检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

虚假数据注入攻击下多机器人系统协同寻源

自动化学报 2024年第2期50卷 403-416页

作者：王彪新伍益明郑宁徐明杭州电子科技大学网络空间安全学院杭州310018

聚焦多机器人系统协同寻源问题,即通过驱使多个机器人相互协同寻找未知环境中物理信号放射源的位置.由于执行任务的机器人通常处于户外开放网络环境中,攻击者在网络中生成的虚假数据注入攻击容易导致多机器人系统寻源任务的失败.为在网... 详细信息

聚焦多机器人系统协同寻源问题,即通过驱使多个机器人相互协同寻找未知环境中物理信号放射源的位置.由于执行任务的机器人通常处于户外开放网络环境中,攻击者在网络中生成的虚假数据注入攻击容易导致多机器人系统寻源任务的失败.为在网络攻击情形下仍旧能够追寻到源点,提出一种基于弹性向量趋同的多机器人系统协同多维寻源方法.有别于现有文献在处理多维寻源时将向量分解成各个维度上的标量进而设计基于标量的弹性趋同协议,所提出的多维寻源方法不仅能够有效抵御虚假数据注入攻击完成寻源任务,而且其界定的安全区间相较于传统基于标量信息界定的安全区间更加严格和精准.在假设f-局部有界(f-locally bounded)虚假数据注入攻击模型下,理论分析给出正常机器人在所设计的控制协议下追寻到源点的充分必要条件.仿真结果表明,该方法在分布式多机器人系统协作寻源和抵抗恶意攻击方面具有优越性.

关键词：多机器人系统寻源协同控制网络安全恶意节点

在线全文

学校读者我要写书评

暂无评论

多机器人系统PTCWA指标与布局优化

机械设计与制造 2024年第6期400卷 357-361,366页

作者：李龙季波田应仲上海市智能制造及机器人重点实验室上海200072 上海大学机电工程与自动化学院上海200072 上海大学人工智能研究院上海200072 同济大学上海智能科学与技术研究院上海200072

机器人协作系统是提高机械制造加工自动化与灵活性的有效方式,提出了一种基于协作工作空间与公共工作空间乘积(PTCWA)性能指标的机器人系统布局优化模型与方法。该方法采用解析法对多机械臂系统的公共工作空间和协同工作空间进行分析,... 详细信息

机器人协作系统是提高机械制造加工自动化与灵活性的有效方式,提出了一种基于协作工作空间与公共工作空间乘积(PTCWA)性能指标的机器人系统布局优化模型与方法。该方法采用解析法对多机械臂系统的公共工作空间和协同工作空间进行分析,研究系统布局与两种操作空间之间的耦合关系。基于机械臂D-H参数与机器人数量,对系统布局的极限位置进行分析。基于PTCWA性能指标与布局极限位置参数构建多臂系统布局优化模型,以系统性能指标最优为目标对优化模型进行优化求解。最后以由三个工业机器人组成的典型协作系统为实例进行仿真验证,结果表明以该优化模型进行优化求解可以得到机器人系统的最优系统布局参数。

关键词：多机器人系统布局优化 PTCWA 协作空间

在线全文

学校读者我要写书评

暂无评论

多机器人系统的编队与包含控制问题研究

多机器人系统的编队与包含控制问题研究

作者：陈林静湖北师范大学

学位级别：硕士

近年来,机器人技术的蓬勃崛起引领着我们进入了一个科技化与智能化的新时代,极大地提升了人类的生产和生活水平。此外,在诸如多机械臂物料搬运、地外探测机器人的资源勘探开发以及智能农业机器人喷洒农药等多种任务中对多机器人协作需... 详细信息

