检索结果-南通市图书馆

基于一致性理论和S-MPC的四旋翼编队协同避障

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

系统工程与电子技术 2024年第2期46卷 658-667页

作者：胡树欣张安孙嫚憶李铭浩西北工业大学航空学院陕西西安710072

针对四旋翼无人机队形保持、编队避障问题,在双向、时不变通信拓扑结构下,基于领航跟随策略,利用安全攸关模型预测控制(safety-critical model predictive control,S-MPC)和一致性理论,设计编队控制器并实现了具有避障能力的队形保持。... 详细信息

针对四旋翼无人机队形保持、编队避障问题,在双向、时不变通信拓扑结构下,基于领航跟随策略,利用安全攸关模型预测控制(safety-critical model predictive control,S-MPC)和一致性理论,设计编队控制器并实现了具有避障能力的队形保持。采用分散式S-MPC算法,每架无人机在满足避碰条件无人机的可行区域内,仅规划自身运动来跟踪编队控制算法指定的轨迹。研究了各解耦后的无人机如何与其他无人机并行求解带有耦合约束的优化问题,从而保证了各无人机独立决策的一致性。同时,所提算法将控制障碍函数(control barrier function,CBF)引入到MPC控制器的约束中,从而保证无人机飞行在远离障碍物的安全集合内,规划出的轨迹更为平滑,减小了系统能耗。最后,通过仿真实验验证了所提方法的有效性。

关键词：模型预测控制控制障碍函数编队避障一致性算法

在线全文

学校读者我要写书评

暂无评论

基于人工势场法的多机器人编队避障控制研究

北京印刷学院学报 2024年第3期32卷 15-21页

作者：陈礼杰李宏峰张泰北京印刷学院机电工程学院北京102600

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... 详细信息

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。

关键词：编队避障领航—跟随法人工势场法

基于图和流体扰动算法的多无人车编队及避障研究

在线全文

学校读者我要写书评

暂无评论

控制工程 2024年第4期31卷 669-677页

作者：陈倩庞文朱大奇汪中厚上海理工大学管理学院上海200093 上海理工大学机械工程学院上海200093

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... 详细信息

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。

关键词：多无人车系统编队控制领航跟随法流体扰动算法编队避障

同方期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于模糊控制的UUV编队避障研究

舰船科学技术 2022年第7期44卷 98-103页

作者：杨芳陈彦勇曾俊宝刘锋赵旭中国船舶集团有限公司第七〇五研究所昆明分部云南昆明650118 中国科学院沈阳自动化研究所辽宁沈阳110017

针对水下复杂环境中UUV编队避障问题,提出一种基于模糊控制的UUV编队避障控制方法。在单UUV避障的基础上,根据雁群编队行为和避障机制,设计基于模糊控制的编队拆分避障算法,考虑不同通信条件进行仿真,结果表明所提方法能够有效解决UUV... 详细信息

针对水下复杂环境中UUV编队避障问题,提出一种基于模糊控制的UUV编队避障控制方法。在单UUV避障的基础上,根据雁群编队行为和避障机制,设计基于模糊控制的编队拆分避障算法,考虑不同通信条件进行仿真,结果表明所提方法能够有效解决UUV编队在障碍物环境下队形控制及避障问题。考虑到工程实际,针对通信延迟进行了处理,并通过仿真验证处理方法的有效性。最后以典型狭长极窄障碍物环境进行了湖上试验。

关键词： UUV 队形控制模糊控制编队避障通信延迟

在线全文

学校读者我要写书评

暂无评论

通信受限条件下基于切换协议的编队避障算法

组合机床与自动化加工技术 2022年第7期 42-47页

作者：樊力雷斌蒋林武汉科技大学机械工程及自动化学院武汉430081

针对通信距离受限条件下多智能体编队队形易受障碍物影响而打散队形进而无法继续维持编队的问题,提出了一种基于分布式协议与集中式协议相互切换的多智能体编队避障算法。首先,分别使用基于一致性理论的分布式控制和集中式控制算法使智... 详细信息

