下载文档原格式
机器人组合编队控制与路径规划研究机器人技术的发展带来了人工智能领域的重大突破，机器人组合编队控制与路径规划成为了研究的重要方向之一。
通过研究机器人组合编队控制与路径规划，可以实现多个机器人之间的协同工作，提高工作效率和任务执行能力。
本文将从技术背景、研究方法、应用领域等方面对机器人组合编队控制与路径规划进行深入研究和分析。
一、技术背景机器人组合编队控制与路径规划是在多机器人系统中实现协同作业的一种技术。
在这种系统中，多个机器人之间需要相互协调，以完成复杂的任务，例如搜索、探测、救援等。
因此，研究机器人组合编队控制与路径规划成为了人工智能领域的热点之一。
机器人组合编队控制与路径规划主要涉及到以下几个方面的技术：传感器技术、路径规划算法、协同控制算法等。
通过传感器技术，机器人可以感知周围环境的信息，例如距离、方向、速度等。
路径规划算法是为机器人设定合适的路径，使其能够按照特定的顺序进行移动。
协同控制算法是为了实现多个机器人之间的协同工作，确保它们可以按照预定的方式进行组合编队控制。
二、研究方法在机器人组合编队控制与路径规划的研究中，主要采用如下几种方法：1. 集中式方法：在集中式方法中，一个中央控制器负责对多个机器人进行统一的控制和规划。
通过收集多个机器人的状态信息，中央控制器可以实时调整机器人的路径和行为，以实现组合编队控制。
2. 分布式方法：在分布式方法中，每个机器人都具有一定的自主性，能够根据自身的感知信息和任务要求进行自主决策。
通过相互通信和协作，多个机器人可以实现分布式的组合编队控制与路径规划。
3. 混合式方法：混合式方法是集中式方法和分布式方法的结合，通过将部分控制权交给中央控制器，并给予机器人一定的自主决策能力，实现对机器人组合编队控制与路径规划的综合管理和控制。
三、应用领域机器人组合编队控制与路径规划在很多领域都有广泛应用的前景，以下是其中几个典型的应用领域：1. 智能制造：在智能制造中，多个机器人可以协同工作，实现生产线的自动化操作。
《多智能体系统的几类编队控制问题研究》篇一一、引言多智能体系统是由多个智能体组成的，通过互相协调与交互以实现整体功能的系统。
随着机器人技术的不断进步，多智能体系统的编队控制问题逐渐成为研究的热点。
编队控制是多智能体系统的重要应用之一，它涉及到多个智能体的协同工作、动态调整与精确配合。
本文将对多智能体系统的几类编队控制问题进行深入研究。
二、多智能体系统编队控制概述多智能体系统编队控制是指通过一定的算法和策略，使多个智能体在动态环境中协同工作，形成特定的队形并保持队形稳定的过程。
编队控制涉及到多个智能体的信息交互、协同决策、路径规划等方面。
根据不同的应用场景和需求，编队控制问题可以划分为多种类型。
三、基于行为的编队控制问题研究基于行为的编队控制方法是一种重要的编队控制策略。
该方法将每个智能体的行为建模为简单的行为基元，并通过这些行为基元的组合来实现复杂的编队任务。
该类问题的研究主要包括行为选择、行为协调和行为更新等方面。
针对不同场景和需求，设计合适的行为基元和选择合适的协调策略是关键。
四、基于领导者的编队控制问题研究基于领导者的编队控制方法是指通过一个或多个领导者智能体来引导整个队伍的行动。
该方法在保持队伍稳定性和提高任务执行效率方面具有显著优势。
该类问题的研究主要包括领导者的选择、领导者与跟随者之间的信息交互以及队伍的动态调整等方面。
在实际应用中，如何选择合适的领导者以及如何保证领导者与跟随者之间的信息畅通是研究的重点。
五、基于优化的编队控制问题研究基于优化的编队控制方法是通过优化算法来寻找最优的编队策略。
该方法可以充分利用多智能体的优势，实现全局最优的编队效果。
该类问题的研究主要包括优化模型的建立、优化算法的选择以及优化结果的评估等方面。
在实际应用中，需要根据具体任务和场景设计合适的优化模型和算法，以实现最佳的编队效果。
六、结论与展望本文对多智能体系统的几类编队控制问题进行了深入研究。
