复杂环境下围捕行为的分解,抽象出简化虚拟受力模型.基于此模型,设计了个体循障和围捕方法,接着证明了系统的稳定性并给出了参数设置范围.仿真结果表明,本文围捕方法可以使群机器人在未知复杂环境下保持较好的围捕队形,并具有良好的避障性能和灵活性,同时分析了与基于松散偏好规则的围捕方法相比的优势.

复杂环境下群机器人自组织协同多目标围捕

针对动态多目标围捕,提出了一种复杂环境下协同自组织多目标围捕方法.首先设计了多目标在复杂环境下的运动模型,然后通过对生物群体围捕行为的研究,构建了多目标简化虚拟受力模型.基于此受力模型和提出的动态多目标自组织任务分配算法,提出了群机器人协同自组织动态多目标围捕算法,这两个算法只需多目标和个体两最近邻位置信息以及个体面向多目标中心方向的两最近邻任务信息,计算简单高效,易于实现.接着获得了系统稳定时参数的设置范围.由仿真可知,所提的方法具有较好的灵活性、可扩展性和鲁棒性.最后给出了所提方法相较于其它方法的优势.

未知动态环境下非完整移动群机器人围捕

针对未知动态障碍物环境下非完整移动群机器人围捕,提出了一种基于简化虚拟受力模型的自组织方法.首先给出了个体机器人的运动方程,然后给出了未知动态环境下目标和动态障碍物的运动模型.通过对复杂环境下围捕行为的分解,抽象出简化虚拟受力模型,基于此受力模型,设计了个体运动控制方法,接着证明了系统的稳定性并给出了参数设置范围.不同情况下的仿真结果表明,本文给出的围捕方法可以使群机器人在未知动态障碍物环境下保持较好的围捕队形,并具有良好的避障性能和灵活性.最后分析了本文与基于松散偏好规则的围捕方法相比的优势.

未知动态复杂环境下群机器人协同多层围捕

针对未知动态复杂环境下非完整移动群机器人多层围捕,提出了一种基于简化虚拟受力模型的多层协同自组织围捕方法。首先设计了未知杂乱环境下目标的运动模型,然后通过对杂乱环境下围捕行为的研究,构建了简化虚拟受力模型。基于此受力模型,提出了个体循障和多层协同围捕运动控制方法,该方法只需目标和两最近邻位置信息,计算简单,易于实现。最后证明了系统的稳定性,并获得了参数设置范围。不同情况下的仿真验证及对比结果表明,所提的多层协同围捕方法可使群机器人在未知复杂环境下保持较好的多层协同围捕队形,并具有良好的避障性、高扩展性和灵活性。