缺乏位置信息的视觉移动机器人leader-following编队控制

针对视觉移动机器人编队在缺乏位置信息情况下的控制问题,提出一种基于视觉的leader-following编队反馈控制方法。该方法利用leader标志物特征点在follower摄像机像平面上的坐标信息设计了观测器,对leader与follower间的相对位置进行估计,基于相对位置估计量与它们速度的关系,设计出leader-following编队反馈控制器,通过Lyapunov理论证明了闭环系统的稳定性。仿真结果表明,该控制方法能有效解决缺乏位置信息情况下视觉移动机器人编队的控制问题。

Leader-following多自主体系统时变编队跟踪控制

考虑时变时延,研究了高阶leader-following多自主体系统的分布式时变编队跟踪控制问题.针对连续高阶多自主体系统,设计了基于观测器的时变编队跟踪控制协议,通过状态变换,将系统的时变编队跟踪控制问题,转变为误差系统的稳定性问题.然后利用图论及李雅普诺夫稳定定理,研究了系统实现时变编队跟踪控制的充分条件,并且指出时变编队参考函数与时变时延无关.最后,数据仿真结果证明了所设计的协议能使follower自主体实现时变编队,并且跟踪leader自主体的轨迹.

基于纯角度观测信息的leader-followers机器人编队控制方法

提出一种纯角度观测信息的leader-followers多机器人编队控制方法.多个跟随机器人(followers)仅观测其领航机器人(leader)角度信息;基于非线性系统可观测性的理论研究,这种纯角度观测信息能够满足leader-followers的可观测性要求;利用无迹卡尔曼滤波算法对leader-followers机器人系统的状态进行估计,根据状态估计结果设计了输入-输出状态反馈控制规律控制跟随机器人运动,以达到理想的编队效果。仿真验证了该方法的可行性。

往复工作路径下Leader-follower算法的编队控制研究

多智能体编队在实际作业中,多以往复的工作路径进行,如货箱的搬运、区域的巡视监控等,如何在重复工作中确保多智能体编队的稳定性成为人们较为关注的问题。因此,利用Leader-follower控制算法理论中的l-φ法,规划follower的线速度和角速度,来保持多智能体队型的稳定性,并通过调整闭环控制系数来控制编队的收敛速度。通过MATLAB数值仿真,分别刻画了多智能体往复运动的位移时间响应图和相轨迹图等,从而验证了多智能体编队在往复工作路径任务下的稳定性。

Leader-following多智能体网络分布式编队控制

针对多智能体固定拓扑网络,考虑无时延和有时延两种情况,研究了多智能体网络的分布式编队控制协议.首先,针对无通信时延的多智能体网络,提出了分布式编队控制协议,利用Lyapunov稳定理论,给出了协议有效的充分条件.然后,考虑时变通信时延,利用Lyapunov-Krasovskii函数证明了协议的有效性.最后,利用仿真实验证明了所设计协议的有效性.本文的创新点是对二阶多智能体网络设计分布式编队控制协议时考虑了速度一致性.

基于观测器的多智能体网络leader-following编队控制

主要研究了leader-following多智能体网络的分布式编队问题。假设多智能体网络中的每个follower不能实时得到leader的信息,针对每个follower设计相应的分布式观测器。考虑了无时延的切换拓扑多智能体网络和存在时变时延的固定网络两种情况。利用Lyapunov稳定定理,给出了系统稳定和控制协议有效的充分条件。最后,给出了数字仿真结果以验证所设计协议的有效性,即followers形成所要求的编队并且与leader达到速度一致。

顶推船队不同编队形式对推进性能的影响

本文通过直径吃水比 D/T=1.4顶推轮组成的(1+1+T)、(2×2+T)、(2×3+T)三种不同编队形式的船模试验,研究分析了顶推船队不同编队形式对推进性能的影响。试验包括船模阻力试验,船模自航试验以及导管螺旋桨模型组合体的敞水试验,在自航试验中测量了船后导管推力,对自航试验的结果,采用了倒车舵+导管螺旋桨+襟翼舵组合体敞水性征曲线进行了推进因子的分析,得出(2×2+T)编队形式的顶推船队推进效率优于其他两种编队形式顶推船队的推进效率。