基于行为的编队控制方法、基于领导者的编队控制方法和基于优化的编队控制方法各有其特点和优势，适用于不同的应用场景和需求。
非完整机器人Leader-Follower编队控制器设计张金学;掌明【摘要】编队控制是多机器人协作的最重要的研究领域,其目的是控制组中的机器人的相对位置和方向,让机器人移动作为一个整体.Le-ader-follower策略已经广泛地应用到多机器人系统编队控制中.文中涉及了非完整移动机器人leader-follower 编队控制问题,然后描述了基于leader-follower策略的控制方法,最后采用输入/输出反馈线性化方法设计控制器,以确保编队的渐进稳定.在保持理想的相对距离和转向角时,该控制器能够有效地稳定编队.仿真结果表明了该编队控制方案的有效性.【期刊名称】《智能计算机与应用》【年(卷),期】2011(001)006【总页数】3页(P20-22)【关键词】编队控制;多机器人协作;非完整机器人;输入/输出反馈线性化【作者】张金学;掌明【作者单位】淮海工学院电子工程学院,江苏连云港222005;淮海工学院电子工程学院,江苏连云港222005【正文语种】中文【中图分类】TP242.60 引言多机器人编队控制已经成为了机器人重要的研究领域，过去十几年中，对机器人编队控制进行了大量的研究，已经产生了很多研究理论和实际应用。
通过编队控制，可以在一个组中控制机器人的相对位置和方向，从而使得组中的机器人作为一个整体进行移动[1]。
通过编队控制可以使得多机器人系统更加有效地完成任务，缩短任务的执行时间，提高系统的效率。
现有的机器人编队控制方法通常分为三类：基于行为（behavior-based）的方法，基于 leader-follower方法和虚拟结构方法(virtual structure)[2]。
1934年，德国经济学家Heinrich Freiherr首先提出了leader-follower策略，并在其出版的著作中描述了leaderfollower模型[3]。
leader-follower是一个非常流行的编队结构，已经吸引了大量的研究关注。
机器人编程与运动控制的实用教程机器人技术的快速发展与普及，为我们的生活带来了巨大的变化。
而机器人编程与运动控制，作为机器人技术的核心和基础，同样具有重要的实用性。
本文将为您提供一份机器人编程与运动控制的实用教程，帮助您了解并掌握这一领域的基本知识与技能。
一、机器人编程的基础知识1. 理解编程概念与基本要素编程是指通过编写一系列指令，告诉机器人如何执行特定的任务。
在机器人编程中，我们需要掌握诸如变量、常量、条件语句、循环语句、函数等基本要素。
变量用于存储数据，常量是不可改变的数据，条件语句用于根据不同的条件执行不同的操作，循环语句用于重复执行一段代码，而函数则是将一段代码封装成一个可重复使用的模块。
2. 掌握常见的编程语言机器人编程中，常用的编程语言有Python、C++、Java 等。
不同的编程语言有不同的特点与适用场景。
对于初学者来说，Python是一种较为简洁易懂的语言，适合初步学习和实践机器人编程。
3. 学习机器人操作系统（ROS）机器人操作系统（Robot Operating System，ROS）是一种开源的操作系统，为机器人提供了一套标准化的工具和库。
ROS拥有良好的架构和丰富的功能包，可以帮助我们更好地进行机器人编程和运动控制。
学习ROS将对进一步深入机器人编程非常有帮助。
二、机器人运动控制的基本原理1. 理解机器人的运动学与动力学机器人运动学是研究机器人运动位置、姿态以及其相关关系的学科；机器人动力学则研究机器人运动的力学性质与行为。
了解机器人的运动学与动力学可以帮助我们更好地控制机器人的运动行为。
2. 学习机器人运动控制方法机器人运动控制方法有多种，常见的包括PID控制、逆运动学解算、轨迹规划等。
在机器人编程中，我们可以根据具体的任务需求选择合适的运动控制方法来实现机器人的运动控制。
3. 掌握机器人传感器技术机器人往往需要借助传感器来获取外界环境的信息，以便更好地进行运动控制。