针对通信距离受限条件下多智能体编队队形易受障碍物影响而打散队形进而无法继续维持编队的问题,提出了一种基于分布式协议与集中式协议相互切换的多智能体编队避障算法。首先,分别使用基于一致性理论的分布式控制和集中式控制算法使智能体系统形成编队;其次,引入人工势场函数,保证智能体的避障性能;最后,设计协议切换控制器,根据智能体系统是否处于障碍物斥力场内进行协议切换,保证智能体系统既能实现避障,又能维持较低的通信量。仿真结果表明,该算法与仅使用集中式协议的算法相比,系统的总通信量降低了32%,领导者智能体的通信量降低了53.5%,表明该算法有更强的适用性和鲁棒性。

关键词：多智能体系统通信受限切换协议编队避障

在线全文

学校读者我要写书评

暂无评论

基于双目视觉的旋翼无人机编队避障控制

基于双目视觉的旋翼无人机编队避障控制

作者：张俊华中科技大学

学位级别：硕士

随着人工智能技术、控制技术和通信技术的发展,无人机编队因其适应能力强、任务执行效率高等优势被广泛应用于军事与民用领域,是当前的研究热点之一。然而在实际环境中,无人机编队不可避免地存在安全避障和自主感知等复杂问题。为此,本... 详细信息

随着人工智能技术、控制技术和通信技术的发展,无人机编队因其适应能力强、任务执行效率高等优势被广泛应用于军事与民用领域,是当前的研究热点之一。然而在实际环境中,无人机编队不可避免地存在安全避障和自主感知等复杂问题。为此,本文以典型的旋翼无人机为对象,围绕无人机编队的避障问题和障碍物感知问题展开基于双目视觉的无人机编队避障控制研究。首先,通过设计一种改进的基于相对速度的人工势场,提出了一种有限时间收敛的无人机编队避障控制算法,用于提高无人机编队的动态避障能力。编队避障控制算法分为有限时间收敛的编队控制和基于改进速度人工势场的避障控制两部分。其中,编队控制利用二阶分散滑模估计器实现有限时间收敛,避障控制将改进速度人工势场与非线性终端滑模控制结合,构成速度人工势函数滑模控制(SAPF-SMC)避障算法,实现动态避障。数值仿真结果表明本文设计的避障控制算法相较于其他基于人工势场的避障算法时间和能量消耗更少、飞行轨迹更优。其次,通过设计一种模型自适应更新策略,提出了一种改进的障碍物视觉感知算法,用于提高无人机编队对障碍物的感知能力。无人机编队对障碍物的感知分为检测、跟踪和测距三部分。其中,障碍物的检测通过一种动态背景下的背景运动补偿差分法完成,障碍物的跟踪采用一种基于模型自适应更新策略的改进核相关滤波(Kernel Correlation Filter,KCF)算法实现,之后利用双目测距原理获取无人机编队需要的障碍物信息。仿真结果表明本文提出的模型自适应更新策略有助于提高KCF算法的跟踪精度和鲁棒性。最后,基于编队避障控制算法和障碍物视觉感知算法的研究,利用Rfly Sim三维视景仿真平台完成了基于双目视觉的无人机编队避障软件在环仿真。通过对仿真结果中编队队形状态和最小安全距离等参数的分析,证明本文提出的编队避障算法和障碍物视觉感知算法能够有效地完成基于双目视觉的无人机编队避障控制。

关键词：编队避障分散滑模估计器人工势场双目视觉相关滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多移动机器人编队避障与围捕算法研究

多移动机器人编队避障与围捕算法研究

作者：刘建魁华南理工大学

学位级别：硕士

随着移动机器人技术的发展,单个移动机器人已经具备有较好的性能。不过在处理如搜救、围捕、巡逻等要求较高的任务时,单个移动机器人常常会受限于其计算、感知、抗干扰能力的不足而无法完成任务。多移动机器人编队由于拥有较好的鲁棒性... 详细信息

