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。

基于自适应迭代学习的多智能体系统编队控制

针对带未知时变参数的非线性多智能体系统的编队问题,提出一种分布式自适应迭代学习控制策略。首先,通过傅里叶级数对系统的不确定参数进行展开,采用一个收敛级数序列处理傅里叶级数展开产生的截断误差,结合多智能体运行过程中的编队误差推导自适应迭代学习控制律和参数更新律;其次,针对领导者动态对大部分智能体都是未知的情况,设计新的辅助控制来补偿未知动态和避免未知有界干扰;然后,基于李亚普诺夫能量函数证明了在所设计控制律作用下多智能体系统编队误差随着迭代次数的增加在有限时间内趋于0;最后,将该控制策略运用到多无人机编队系统中,并通过搭建半物理实验平台,验证了控制方法的有效性。实验结果表明该控制方法可以确保多智能体快速形成所需编队,并且每个智能体在有限时间内可以精确跟踪期望轨迹。所提方法充分考虑了多智能体系统的参数不确定性以及抗干扰的能力,为实际应用中复杂多智能体系统的精确控制提供了有效的方法。

具有避碰和连通性保持的多USV分布式事件触发编队控制

[目的]为解决水面无人艇(USV)编队控制中的实际需求,提出一种具有避碰和连通性保持功能的分布式事件触发编队控制方法。[方法]针对海洋环境扰动和系统模型的不确定性等因素设计扰动观测器;针对编队实现过程中USV间可能发生碰撞和丢失通信连接的问题,基于人工势场函数法设计具有避碰和连通性保持功能的编队控制器;为减少USV控制器的执行频率,设计分布式的事件触发机制,使每个USV根据局部信息来独立决定其控制器的执行时刻。[结果]理论分析证明了编队误差的一致最终有界性,且事件触发机制不存在Zeno行为。仿真结果验证了所设计的控制方法能够显著减少USV控制器更新次数并可实施避碰操作及保持连通性。[结论]研究成果可保证USV编队控制的顺利安全完成,同时减轻USV在复杂海洋环境下的控制机构损耗。

基于事件触发机制的随机时延无人机编队控制

研究在噪声环境下的无领导者多无人机编队控制问题,采用基于事件触发的策略来降低通信次数和资源浪费。考虑到通信噪声和随机时延的影响,采用Bernoulli随机分布描述时延发生的随机性。通过构造Lyapunov函数和利用线性矩阵不等式的分析方法,给出了多无人机系统的稳定性条件,确保无人机在噪声环境和随机时延的影响下能够实现编队控制。利用分布式控制输入和无人机之间的邻居信息,系统能够快速响应和调整,形成期望编队。将算法应用于四旋翼无人机系统,通过理论分析和仿真实验验证了所提算法的有效性和正确性。

多智能体编队加权中心点固定时间分布式跟踪控制

针对多智能体编队加权中心点的目标跟踪问题,提出一种基于滑模的固定时间收敛控制方法。每个智能体仅利用与邻居之间有限的信息交互,通过各自的估计器实现对整个队形的加权中心点位置的快速、准确估计。同时,提出一种基于状态依赖的可变指数系数滑模函数控制方法,利用多智能体系统之间的相对位置作为队形约束,解决队形的歧义问题,并且所设计的滑模函数不存在奇异问题。估计器和控制器均能够保证在固定时间内收敛,因此所提控制方法能够保证编队的加权中心点在固定时间内跟踪给定的参考轨迹,且收敛时间与智能体的初始状态无关。最后,通过仿真验证了所提方法的有效性。