基于机器人的北斗导航与控制技术研究随着机器人技术的快速发展，人们对于机器人在不同领域的应用越来越感兴趣。
在各种应用中，基于机器人的北斗导航与控制技术得到了广泛关注。
北斗导航系统作为我国自主研发的卫星导航系统，具备全球覆盖、高精度定位以及高可靠性等优势。
而结合机器人技术，可以实现从地面到地下、从水中到空中的多种应用。
一、北斗导航系统的基本原理和特点北斗导航系统由多颗卫星和地面控制系统组成，采用空间、地面和用户三重结构。
该系统通过提供精确的定位、导航和时间服务，为用户提供全球覆盖的导航服务。
北斗导航系统的基本原理是通过接收多颗卫星发射的信号，并通过信号传播时间计算出位置信息。
基于北斗导航系统的机器人可以通过接收卫星信号，确定自身位置，并进行定位和导航。
同时，北斗导航系统还提供了高精度的时间服务，使得机器人的控制更加精确。
北斗导航系统具有全球覆盖的优势，不会受到地理位置的限制。
其提供的定位精度在十米以内，满足了普通机器人的定位要求。
此外，北斗导航系统在农业、交通、环境监测等领域的应用也受到了广泛关注。
二、机器人导航的研究现状和挑战机器人的导航是指机器人在复杂环境下实现自主移动和定位的能力。
目前的机器人导航技术主要有惯性导航、视觉导航和激光导航等。
然而，这些导航方式在某些环境下存在一定的局限性，例如植物浓密的农田、建筑物复杂的城市环境等。
基于机器人的北斗导航与控制技术为机器人导航技术的改进和补充提供了新的思路。
它可以通过接收北斗卫星的信号，确定机器人的位置，并进行精确的定位和导航。
北斗导航系统的全球覆盖特性为机器人的导航提供了更广阔的应用空间。
然而，基于机器人的北斗导航与控制技术仍面临一些挑战。
首先，机器人在移动过程中可能会受到多路径效应的影响，导致定位误差增大。
其次，北斗卫星信号在室内或密闭环境下的可用性较差，机器人在这些环境中的导航性能可能下降。
此外，北斗导航系统的精度对于一些高精度导航需求来说可能不够满足。
基于全向机器人编队控制王钦钊，程金勇，李小龙(装甲兵工程学院控制工程系，北京 100072)摘要：提出一种多机器人协同编队方法；根据领航机器人和队形库确定虚拟领航者的位姿参数，将基于领导跟随方法的编队问题转化为跟随机器人对于虚拟领航者的轨迹追踪问题；采用BackStepping方法逐步构造控制系统的Lyapunov函数，使该函数负定，跟随机器人全局渐进的跟踪各自的虚拟领航者；仿真和实物实验验证了该编队方法的有效性与可行性。
关键词：全向机器人；BackStepping；编队；轨迹跟踪随着机器人应用领域的扩展，单机器人由于自身的局限性，对于复杂的任务和多变的环境而言，能力稍显不足。
人们受到鸟类、鱼群、蜂群等生物种群合作行为的启发，逐步开始考虑多个机器人协调协作完成任务。
与单机器人相比，多机器人系统具有更强的工作能力，在资源勘探、安全巡逻、智能交通和大型物体运输等方面都有非常广泛的应用前景。
多机器人编队控制是指多个机器人向目标运动的过程中，既能够收敛于特定的队形，又能够适应外界环境约束[1]。
目前多机器人的编队控制方法主要有虚拟结构法、领导-跟随方法、人工势场法、基于行为的方法等。
基于虚拟结构的队形控制方法结合图论拓扑理论，以刚体上的点引导相应的机器人形成编队，任一机器人故障或者失效都有可能导致编队失败。
人工势场法需要对每种队形设定相应的势场函数，复杂队形的势场函数构建比较困难。
基于行为方法适应于不确定环境且实现比较简单，但是队形不够精确，难以进行精确的数学描述。
领导—跟随方法控制方式较为简单，易于工程实现和编队误差的分析。
文献[2]分析了基于行为的编队方法，通过局部感知及较少的通讯信息使得机器人建立并保持相对的位姿关系实现编队。
文献[3]将机器人视为虚拟刚性结构上的点，实现了基于虚拟结构的编队控制。
文献[4]将虚拟结构法与路径跟踪法相结合，实现了多个机器人的队形控制。
文献[5]将队形控制问题转化为机器人对于虚拟机器人的跟踪，但是算法实现要保证内三角关系，不适用于线形等特殊队形。