随着移动机器人技术的发展,单个移动机器人已经具备有较好的性能。不过在处理如搜救、围捕、巡逻等要求较高的任务时,单个移动机器人常常会受限于其计算、感知、抗干扰能力的不足而无法完成任务。多移动机器人编队由于拥有较好的鲁棒性、较高的工作效率等优点,受到了研究者们的广泛关注,其中围捕问题涉及了多项移动机器人编队方面的多项关键技术,成为了研究多移动机器人编队的代表性问题之一。本文将围绕多移动机器人编队的围捕问题,研究编队避障和围捕等方面的算法。首先,针对多移动机器人编队的控制方法,根据围捕问题的特性设计了一种基于虚拟领航者的半圆弧队形编队,提高了编队的稳定性。之后将编队的队形保持问题转化为轨迹跟踪问题,利用Backstepping法设计出移动机器人的轨迹跟踪控制器,使移动机器人能够快速的实现轨迹跟踪。其次,为了使路径规划算法计算出来的路径长度更短、路径更为光滑,对传统的人工势场法进行了改进,并利用A*算法搜索虚拟目标点,通过虚拟目标点的牵引避免人工势场法陷入局部最小值中,同时将改进后的人工势场法应用于编队的避障中。针对当前编队的避障算法不够灵活的问题,提出了一种基于可通行区域下的编队划分避障算法,将编队的避障分为虚拟领航者的避障和子编队的避障。虚拟领航者利用改进的人工势场法对大型障碍进行躲避;编队机器人在跟随虚拟领航者运行的过程中,通过计算编队前方可通行区域的大小和数量进行子编队的划分,并使子编队通过对应的可通行区域,从而实现对小型障碍物的躲避。最后,针对多移动机器人的编队围捕问题,考虑到本文所采用的半圆弧编队队形,将围捕问题转化为虚拟领航者与目标机器人的位置误差和移动机器人和虚拟领航者的角度误差问题。同时将围捕分为两个阶段:寻路阶段和围捕阶段。寻路阶段采用半径可变的虚拟范围,以减少编队在远距离情况下的路径规划次数;围捕阶段则使用改进后的平行导引率,在无障碍物时计算出期望围捕点,有障碍物时计算出次优移动点以提高整体的围捕效率。

关键词：多移动机器人编队编队避障虚拟领航者协同围捕

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

轮式移动机器人编队避障算法研究

轮式移动机器人编队避障算法研究

作者：呙生富陕西理工大学

学位级别：硕士

多移动机器人在军事行动及日常生活等场景具有广泛的应用,如人员搜救、合作搬运、无人机表演、疫情防控及农业劳作等。随着移动机器人应用场景复杂化和应用范围不断扩大,对移动机器人的工作性能提出更高要求。由于多移动机器人在实际应... 详细信息

