基于领航-跟随法的多机器人编队控制

编队控制是多机器人系统研究的核心问题之一,具有广泛的研究价值。针对编队问题,通过对轮式差分驱动机器人运动模型进行分析,并设计相应的控制器。在传统的领航-跟随模型上,引入“虚拟机器人”,将跟随者机器人对领航者机器人的轨迹跟踪转换为跟随者对“虚拟领航者”的轨迹跟踪。首先,预设定实际领航者机器人的行进路径,由实际领航者引导运动方向的运动轨迹被视为主轨迹,虚拟机器人通过数据产生参考点从而生成参考轨迹,跟随者机器人通过对参考轨迹的跟踪与“虚拟领航者”构成轨迹误差跟踪系统。然后通过Lyapunov的控制理论验证控制器的理论可行性,最后在MATLAB/Simulink仿真平台进行实验,通过改变控制参数来使机器人形成相应的期望队形,在较短的时间内,跟随机器人对参考轨迹的跟踪误差趋向于0且速度收敛,验证了编队系统的可行性。

基于领航-跟随法和人工势场法的巡检机器人编队

机器人编队技术正不断发展并逐步投入应用,为了提升巡检机器人的工作效率,提出了一种基于领航-跟随法和人工势场法的编队控制方法,保留了两方法的优点,使机器人编队在躲避障碍物的同时尽可能保持队形,通过施加随机扰动的方法改善人工势场法中容易出现的局部最小值问题。实验结果表明,提出的方法完成任务消耗的时间相较于领航-跟随法和基于行为法分别下降了28.5%和41.4%,在执行特定任务如协同围捕和依次排开时采用该方法的编队也能优秀完成。通过ROS(robot operating system)平台进行模拟环境仿真,进一步验证了方法的可行性。

基于领航跟随法和星系动力学的多机器人编队控制

针对机器人常规编队控制方法编队精度低、机器人易掉队,且当队形进行大角度变换时跟随者不能快速适应的问题,提出了一种基于领航跟随和星系动力学(LF-GD)机器人编队控制方法.该方法结合了领航跟随法控制简单、编队快速和星系动力学法编队稳定和动态均衡的优点.实现了机器人快速编队和动态避障的性能要求,避免了队形大角度变换时机器人相互之间的碰撞和掉队问题,提高了整个编队系统的智能性和环境适应性.通过仿真验证了该方法的可行性和有效性.

基于改进领航-虚拟跟随法的车辆队列控制

文中分析了车辆队列控制方法中传统的领航-虚拟跟随法存在模型误差的问题,提出一种考虑跟随车参考路径点连线与横轴的夹角作为参考航向角的改进领航-虚拟跟随方法,将队列控制问题转化为对特定位置的轨迹跟踪问题。然后基于车辆运动学模型实时规划跟随车的速度,运用误差修正的Stanley方法和PD控制分别进行车辆横向控制和车辆纵向油门/刹车控制。最后,通过CarSim/Simulink联合仿真,验证了改进领航-虚拟跟随方法在3车三角形队列圆周和正弦曲线工况下的效果。结果表明:改进领航-虚拟跟随方法较传统领航-虚拟跟随法,使1号和2号跟随车横向误差均值和最大值得到了降低。

改进遗传算法与领航跟随法的机器人编队方法

针对传统遗传算法在求解机器人路径规划问题时存在的收敛速度慢、路径不平滑问题,对其进行了改进,在适应度函数中加入了路径平滑度因素,选择操作时平滑度较好的路径更容易被选中。在种群选择时将最优个体直接复制到下一代,有效地保留了父代优良基因。在领航机器人规划路径阶段,使用改进的遗传算法为领航机器人规划出一条安全无碰撞且平滑度较好的最优路径。在跟随机器人跟随阶段,使用领航跟随法控制每一个跟随机器人使其与领航者保持特定的距离与角度,从而形成设定的队形。最后通过MATLAB软件建立栅格地图进行仿真,验证了该算法的可行性,与传统遗传算法相比,改进遗传算法收敛速度更快,且路径更加平滑。

基于动态φ值的领航跟随法多机器人编队控制

针对领航跟随法编队控制在复杂环境下适应能力差的缺点,提出了一种改进的算法,使其对环境的适应性得到了改善。在领航跟随编队控制算法中设置了动态的φ值,当编队的领航者改变方向(或者遇到障碍物改变方向)时,φ值即变为动态的,随着领航者角速度的变化而变化,从而使跟随者路径更加平滑,队形的保持更加可靠。通过player/stage仿真平台验证了改进算法的稳定性。