近年来,机器人技术的蓬勃崛起引领着我们进入了一个科技化与智能化的新时代,极大地提升了人类的生产和生活水平。此外,在诸如多机械臂物料搬运、地外探测机器人的资源勘探开发以及智能农业机器人喷洒农药等多种任务中对多机器人协作需求日益增加。不过,在难以预料的环境中,多机器人系统不可避免地会受到外界干扰的影响,使其协同控制的研究变得相对困难。因此,本文基于分布式控制协议,利用欧拉-拉格朗日方程进行建模,就收敛速率、通信拓扑等影响因素,由浅入深的对多机器人系统的编队与包含控制问题进行了探索,其内容被概述为:针对多机器人系统的预定义时间多编队跟踪控制问题,相应的分层控制算法被构建,其允许收敛时间被提前给出,并在控制算法的设计中起着至关重要的作用。此外,基于代数图理论和李雅普诺夫稳定性理论,得到了完成上述问题的充分条件。针对预定义时间内的具有两层领导者的多机器人系统的编队-包含控制问题,设计了对系统进行逐一分析的控制框架。此外,分别为编队层和包含层设计分层控制算法,根据预定义时间判据和李雅普诺夫稳定性理论,得到了该算法收敛的充分条件。此外,本章的研究成果为其他网络化系统的多任务控制提供了强有力的支撑。针对规定时间内异构多机器人系统任务空间多编队跟踪问题,建立了分层控制框架。此外,基于李雅普诺夫稳定性理论和规定时间理论,得到了在所提算法下完成该控制问题的充分条件。另外,本章考虑任务空间的主要原因是其更加贴合现实应用。

关键词：多机器人系统多组时变编队控制包含控制预定义/规定时间控制任务空间

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

带时间窗的多机器人系统复杂任务路径规划

南京邮电大学学报（自然科学版） 2024年第2期44卷 83-90页

作者：何舟刘思羽陕西科技大学电气与控制工程学院陕西西安710021 陕西科技大学机电工程学院陕西西安710021

针对多机器人系统在复杂任务和时间窗双重约束下的路径规划问题,通过改进蚁群算法实现满足以布尔任务给出的轨迹要求及时间窗约束的最短路径规划。首先,根据全局地图信息和布尔任务提出一种基于Dijkstra算法的预处理算法,计算任务区域... 详细信息

针对多机器人系统在复杂任务和时间窗双重约束下的路径规划问题,通过改进蚁群算法实现满足以布尔任务给出的轨迹要求及时间窗约束的最短路径规划。首先,根据全局地图信息和布尔任务提出一种基于Dijkstra算法的预处理算法,计算任务区域之间的最短路径;其次,为了提高求解质量并加快收敛速度,引入基于A∗算法的评估函数改进蚁群算法的启发信息,并结合蚂蚁回退机制,提出一种改进蚁群算法,规划满足任务和时间窗约束的最短路径;最后,通过仿真实验证明所提算法的有效性,并与现有研究进行比较,在求解质量和算法收敛性方面均优于现有方法。

关键词：多机器人系统布尔任务路径规划时间窗

利用方位角观测的多机器人系统离散分布式最优围陷控制

在线全文

学校读者我要写书评

暂无评论

控制理论与应用 2022年第10期39卷 1815-1824页

作者：付瑛博杨紫雯朱善迎陈彩莲上海交通大学自动化系上海200240 系统控制与信息处理教育部重点实验室上海200240 上海工业智能管控工程技术研究中心上海200240

本文研究了离散时间多机器人系统对静态目标的同步定位与围陷问题.首先,为了引导多机器人系统以任意编队在任意轨道上运动,本文提出了基于虚拟系统法的路径规划方案.其次,为了实现在缺少机器人全局位置信息下的目标定位与跟踪问题,本文... 详细信息

本文研究了离散时间多机器人系统对静态目标的同步定位与围陷问题.首先,为了引导多机器人系统以任意编队在任意轨道上运动,本文提出了基于虚拟系统法的路径规划方案.其次,为了实现在缺少机器人全局位置信息下的目标定位与跟踪问题,本文设计了基于方位角观测的离散时间估计器与控制器的联合设计方法.估计器充分利用了正交性质估计实时相对位移,并基于估计值设计控制律.基于离散时域拉塞尔原理与迭代法,本文给出了估计误差与跟踪误差收敛的充分条件与稳定性证明.此外,本文还设计了一种增益调整优化算法以提高收敛速率,使得离散时间多机器人系统可以更快达到理想编队.最后,仿真实验结果证明了整体方案的有效性.

