未知环境下多AUV协同避障方法研究

针对多AUV(autonomous underwater vehicle)系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。

基于径向基函数神经网络的移动机器人多变量固定时间编队控制

针对带多不确定性的一组非完整移动机器人的编队控制收敛问题,提出了基于径向基函数神经网络的移动机器人多变量固定时间领航者—跟随者编队控制算法.RBFNN补偿了系统所受的多不确定性,并消除了鲁棒控制的抖振现象.基于固定时间理论和Lyapunov方法进行了控制算法设计,使所提出的控制方法保证了编队控制系统中的所有信号全局固定时间收敛,在任意系统初始条件下,在通过参数设计的固定时间内,使机器人编队达到期望编队.仿真结果显示了所提出算法的有效性.