一致性算法和领航跟随法结合的多机编队控制

针对多无人机执行编队飞行任务过程中在时间、空间、姿态多维度协同配合的问题,提出了一致性算法和领航跟随法相结合的无人机编队控制方法。基于领航跟随法将无人机分为领航机和跟随机,领航机和跟随机共同组成无人机编队。在此基础上设计了无人机运动学模型和基于一致性算法的编队控制器。实现了无人机编队飞行控制系统,控制多无人机执行协同探测编队飞行任务。最后,使用三台无人机开展飞行实验,验证了该编队飞行控制方法的有效性,为使用无人机模拟卫星来测试星载有效载荷设备提供了支持。

基于改进领航跟随法的多机协同航迹规划

航迹规划是实现无人机高效任务管理的关键环节之一。针对队形保持的多无人机协同航迹规划问题,引入队形力这一概念,对传统领航跟随法进行改进,提出了一种基于领航跟随法和人工势场法相结合的多机协同航迹规划算法,并利用MATLAB软件对上述算法进行了仿真实验,验证了此算法的正确性。

基于领航跟随法的机器人可变队形编队控制

针对差速驱动轮式移动机器人的队形可变编队控制问题,首先基于领航跟随法将编队分解为领航机器人与跟随机器人对,控制任务转化为跟随机器人与领航机器人间的可变期望距离和角度的跟踪控制。然后通过定义控制状态误差变量在直角坐标系中导出误差控制模型,运用输入输出线性化方法设计了以驱动轮转速为控制输入的控制器,并编写了控制算法和绘制了控制器结构图。最后,利用仿真研究验证了所提控制器的有效性与合理性,通过对编队控制系统误差的渐近稳定,实现了实时编队控制目标。

基于改进鸽群算法与领航跟随法的无人车编队方法

针对无人车编队方法的不足,提出一种基于改进鸽群算法与领航跟随法的无人车编队方法。采用传统鸽群算法编队时有一定的局限性,故在算法初期提供一个初始解以提高计算效率,并在算法的地磁算子中加入相应的权重指标,提高算法在整体路径中的规划效率。在编队过程中,先利用改进鸽群算法为领航者规划出一条最优的路径,再运用领航跟随法控制每一辆跟随者以一定的距离和角度跟随领航者,从而实现以设定的队形运动。通过建立栅格地图进行仿真并在真实无人车上进行实际应用,验证该编队方法的可行性。结果表明:与量子粒子群优化算法与粒子群优化算法相比,改进的鸽群算法主要优势是最优路径短、运行时间短、收敛速率高。

人工势场法改进领航跟随法的控制算法实现

随着科技的发展,机器人发展日新月异,在当今时代,在工业、物流、医疗以及服务领域,都能看到机器人的身影,因为单个机器人功能的局限性,多机器人系统开始发展,多机器人编队避障问题成为研究热点。采用的研究方法主要是是实验法和文献研究法,主要通过查阅文献来获得思路,然后在MATLAB中仿真得到实验结果。研究的主要内容有人工势场法、领航跟随法、人工势场法改进领航跟随法实现过程中遇到的问题、在静态环境中运用人工势场法和领航跟随法使多个机器人协同合作完成编队和避障。实验结果在MATLAB仿真中实现,利用栅格法,对障碍物进行膨化处理,4个机器人从初始位置,初始队形,到达目标位置,在行进过程中遇到障碍物,遇到障碍物时队形发生变换,躲避障碍物后,队形再一次改变,整个过程中,领航者运动轨迹和跟随者不同,在领航者到达位置后,跟随者根据情况改变位置信息从而达到目标位置。

基于图和流体扰动算法的多无人车编队及避障研究

为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。

多无人车领航跟随编队避障控制方法

多无人车的编队控制和编队避障是无人车领域研究的重要问题之一。针对多无人车的编队控制,提出一种基于无人车之间的距离和角度控制的领航跟随编队控制算法,并对算法的收敛性进行验证。针对多无人车的编队避障,提出一种自适应编队避障方法,由领航无人车规划出编队的行驶路径,对路径中的大尺寸障碍物采用动态队形变换实现编队避障,对路径中的小尺寸障碍物采用改进动态窗口法实现跟随无人车的自主避障。最后,在Matlab中对编队算法和自适应编队避障方法进行实验验证,实验结果表明所提算法能实现无人车的编队控制和编队避障,且取得较好的队形稳定性和有效性。