基于领导者的群体机器人编队及导航控制陈浩;雷斌;高全杰【摘要】A consensus algorithm for swarm robots based on leader is introduced.On the basis of this algorithm,a formation and navigation control method for swarm robots is proposed.It uses hierarchi-cal control strategy,and the control system is divided into target layer,leader layer and follower lay-er.Position information of target point in the target layer is sent to the leader,and then the leader is impelled to move towards the target by using the position consensus algorithm.Meanwhile,the lead-er’s status messages are delivered to his followers in the next layer,and the formation control algo-rithm based on leader is adopted to control the leader and his followers moving to the target with the right formation.The proposed approach can be used to navigate swarm robots system consisting of multiple subsystems,and its validity is verified by computer simulation and swarm robots experimen-tal platform.%介绍了基于领导者的群体机器人一致性方法，在此基础上提出一种群体机器人编队及导航控制方法。
基于群体智能的智能机器人控制研究智能机器人已经成为了人们生活中不可或缺的一部分。
在工厂、医院甚至家庭中，智能机器人扮演着越来越重要的角色。
然而，如何让机器人更加智能化、更加灵活、更加适应人们的需求，仍然是智能机器人技术需要攻克的难题之一。
基于群体智能的智能机器人控制研究，在这个领域有着广泛的应用和深远的意义。
一、群体智能简介群体智能是指一群个体，通过相互之间的交互和协作所表现出的集体智能。
群体智能的研究来源于生物学和社会科学领域。
例如，蚁群算法和鸟群算法基于昆虫和鸟类的行为方式；集体智能算法和基因算法则基于生物学的进化论。
随着计算机技术的发展，群体智能成为人工智能中一个重要的研究领域。
群体智能不仅可以用于优化问题，而且还可以用于智能机器人的控制和协同等方面。
二、基于群体智能的智能机器人控制在智能机器人控制中，基于群体智能的算法可以被应用到以下三个方面：1. 导航和路径规划当多个机器人在一个未知区域中同时进行运动时，它们需要相互之间进行通讯和协作，以避免相互碰撞或者在一个地方堵塞。
蚁群算法可以被应用到依据嗅觉信息进行通讯和协作的机器人之间，使得机器人可以更好地避免碰撞或堵塞。
2. 任务分配和协作当多个机器人在同一时间完成一个任务时，如何使得它们能够分配和协同工作就变得至关重要。
鸟群算法可以被应用到机器人的协作中，以确保机器人能够完成分配给它们的任务，并且不会相互干扰。
3. 自我组织当机器人面临着动态和复杂的环境时，如何自我组织以应对这种复杂性就变得尤为重要。
集体智能算法和遗传算法可以被应用到机器人的自我组织中，使得机器人能够自我适应环境中的变化。
三、基于群体智能的智能机器人控制优势相较于传统的智能机器人控制方法，基于群体智能的智能机器人控制有着很多优势：1. 具有强大的自适应性和鲁棒性，甚至在动态和复杂的环境中也能够保持稳定。