海上编队作战方案形式化描述研究

作战方案的形式化描述是实现海上编队指挥自动化的关键,是提高编队协同作战能力的前提。通过对方案形式化描述问题研究现状的分析,概括了作战方案形式化描述的主要研究内容、方案形式化的主要方法、存在问题以及发展方向,对后续的研究工作具有一定参考意义。

基于脑机接口的无人机编队控制系统设计

随着脑机接口(BCI)技术的不断发展,越来越多基于脑机接口的应用被不断研究并实现。为提高无人机编队的工作效率,针对无人机编队的常用控制命令,本文设计了一种8目标的稳态视觉诱发电位(SSVEP)脑机接口控制无人机编队系统。该系统允许用户通过脑机接口的8个命令对无人机编队进行队形切换等灵活控制。本系统采用典型相关分析(CCA)方法对脑电进行解码,并将解码结果使用Leader-Follower的方法对无人机编队进行控制。来自6例健康受试者的试验结果表明,研究所设计的脑控无人机编队系统具有较好的性能,平均识别准确率高达97%,验证了基于非侵入式脑机接口技术控制无人机编队的可行性。

基于Hamel形式的柔性集群编队围捕

利用弹性体作为虚拟结构建立的集群控制可以实现编队的大规模形变,同时自然满足避碰避撞需求.通过将集群编队嵌入到几何精确梁中,利用在李代数中对流应变的插值及对编队的虚拟弹性势能的塑形来快速实现编队变换.在场论Hamel形式框架下,建立了集群柔性编队围捕的算法.其能精确反映集群中个体的位姿以利于工程实现,同时具有坐标选取无关性适于刻画集群大范围运动.所得算法具有分布式特征,可并行实现从而满足实时控制的需要.通过模拟仿真验证了所得算法在实际场景中的适用性和有效性.

高阶多自主体系统的H_(∞)时变编队跟踪控制

针对多leader自主体的高阶连续多自主体系统,研究了H_(∞)时变编队跟踪控制问题.首先,假设系统存在时变时延和外界干扰,利用邻接信息设计了分布式时变编队跟踪控制协议.其次,在拓扑满足一定条件时,根据Lyapunov-Krasovskii函数给出了系统实现H_(∞)时变编队跟踪目标的充分条件,并且以LMI的形式给出了控制协议增益矩阵的具体形式.最后,针对由4个follower自主体和2个leader自主体组成的多自主体网络进行了数据仿真.仿真结果表明,当系统存在时变时延和外界干扰时,follower自主体在所设计协议的作用下可实现时变编队,并且跟踪leader自主体状态的凸组合,同时满足H_(∞)性能指标要求.

基于智能突现的无人机群自主编队控制研究

针对无人机群自主编队中存在的控制器设计复杂,信息交互数据量大的问题,提出了一种利用智能突现和分布式通信的新型自主编队策略。建立了无人机群以及单个无人机的运动模型。为每个领航无人机设计比例导引制导律,为每个跟随无人机设计跟踪控制方法以实现多Leader-Follower(主从式)编队形式。通过仿真对编队方法的有效性进行了验证。

双无人机对地快速移动目标跟踪的构型设计与控制方法

为实现对地面快速移动目标的探测跟踪,基于无人机侦察载荷的误差模型,设计了双无人机编队跟踪目标的构型与跟踪控制律。面向持续跟踪的典型应用场景,设计了基于Leader-Follower的双机编队构型,并基于相机误差模型建立了双无人机探测叠加区域的误差分布模型,以此确定了目标与无人机编队的位置关系。之后,基于无人机与目标的视觉关系定义长机的矢量前置角和与目标之间的距离为跟踪误差,设计了基于李雅普诺夫方法的跟踪控制律,并证明跟踪控制的渐近稳定性。设计了僚机相对于长机的编队控制律,以保持双机平行编队的构型。仿真结果表明,目标机动运动时,双无人机系统能够在较短时间内收敛,实现对目标的持续稳定跟踪。