关键词：多机器人系统离散时间纯方位测量优化增益

基于眼动追踪和触觉反馈的人-多机器人班组交互系统

在线全文

学校读者我要写书评

暂无评论

兵器装备工程学报 2024年第4期45卷 229-237页

作者：翟佳佳曾洪沈熠韬徐晓英孙燈峰东南大学仪器科学与工程学院南京210096

针对在动态复杂、非结构化的场景中缺乏自然、高效人机交互方式的问题,提出了一种基于眼动追踪和触觉反馈的人多机器人班组交互系统,用于管理由多机器人和人组成的团队。该系统利用混合现实头盔在现实世界中叠加虚拟交互界面,操作员通... 详细信息

针对在动态复杂、非结构化的场景中缺乏自然、高效人机交互方式的问题,提出了一种基于眼动追踪和触觉反馈的人多机器人班组交互系统,用于管理由多机器人和人组成的团队。该系统利用混合现实头盔在现实世界中叠加虚拟交互界面,操作员通过基于凝视信号的非语言注意力感知的输入方法进行人机交互指令的输入,进而控制多机器人进行协同运动,同时操作员通过振动和挤压2种触觉反馈模态来感知多机器人系统编队队形的尺寸变化与编队完成状态。为了验证人机交互系统的有效性与可行性,设计了触觉反馈实验与人多机器人班组交互系统实验,实验结果表明:所提出的基于眼动追踪和触觉反馈的人机交互系统能有效控制多机器人系统进行编队,指令执行成功率达93.3%,与仅通过视觉反馈相比,在有触觉反馈的情况下操作员可以使用更少的时间完成多机器人状态感知,交互效率提高了14.55%。

关键词：触觉反馈眼动追踪人多机器人班组人机交互多机器人系统

在线全文

学校读者我要写书评

暂无评论

多机器人系统同时镇定控制及应用研究

多机器人系统同时镇定控制及应用研究

作者：张海英山东交通学院

学位级别：硕士

近年来,随着科学技术与智能制造技术的进步和发展,机器人技术备受关注。值得指出的是,机器人是一种结构复杂多变的强非线性系统,在控制运行过程中存在自身结构化不确定性、外界干扰、时滞等因素影响机器人的性能。另外,在现代工业领域,... 详细信息

近年来,随着科学技术与智能制造技术的进步和发展,机器人技术备受关注。值得指出的是,机器人是一种结构复杂多变的强非线性系统,在控制运行过程中存在自身结构化不确定性、外界干扰、时滞等因素影响机器人的性能。另外,在现代工业领域,机器人系统覆盖的生产线越来越庞大,任务也越来越艰巨,单个机器人很难满足复杂的生产需求。因此,在大规模复杂的作业环境中,多机器人的协同作业任务不可避免,多机器人合作工作模式已成为产业发展的大势所趋。然而,在实际应用中,为每个机器人系统设计单独的控制器效果并不理想,且成本较高,这就意味着需要考虑多机器人的同时镇定设计问题。为此,本文充分考虑多机器人运行过程中存在干扰、饱和、自身不确定性以及时滞等因素,结合Hamilton控制理论、应用统一偏导算子(UP-DO)、正交分解法以及扩维技术研究多机器人系统的同时镇定问题,分别设计了无穷时间、有限时间鲁棒同时镇定控制器,有效解决了机器人控制中的关键问题,为其实际应用奠定了良好的基础。本文的主要研究内容有以下三个方面:(1)考虑多机器人运行过程中受外部干扰的影响,应用Hamilton函数方法研究了多个n自由度(n-DOF)机器人系统的鲁棒同时镇定问题。首先,将n-DOF机器人系统转化为等效的Hamilton模型。在此基础上,应用扩维技术,将两个机器人系统扩展为一个高维机器人Hamilton系统,据此对多机器人系统的同时镇定控制进行了研究,并充分考虑多机器人系统受外部干扰的情况,给出了多机器人系统的鲁棒同时镇定控制方案。最后,通过三个机器人的鲁棒同时镇定仿真实验验证其有效性。(2)采用Hamilton函数方法研究了多个n-DOF机器人系统的鲁棒自适应同时镇定问题,给出了相应的控制结果。接着充分考虑多机器人系统存在参数不确定性的情况,对多机器人系统的鲁棒自适应同时镇定控制问题展开研究,给出了若干多机器人鲁棒自适应同时镇定结果。最后,通过两个机器人的鲁棒自适应同时镇定仿真实验验证了控制方案的有效性。(3)基于一般形式的非线性系统,研究了饱和时滞系统的有限时间鲁棒镇定以及鲁棒同时镇定问题。首先,应用Hamilton方法和能量整形方法,给出了时滞饱和非线性系统的有限时间鲁棒镇定结果。在此基础上,推广该方法研究了一组时滞饱和非线性系统,并为其设计了相应的有限时间鲁棒同时镇定控制器。最后,将得到的有限时间鲁棒同时镇定方案应用于研究一组实际的机械臂系统,验证了本文控制方案的有效性。