多移动机器人混合避障算法的编队策略

针对多移动机器人系统在未知静态障碍物环境下的编队避障问题,提出了一种多移动机器人混合避障算法的编队策略,使多移动机器人系统在整个运行过程中保证系统内不发生碰撞,并且在未知静态障碍物环境中能最大程度地保持队形进行有效避障,以及能够在较短时间到达指定目标点。该编队策略基于领航跟随法和人工势场法,将系统内机器人划分为领航机器人及跟随机器人,并根据各自角色任务的差异,对其采用了不同改进方法的人工势场法进行避障,形成一种混合避障算法,其中针对领航机器人提出了LAPF(leader artificial potential field)避障算法,该算法改进了传统人工势场法的斥力函数,解决了传统人工势场法极易陷入局部极值困境的问题,并有效缩短了避障过程所用时间。为保证整个系统运行过程及避障行为之后能够恢复队形保持系统稳定性,该编队策略利用一致性模型控制机器人的速度,使领航机器人与跟随机器人的状态趋于一致,进而保持队形。仿真结果验证了LAPF算法及该多移动机器人混合避障算法编队策略的有效性。

基于领航-跟随的无人机编队避碰飞行控制

为实现多无人机之间队形的动态保持,针对从机对主机轨迹的实时追踪和主从机之间航向角的准确同步问题,设计一种以无人机之间距离和角度为变量的领航-跟随算法,在此基础上设计一种误差比例控制器以实现编队队形动态保持;在解决无人机内部避碰的问题上,建立一种球类避碰算法,避免无人机之间因碰撞而影响队形。通过Matlab仿真平台验证无人机集群编队算法,实验结果表明:改进的领航-跟随算法能够稳定地操控多架无人机,实现编队飞行;改进的无人机避碰算法能够有效维持编队的队形,并确保编队成员之间有足够的安全间距;算法的改进不仅提高了无人机编队控制的稳定性,而且能够应对更加复杂的环境条件。

基于人工势场法的多机器人编队避障控制研究

针对多机器人编队在无障碍物环境中的队形保持、有障碍物环境下的自主避障问题,提出了一种领航—跟随法(Leader-follower)与人工势场法(APF)相结合的编队协同避障控制混合算法。通过建立两轮机器人的运动模型,对传统人工势场法进行改进,建立虚拟斥力旋转势场,解决局部最小值问题,改进跟随者受引力的方式,以保证机器人的前后相对位置关系在障碍物环境中保持稳定,最后提出一种编队协同避障控制混合算法。仿真结果表明,在该算法下机器人编队能够实现在无障碍物环境中保持理想队形并在避障结束后迅速恢复理想队形。

基于领航跟随的多机器人编队控制方法

编队控制是多机器人控制的核心问题之一。该文针对复杂编队控制问题,提出一种基于领航跟随法的多机器人编队控制策略。通过建立差速驱动机器人运动学模型,引入“虚拟领航机器人”,将编队控制分解为跟随机器人与虚拟领航机器人之间期望距离和角速度的控制,从而完成多机器人之间的编队。通过仿真和实验,表明在较短时间内,跟随机器人运动轨迹与期望轨迹误差趋近于0,其速度也收敛到0.8 m/s,从而证明该机器人编队控制系统有效且稳定。

多移动机器人编队领航跟随方法研究进展

多移动机器人经过长时间的发展,相关技术和产品已经应用到各个领域。首先对移动机器人进行了概述,由于单机器人难以完成复杂任务,凸显了多移动机器人协同控制技术及其应用的重要地位。其次对编队控制问题进行了描述,介绍了领航跟随者法、基于行为法和虚拟结构法等几种有效的编队控制方法。最后对领航跟随方法的研究进展和所遇问题做出了详细归纳,并展望了编队领航和跟随控制技术未来的发展趋势。研究表明,领航跟随法能够很好的解决多移动机器人编队生成与稳定、编队切换、系统避障和自适应控制等相关问题。

基于领航跟随者的固定时间车辆编队控制

随着无人车技术的发展,对控制的要求更高,对系统收敛的时间也有一定的要求。为了解决传统多车辆协同编队控制系统无法预测系统收敛时间的问题,提出一种固定时间控制的车辆编队控制策略。首先,采用领航者-跟随者模式建立了领航车与跟随车之间的误差模型,将跟随车跟随领航车之间的跟踪问题转化为误差系统的控制问题;其次,根据固定时间理论来设计跟随车的线速度控制器和角速度控制器,使编队系统的跟踪误差在一定时间内趋于0,保证车辆编队能在一个固定时间内收敛并稳步形成所期望的编队队形;然后,把车辆编队系统分为位置误差系统和角度误差系统,运用李雅普诺夫稳定性理论分别证明位置误差系统和角度误差系统的稳定性,并推导出位置误差系统收敛时间的最上界;最后,通过MATLAB软件仿真,验证所提出的固定时间编队控制器的有效性。仿真结果表明,所提出的方法可以保证车辆编队误差系统在固定时间内收敛,形成期望编队阵型,且系统收敛时间与系统初始状态无关。

基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题,文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构,设计了一种以时间与航程作为衡量指标的代价函数,求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹,结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上,文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明,无人机编队实现了在复杂环境下航迹规划与避障,同时为跟随者规划出最优航迹,与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。