基于距离及相对角度信息的多智能体系统刚性编队任务规划

针对仅在获取多智能体局部距离及相对角度信息条件下如何保持多智能体系统刚性编任务规划队问题,本文提出了两种多智能体刚性编队任务规划方案。首先提出一种基于距离和相对角度的刚性编队规划方案,规划在未知相对位置情况下确保智能体刚性编队。其次利用零空间投影的任务规划方法解决编队任务与避障任务的冲突,确保编队移动过程中编队队形的稳定。再次结合距离和相对角度提出一种整体刚性编队规划方案,并在避障过程中将多智能体系统视为整体进行避障,确保稳定的刚性编队和避障任务的完成。经过仿真验证本文提出的两种方法在弱化相对位置信息的条件下能够较好的保持刚性编队并完成避障任务,对比于依赖相对位置的零空间行为控制方法弱化了对于相对位置信息的依赖。

基于多智能体一致性的多车道车辆集群编队控制

为安全、高效地控制智能网联汽车(CAV)编队,研究了基于多智能体系统(MAS)一致性的多车道、零散随机分布的车辆集群编队控制策略,并进行数值仿真验证。建立了基于交错式结构的车群期望几何拓扑,提出了包括间距调整阶段、变道控制阶段和队形收敛阶段的3阶段式编队控制流程。基于一致性理论,设计了车群编队控制器,并进行稳定性论证。选取2种典型场景,对三车道场景中初始分布较为极端的车群开展编队研究。结果表明:在该策略的控制过程中,纵向车间距与期望间距误差在0.5 m以内,横向位置与期望位置误差在5 cm以内,且速度在变化后能快速收敛至期望值。因而,该策略能有效控制车群车辆安全、高效地达到车群期望队形。

多智能体系统圆形编队控制与一致性

针对一组具有非恒同速度的多智能体系统圆形编队控制问题,提出了一组混合的分布式控制器。该控制器由两部分组成,一部分作用于系统的相位上,一部分作用于角频率上,其中角频率上的控制器主要协调系统中相位变化和初始角频率对系统稳定性的影响。编队设计主要基于系统的相位控制实现,为此给出了2种编队设计方案,即基于位置方法和基于位移方法,基于位置方法的智能体在进行编队时能够实时感知自身的期望中心位置并收敛到与之对应的期望位置;基于位移方法的智能体需要实时感知于邻居之间的相对位移,进而收敛到自身于邻居之间的期望中心位置之差。研究结果表明:在任意初始状态下具有非恒同速度的多智能体系统,在控制器的作用下能够使智能体以指定的角频率逐渐形成期望的圆形编队队形,且所有智能体的相位是同步或平衡的,其角频率能够渐近一致且收敛到指定的值。由5个智能体构成的系统仿真表明:在系统稳定后截取的4个周期的运动轨迹是稳定的圆周运动,并且基于位置方法模拟出来的中心位置与期望中心位置之间的误差小于0.01,基于位移方法的相对位移与期望位移之间的误差小于0.000 2,验证了编队控制方案的有效性和准确性。

多智能体系统编队控制技术研究综述

随着智能体技术的快速发展,单智能体由于自身限制已无法满足需求的发展,多智能体编队控制技术在实际应用中的作用日益凸显,目前已成为人工智能控制领域的研究热点。本文根据国内外学者多年来的研究成果,首先,介绍了多智能体系统的研究背景和意义;其次,从编队形成控制和避障控制两个方向出发,详细阐述了各种常见算法的核心思想,分析了各算法的优劣性和发展趋势;然后,总结了常用控制算法,并针对算法劣势分析了融合算法的可行性;最后,针对现有控制算法问题,展望未来对智能体编队的研究方向,提供可行的解决方案。

The Customer Requirements Analysis Method of Engineering Products Based on Multiple Preference Information

To effectively evaluate the fuzziness of the market environment in product planning,a customer requirements analysis method based on multiple preference information is proposed.Firstly,decision-makers use a preferred information form to evaluate the importance of each customer requirement.Secondly,a transfer function is employed to unify various forms of preference information into a fuzzy complementary judgment matrix.The ranking vector is then calculated using row and normalization methods,and the initial importance of customer requirements is obtained by aggregating the weights of decision members.Finally,the correction coefficients of initial importance and each demand are synthesized,and the importance of customer requirements is determined through normalization.The development example of the PE jaw crusher demonstrates the effectiveness and feasibility of the proposed method.