改进的多移动机器人混合编队方法

在复杂环境下,针对Leader-Follower法和基于行为法相结合的多机器人混合编队方法配置参数难的问题,引入粒子群优化(PSO)算法,对5种行为参数进行在线优化,进而改进了传统的混合编队方法,使多机器人编队效果更优。同时通过仿真实验结果验证了所提出算法的可行性,且达到了实验预期的优化效果。

基于一致性算法的时延多无人机编队分散化控制

为实现存在时变通信时延与自时延情况下多无人机的编队控制,利用分散化控制策略与分层控制结构并结合一种带时变参考值的leader-following一致性算法设计状态估计器估计加速度信息和编队控制器使编队保持给定的队形。通过构造Lyapunov函数,获得了无人机编队系统实际位置与期望位置误差收敛到0的充分条件。利用线性矩阵不等式(LMI)给出了时延的上界。最后通过仿真实例实现了无人机编队飞行与保持,表明了方法的正确性与有效性。

列车编队运行方式研究

为缩小列车追踪间隔,提升系统整体性能,将编队方法引入列车运行中,提出列车编队通过车站的4种形式:顺序接发式,队内越行式,编队被穿行式和编队侧线让行式.以顺序接发式通过车站的某列车编队在满足区间闭塞条件下,其最小追踪间隔(无裕量)可缩小20%左右.队内越行式可实现编队内部越行,且越行列车直接通过车站进一步减少了整个编队通过车站的时间.编队被穿行式实现了让编队外部跟行列车对整个编队的越行,但其间经历编队被解散又恢复的过程.编队侧线让行式避免了被越行时解编的出现,当然该形式中咽喉区道岔要满足一定要求.通过对每种形式特性进行详细的计算和分析,说明引入的列车编队运行方式是有效的.

多无人机编队协同保持的速度矢量场算法

主要对基于速度矢量场的无人机编队协同保持问题进行研究。首先以Leader-follower编队为研究对象,建立了无人机数学模型。在此基础上,借鉴人工势场法,引入相对速度矢量,给出无人机间的引力函数和斥力函数,完成了速度矢量场建模。在速度矢量场作用下,无人机编队能够实现队形保持,并保证无人机之间不会相互碰撞。最后搭建仿真验证平台,验证了该算法的可行性和有效性。

考虑障碍环境下的多机器人编队控制研究

编队和避障控制是机器人路径规划设计中的典型问题,文中提出了将leader-following法和人工势场法相结合的方法,来更好地完成多机器人在未知环境下的编队和避障控制。之前的研究只将leader-following算法用于多机器人的编队控制,而文中提出此方法也可以用于多机器人系统的避障控制。基于leader-following法,多机器人能自动编队并保持队形;而结合人工势场法,多机器人可以保持队形行进,在遇到障碍物的情况下变换队形避障,在避障后恢复原队形,最终到达目标。通过仿真实验证明,该算法实现了多机器人在未知环境下的自动编队和避障,从而证明了leader-following算法可以用于机器人的避障控制。

多智能体系统编队控制在输送管道泄漏检测方面的应用

针对多智能体系统,利用刚性控制策略和Leader-Follower多智能体编队控制方法研究其队形形成过程。结果表明:多智能体编队完成后,运动轨迹形成并保持一定的编队队形;当泄漏点发生变化时,智能体能够自动变换Leader进行实时跟踪定位,提高定位效率。

基于编队海上列车概念的多艇编队航行水动力分析

以某型特种滑行艇为基础计算模型单元,基于编队海上列车概念,提出4种典型编队形式并进行计算流体动力学(Computational Fluid Dynamics,CFD)计算,探索多艇编队航行的减阻可行性,并开展多艇编队航行水动力分析,对指导海上多船编队航行具有一定的借鉴参考意义。