多移动机器人在军事行动及日常生活等场景具有广泛的应用,如人员搜救、合作搬运、无人机表演、疫情防控及农业劳作等。随着移动机器人应用场景复杂化和应用范围不断扩大,对移动机器人的工作性能提出更高要求。由于多移动机器人在实际应用场景中,执行各种任务时必定会受到环境中障碍物的影响,进而使得编队在躲避障碍物时,完成任务效率低、系统稳定性差。针对以上问题,本文在室内二维平面环境中结合应用较为广泛的轮式移动机器人进行编队避障方法研究。（1）为了提高编队的避障效率、系统稳定性。提出一种距离-角度优先级避障策略,该策略主要根据机器人的自身安全距离和通讯范围来选择队形和避障方式。其中编队队形采用领航者法控制,避障方式采用调整领航者与跟随者之间的距离与角度改变队形结构躲避障碍物;通过建立领航-跟随者运动模型并对其相对位姿进行运动学分析,使机器人完成稳定编队的同时提高机器人通过障碍物的时效性,并迅速恢复队形。仿真实验结果表明,与传统的避障控制方法相比,本文提出的避障策略提高了避障效率、队形稳定性和控制精度。在相同的仿真环境下,减少了14.29%的避障路径,缩短了28.57%的队形恢复时间,降低了12.5%的队形结构畸变程度。（2）为了提高编队在实际应用场景的自适应能力。针对轮式移动机器人在动态障碍物环境中能够避开障碍物、顺利完成复杂任务等要求,基于模型预测控制（MPC）理论提出了一种轮式移动机器人编队避障控制算法。建立轮式移动机器人运动-动力学模型,在此基础上进一步设计了基于非线性预测控制的MPC控制器,其原理是把碰撞约束转化为状态约束映射到设计的控制器中,让机器人编队可以在多动态障碍物的环境下顺利完成复杂任务。仿真实验结果验证了模型预测避障控制算法的有效性。（3）为了验证本文提出的避障策略的可行性。基于机器人操作系统（ROS）,设计了一个基于三维仿真平台的实验方案。首先使用URDF文件创建轮式差分移动机器人模型;其次通过Gazebo搭建仿真环境,给机器人模型搭配传感器,获取仿真环境数据;最后通过搭建的实验仿真平台对论文所提出的编队避障策略进行验证。

关键词：轮式移动机器人编队避障 MPC 距离-角度动态障碍物静态障碍物

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多智能体编队避障的目标围捕策略研究

基于多智能体编队避障的目标围捕策略研究

作者：汪畅哈尔滨工程大学

学位级别：硕士

多智能体系统是近年来研究的热点问题,在处理复杂问题方面比单智能体更具优势,在航空工业、医疗卫生、军事战争等领域具有重要应用。多智能体协同控制是完成协同任务的关键使能技术,由于环境的复杂性和不确定性,多智能体协同算法达不到... 详细信息

多智能体系统是近年来研究的热点问题,在处理复杂问题方面比单智能体更具优势,在航空工业、医疗卫生、军事战争等领域具有重要应用。多智能体协同控制是完成协同任务的关键使能技术,由于环境的复杂性和不确定性,多智能体协同算法达不到预期效果。本文针对多智能体协同控制中编队避障和目标围捕问题进行研究,本文的主要研究内容如下:首先,针对编队不稳定以及避障不理想的问题,本文提出一种基于自适应的多智能体编队避障策略。在编队形成阶段,本文采用多目标分配算法解决目标节点确定及冲突问题,并利用匈牙利法进行最优指派问题求解,快速形成期望队形,避免智能体频繁变换位置;在编队避障阶段,针对人工势场法的局限性,修改斥力参数,使合力更加平滑,引入虚拟力改变智能体运动方向,帮助智能体脱离局部最小值的情况,同时为了选择合适的避障方式,引入伸缩系数,使智能体灵活的通过障碍区域;在编队运动阶段,针对队形不稳定的问题,本文建立反馈控制律,跟随者自动调整速度和角速度,并建立智能体之间的势场,提高了编队整体稳定性。在仿真实验中验证了算法的有效性。其次,为了快速地围捕目标智能体,本文提出一种基于动态围捕点的多智能体围捕策略。针对围捕问题进行建模,在目标智能体周围动态设置围捕点,结合上文提出的自适应编队避障策略,采用虚拟领航者进行位置规划,使围捕智能体可以跟随目标智能体,同时利用协商分配法,使围捕智能体均匀分布在目标智能体周围,实现围捕。最后,利用多智能体强化学习解决围捕问题,针对多智能体深度确定性策略梯度(Multi-Agent Deep Deterministic Policy Gradient,MADDPG)算法的不足,在采样过程中加入优先经验回放机制,给样本不同的采样权重,通过经验抽取算法获取经验样本进行学习,提高学习效率。在仿真实验中验证了算法的有效性。

关键词：多智能体协同编队避障目标围捕强化学习