多机器人系统的可观测性及协同定位精度分析

多机器人协同系统的编队队形影响系统的可观测性,应用中发现系统绝对定位能力也是影响协同定位精度的主要因素。针对系统不可观测情况下无法实现协同定位问题,提出了通过增强系统绝对定位能力实现协同定位的方法,重点分析了不同绝对定位能力的多机器人协同定位系统的可观测性对定位精度的影响,确定了系统可观测性的最佳条件。以3个机器人组成的集群为例进行仿真验证了同一观测度情况下,系统的绝对定位能力越强,协同定位精度越高。

基于相依失效的“空-基-地”编队可靠性分析

针对大规模多域无人设备之间难以进行可靠性分析的问题,根据实际“空-基-地”分布式协同编队特征,提出了一种基于多域无人平台运作规则与层网络间逻辑连接失效关系的空基地集群编队可靠性分析算法。用空中网络、通信网络、地面网络组成的3层轻量化方格拓扑结构代替现实中的集群,在综合考虑随机攻击、蓄意攻击以及区域失效关系、关联失效关系、级联失效关系等依赖关系的条件下设计算法,以网络中最大连通子图为可靠性测度,进行不同编队状态及编队形式下的网络可靠性分析。最后与标准仿真平台进行对比,试验结果验证了算法的可行性、快速性以及资源占用率小等优势。该研究为提升多域无人平台协同编队时的可靠性及相关的防控策略的研究提供了研究基础。

基于空间对抗的多智能体编队控制方法

针对3维空间对抗环境下,具有非线性二阶积分器动力学模型的多智能体系统(multi-agents system,MAS)时变编队机动与队形变换控制问题,提出一种可抑制外部干扰的MAS时变编队机动与队形变换策略。首先,根据空间对抗环境分析常见编队队形的效用,设计一种基于应力矩阵和领导跟随策略的24机编队立体构型,通过灵活地仿射变换队形,提高MAS编队空间对抗效率。其次,基于一致性理论、滑模理论和鲁棒性控制,利用时变编队应力矩阵,设计了一种鲁棒一致性跟踪控制器,以在外部未知扰动条件下,确保MAS时变编队在机动与仿射变换时跟随者对领导者的精确协同跟踪。然后,通过构造Lyapunov函数证明了外界未知扰动下3维MAS时变编队连续机动和队形变换的稳定性。最后,通过仿真实验验证了所提出的控制器能够使时变编队在机动和队形变换过程中实现精确协同跟踪。

基于积分滑模的二阶系统任意预设时间编队控制

在通信过程中,智能体受各种未知干扰信号的影响,导致系统性能降低。针对二阶非线性多智能体系统,研究了在有向通信拓扑结构下实现任意预设时间编队期望的问题。首先,结合预设时间机制与积分滑模控制策略,设计一种新的编队控制协议,该控制协议能够确保二阶多智能体系统在任意预设时间内实现到达段和滑动段2个阶段的收敛,引入的积分滑模控制项有效降低了系统的稳态误差,并提高其在预设时间控制下的鲁棒稳定性;其次,利用李雅普诺夫方法与代数图论知识,分析得出二阶系统在该控制方法下达到预设时间编队期望的充分条件,并证明了包含预设时变函数控制协议的有界性。仿真实验结果验证所设计控制方法的有效性与可行性,即给定任意初值,带干扰项的二阶系统均可在任意预设时间内快速准确地达到稳定状态。

具有避障功能的多智能体系统编队控制

针对二维平面内多个匿名智能体,研究了多智能体系统的编队避障控制问题。目标是使得在平面内随机分布的匿名智能体在规定时间内完成避障渐进收敛到达目标圆上,然后根据编队控制律在圆上完成指定队形。基于人工势场法实现规避障碍物的功能,通过增加随机扰动解决了智能体处于局部最小值区域无法移动的问题。引入李雅普诺夫函数并通过定理证明了所设计控制律的稳定性。最后,通过模拟仿真证明了避障功能的有效性以及控制律的准确性。