关键词：多机器人系统同时镇定有限时间鲁棒控制饱和控制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

无线局域网多机器人系统轮询MAC协议研究

计算机应用研究 2022年第4期39卷 1178-1182页

作者：杨志军郑皓元丁洪伟云南省教育厅教学仪器装备中心昆明650223 云南大学信息学院昆明650500

多机器人系统是一个结构复杂的团体,为了实现机器人之间的高效合作,必须解决机器人之间的信息交互问题,提出将无线局域网的多机器人系统与轮询系统结合的MAC(multiple access control)协议。首先,研究MAC协议中PCF(point coordination f... 详细信息

多机器人系统是一个结构复杂的团体,为了实现机器人之间的高效合作,必须解决机器人之间的信息交互问题,提出将无线局域网的多机器人系统与轮询系统结合的MAC(multiple access control)协议。首先,研究MAC协议中PCF(point coordination function)访问机制,建立轮询系统模型,将该模型应用于多机器人集中式体系架构中,并对其数据传输方式进行分析;推导了门限、完全、限定K=1机器人系统信息传输的平均排队队长、时延、轮询周期的表达式;最后通过MATLAB及ROS系统对三种系统的理论值和仿真值进行分析比较。结果表明,该多机器人系统的信息传递率随着到达率的增加而显著增加。综合对比实验结果,在保证公平性的前提下,门限服务系统在加速信息处理速率、改善系统性能方面比其他两种服务策略更加稳定;在机器人增加时,完全服务系统在信息处理速度上较其他两种服务更好。

关键词：无线局域网多机器人系统轮询系统平均时延平均轮询周期

在线全文

学校读者我要写书评

暂无评论

多机器人系统强化学习研究综述

西南交通大学学报 2014年第6期49卷 1032-1044页

作者：马磊张文旭戴朝华西南交通大学电气工程学院四川成都610031

强化学习是实现多机器人对复杂和不确定环境良好适应性的有效手段,是设计智能系统的核心技术之一.从强化学习的基本思想与理论框架出发,针对局部可观测性、计算复杂度和收敛性等方面的固有难题,围绕学习中的通信、策略协商、信度分配和... 详细信息

强化学习是实现多机器人对复杂和不确定环境良好适应性的有效手段,是设计智能系统的核心技术之一.从强化学习的基本思想与理论框架出发,针对局部可观测性、计算复杂度和收敛性等方面的固有难题,围绕学习中的通信、策略协商、信度分配和可解释性等要点,总结了多机器人强化学习的研究进展和存在的问题;介绍了强化学习在机器人路径规划与避障、无人机、机器人足球和多机器人追逃问题中的应用;最后指出了定性强化学习、分形强化学习、信息融合的强化学习等若干多机器人强化学习的前沿方向和发展趋势.

关键词：多机器人系统强化学习马尔科夫决策过程计算复杂度不确定性