基于势函数的多车自动驾驶交互

多车辆的分布式控制是近年来的一个热门话题。与传统的单体系统相比,多车系统需要更复杂的控制逻辑和算法来完成给定的任务。本文对多车辆系统建立势函数模型,通过周围车辆工况建立障碍物虚拟力场和目标点的引力力场,确保连通性和避障的前提下,进行路径规划并到达指定位置。利用matlab软件搭建仿真平台,并对模型进行了验证。优化后的结果表明,该模型有效地实现了多车辆的控制。

基于电池包测试系统方案编辑器的多格式数据转换探究

方案编辑器用于编写测试方案,以保障测试流程中各工步的设置和规划。其中,多格式数据转换是关键任务,以实现Web端方案编辑器生成的JSON文件与电池包测试系统生成的所需的XML格式的.sol文件之间的相互转换。本研究旨在探讨数据转换的方法和实现,介绍了df.to_xml库函数、dict_to_xml方法以及JSON2XMLConverter函数。这些方法能实现不同数据格式间的转换,并确保转换准确性和效率。通过对长短数据集的处理,我们发现JSON2XMLConverter在短数据集上表现出色,而dict_to_xml在处理大数据集时准确性较高。进而优化电池包测试系统中的数据转换过程,确保生成的文件满足Web端编辑器的格式需求,提供高效准确的数据转换方法。

多移动机器人协作转运系统控制与试验

多机器人系统可使用多个功能相对简单的机器人执行较为复杂的任务。相比单一机器人运输,多机器人系统在超大、超重部件的转运上展现出更高的灵活性、可扩展性、多产品适应性等优势。提出一种多移动机器人协作转运系统,可实现多台移动机器人负载同一工件在无轨迹约束、无负载框架约束下的稳定运行。基于协作定位及领航-跟随编队控制方法,将有限的轮系驱动能力与纠偏需求相结合输出跟随单元控制量,可充分发挥全舵轮驱动移动机器人全向移动优势,保证速度指令有效并使位姿偏差减小并趋于稳定。考虑实际应用场景,在各机器人顶部设置全向力浮动机构以减小车组间相对位姿偏差对工件产生的外力影响。搭建由4台移动机器人组成的协作转运平台并进行试验,试验结果表明:在该控制方法下整个编队系统可稳定运行,直线、弧线轨迹下各从车相对位置偏差不大于40 mm,姿态偏差不大于6°。

多智能体系统的队形控制方法及应用综述

多智能体系统队形控制的研究主要集中于队形形成、队形保持和队形变换3个方面;首先,介绍、分析了多种队形控制方法,包括轨迹跟踪法、行动选择法、假想刚体法、网络关系图分析法、动态编队法、虚拟势场法、学习控制法和混合控制法等;其次,对移动机器人、无人机、水下机器人等多智能体系统的队形控制应用进行研究;然后,给出了近年来多智能体系统队形控制的研究进展,包括基于复Laplacian矩阵的多维空间队形控制方法,其它领域技术(云计算、图像处理等)用于队形控制的研究成果,并对基于队形控制的多移动机器人和无人机搬运作了介绍;最后,给出了当前队形控制研究中尚未解决的问题,包括队形扩展,队形稳定性,通信、传感器功能,异构多智能体系统队形控制和机械臂编队等。

复杂地形环境下多机器人编队控制方法

针对复杂地形地面崎岖起伏的特点,提出了一种多机器人系统编队控制方法.首先,分析了复杂地形环境下的系统队形模型.通过建立三维地形环境下编队系统的误差模型,并运用空间投影法将其映射到二维平面上,对系统的编队误差进行分析.然后利用李雅普诺夫函数构造控制器,并根据环境中的特定地形设计相应的编队行驶策略,实现了多机器人系统在复杂地形环境下的编队控制.最后,通过3种典型复杂地形环境下两种非完整移动机器人的编队仿真,验证了该方法的有效性.