2. 具有很强的扩展性和可扩展性。
当需要增加新机器人时，系统能够自动发现和适应新机器人的加入。
第39卷第3期武汉科技大学学报V o l .39,N o .32016年6月J o u r n a l o fW u h a nU n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍J u n .2016收稿日期:2016-01-06基金项目:国家自然科学基金资助项目(61305110);武汉科技大学青年科技骨干培育计划项目(2011x z 007). 作者简介:陈 浩(1989-),男,武汉科技大学硕士生.E -m a i l :c h e n h a o 894@163.c o m 通讯作者:雷 斌(1979-),男,武汉科技大学副教授,博士.E -m a i l :l e i b i n @w u s t .e d u .c n基于领导者的群体机器人编队及导航控制陈 浩,雷 斌,高全杰(武汉科技大学机械自动化学院,湖北武汉,430081)摘要:介绍了基于领导者的群体机器人一致性方法,在此基础上提出一种群体机器人编队及导航控制方法㊂该方法采用分层控制策略,即控制系统分为目标层㊁领导层和跟随层㊂将目标层中目标点的位置信息发送给领导者,采用位置一致性算法使领导者朝目标运动;与此同时,领导者将其状态信息发送给跟随层中的跟随者,采用基于领导者的群体机器人编队控制方法,使跟随者与领导者保持一定的队形朝着目标运动㊂该方法可针对由多个子集构成的群体机器人系统进行导航㊂通过计算机仿真和群体机器人实验平台验证了所提方法的有效性㊂关键词:群体机器人;多智能体;一致性;领导者;编队;导航;分层控制中图分类号:T P 273 文献标志码:A 文章编号:1674-3644(2016)03-0219-05随着机器人在工业㊁农业㊁医学㊁建筑业甚至军事等领域中的应用日益广泛,其工作环境和任务也越来越复杂㊂单个机器人对外部环境信息的获取及处理能力是有限的,因此其发展存在着一定的瓶颈;群体机器人结构简单,设计和制造成本相对较低,而且群体机器人的可扩展性㊁灵活性㊁柔性和鲁棒性等都占有较大的优势,因此其应用前景更加广阔㊂群体机器人控制的一个基本方法是一致性方法,它是个体之间相互作用的规则,描述了每个个体与它相邻个体间的信息交互过程,通过局部的信息交互而使整个群体的状态信息量形成一致㊂该方法在群体机器人㊁多智能体系统等研究领域已经取得了一定的成果[1-5]㊂一致性方法的一个重要应用是群体机器人的编队控制㊂编队是指控制群体机器人的方向角㊁速度以及机器人之间的相对距离形成一致,保持设定的队形朝着同一个方向运动㊂文献[6]介绍了一种基于一致性的多智能体编队控制方法,通过选择合适的一致性状态信息量,将一致性变体算法运用到编队控制中㊂文献[7]采用迭代学习控制方法产生一系列的控制信号,用于多智能体的编队控制㊂文献[8]提出了一种输入受限的编队控制方法,具有较好的实际应用效果㊂群体机器人编队控制可使群体机器人保持一定的队形进行运动,然而这种运动不具有目的性,要想其运动到指定位置并执行任务,则需进行编队导航控制㊂文献[9]研究了基于P S O 参数优化的群体机器人在位置环境下的编队导航控制㊂文献[10]研究了传感器约束条件下基于领导者信息的编队导航,提出一种局部控制策略,即采用动态信息交互拓扑结构,也能确保形成预定的编队模式㊂文献[11]针对多智能体系统提出了模糊逻辑控制的导航控制方法㊂本文首先介绍一种基于领导者的一致性方法,然后提出基于领导者的群体机器人编队控制方法以及采用分层控制策略的编队导航控制方法,最后通过仿真和试验对上述方法的有效性进行验证㊂1 基于领导者的一致性方法1.1 预备知识由多个机器人组成的系统,其网络拓扑图为G ={V ,E },其中:V ={1,2,3, ,n },表示网络拓扑图的顶点集;E ⊆{(i ,j )|i ,j ɪV },表示网络拓扑图的边集㊂若是无向图,则节点是无序的,即(i ,j )ɪE ⇔(j ,i )ɪE ㊂又称为信息交互图㊂交互图对应的邻接矩阵A ()为n ˑn 矩阵,A ()=[a i j ]ɪR n ˑn ,其中,a i j =1,e i j ɪE0,e i j ∉{E,武汉科技大学学报2016年第3期e i j 为两个节点的连接边㊂交互图对应的信息交互矩阵C ()=A ()+D ()=[c i j ],其中:D ()是一个n ˑn 对角矩阵,且其对角元素非正,即d i i =-ðnj =1a i j ㊂C ()中除主对角线之外的元素均为非负实数,且每行元素和为零㊂1.2 数学描述这里考虑由n +1个机器人组成的群体机器人系统,其中编号为0的机器人为领导者,其他编号1~n 的机器人为跟随者㊂该n +1个机器人的信息交互图={V ,E }中,V ={0,1,2, ,n },信息交互矩阵为:C =000a 10a 11a 1n ︙︙︙a n 0a n 1a n éëêêêêêùûúúúúún ɪR (n +1)ˑ(n +1)跟随者机器人的数学模型为:ξi ㊃(t )=ζi ()t i =1,2, ,n (1)式中:t 为时间;ξi ɪR 和ζi ɪR 分别表示第i 个跟随者机器人的状态信息量和控制输入量㊂领导者机器人的数学模型为:ξ0㊃(t )=ζ0(t )(2)式中:ξ0ɪR 和ζ0ɪR 分别表示领导者机器人的状态信息量和控制输入量㊂定义1 对于任意初始条件,如果满足l i m t ң¥ ξi (t )-ξ0(t ) =0 i =1,2, ,n 即所有跟随者的状态信息量最终收敛于领导者的状态信息量,则表明群体机器人系统形成具有领导者的一致性㊂建立基于领导者的一致性方法如下:ζi (t )=-ðnj =1a i j w i j (t )[ξi (t )-ξj (t )]-w i 0(t )b i [ξi (t )-ξ0(t )](3)式中:b i =a i 0ȡ0;w i j (t )和w i 0(t )为t 时刻的加权值㊂定理1[12]基本静态连续时间一致性方法(式(3))渐进形成一致,当且仅当其对应的交互图有一条有向生成树㊂2 基于领导者的编队控制方法2.1 机器人运动模型一个典型的移动机器人运动模型如下:x ㊃i y ㊃i θ㊃æèçççöø÷÷÷i =v x i v y i ωæèçççöø÷÷÷i =c o s θi 0s i n θi 00æèçççöø÷÷÷1v i ωæèçöø÷i i =1,2, ,n (4)式中:x i ㊁yi 分别为机器人i 的横坐标和纵坐标;θi ㊁v i ㊁ωi 分别为机器人i 的方向角㊁线速度和角速度,其中v i 和ωi 为控制输入量㊂2.2 基于领导者的对齐行为一致性方法对齐行为是用来控制群体机器人的方向角形成一致,使群体机器人朝着同一个方向运动㊂根据式(3),基于领导者的对齐行为一致性方法可以表示为:ωi (t )=-ðnj =1a i j w i j (t )θi (t )-θj (t [])-w i 0(t )b i θi (t )-θ0(t [])(5)2.3 基于领导者的聚集和分散行为一致性方法聚集和分散行为是用来控制群体机器人的相对距离形成一致,使群体机器人保持一定的队形㊂基于领导者的聚集和分散行为一致性方法可以表示为:v xi(t )=-ðnj =1a i j k x i j x i (t )-x j (t )-d []x - b i k x i 0x i (t )-x 0(t )-d []x k x i j =x i (t )-x j (t )x i (t )-x j (t )+ηk x i 0=x i (t )-x 0(t )x i (t )-x 0(t )+ìîíïïïïïïïïη(6)v y i (t )=-ðn j =1a i j k y i j y i (t )-y j (t )-d []y - b i k y i 0y i (t )-y 0(t )-d []y k y i j =y i (t )-y j (t )y i (t )-y j (t )+ηk y i 0=y i (t )-y 0(t )yi (t )-y 0(t )+ìîíïïïïïïïïη(7)式(6)~式(7)中:v x i (t )和v y i (t )为第i 个跟随者机器人在t 时刻沿x 轴和y 轴方向的速度;d x 和d y 为编队控制中x 轴和y 轴方向的设定距离;0<η≪1㊂令r i =[x i ,y i ]T ㊁r j =[x j ,y j ]T㊁r i j =r i -r j ,则式(6)和式(7)可以化为:v i (t )=-ðnj =1a i j k i j r i j -[]d -b i k i 0[ r i 0 -d ](8)式中:d =d x +d y ;k i j =r i -r jr i -r j +η;k i 0=r i -r 0r i -r 0 +η㊂综合式(5)和式(8),就得到基于领导者的群体机器人编队控制方法㊂222016年第3期陈 浩,等:基于领导者的群体机器人编队及导航控制3 基于领导者的编队导航控制方法3.1 编队导航分层控制策略在基于领导者的编队控制方法基础上,本文提出一种群体机器人分层编队导航控制方法㊂将控制系统分为目标层㊁领导层和跟随层,如图1所示,其中:目标层含有一个目标点,领导层含有一个或多个领导者,跟随层含有一个或多个不相连通的跟随者群,每一个领导者都有与其对应的跟随者群㊂具体的控制策略为:将目标层的目标信息发送给领导层的领导者,并采用位置一致性方法,使领导者朝着目标点运动;同时,每一个领导者将自身状态信息发送给跟随层中与其相对应的跟随者群,并采用本文提出的编队控制方法与跟随者保持一定的队形朝着目标运动,不同的群体之间不受影响㊂图1 分层控制策略示意图F i g .1S c h e m a t i c d i a g r a mo f h i e r a r c h i c a l c o n t r o l s t r a t e g y3.2 编队导航控制方法由领导层和跟随层中的N 个机器人组成的群体机器人系统记为g ={r 1,r 2, ,r N },存在m 个不连通的子集,每个子集中含有一个领导者和n 个跟随者㊂某一个子集中的群体机器人记为g k={r k 0,r k 1, ,r k n },1ɤk ɤm ,其中领导者为r k 0㊂采用位置一致性算法,将目标信息发送给领导者r k 0,其导航控制方法如下:v xk 0(t )=-w (t )[x k 0(t )-α]v y k 0(t )=-w (t )[yk 0(t )-β{](9)式中:(α,β)为目标点的坐标:v x k 0(t )和v y k 0(t )为领导者r k 0在t 时刻沿x 轴和y 轴方向的速度;x k 0(t )和y k 0(t )为领导者r k 0在t 时刻的横坐标和纵坐标;w (t )为t 时刻的加权值㊂引理1[12]当群体机器人的信息交互图为一条有向生成树时,所有机器人最终收敛于根节点机器人的状态信息㊂领导者和目标点可看作是由两个机器人所组成的有向生成树[12],且目标点为根节点㊂将目标点的位置信息发送给领导者,并采用式(9)的控制方法,由引理1可知,领导者的状态信息量最终收敛于目标点的状态信息量,即领导者运动到目标点位置㊂向目标点运动的同时,领导者与其对应的跟随者之间采用式(5)和式(8)所示的基于领导者的编队控制方法进行编队运动,到达目标点及其附近,从而完成编队导航运动㊂同理,其他子集的领导者及所对应的跟随者也采用上述控制方法,从而完成整个群体的编队导航控制㊂4 编队导航控制仿真与试验4.1 仿真本仿真采用的群体机器人系统分为两个子集:g1={r 10,r 11,r 12,r 13,r 14}和g 2={r 20,r 21,r 22,r 23,r 24},其中r 10和r 20为领导者㊂每个子集中含有1个领导者和4个跟随者,其信息交互如图2所示,图中箭头表示信息传递方向㊂图2 仿真过程中机器人的信息交互F i g .2I n f o r m a t i o n i n t e r a c t i o n b e t w e e n r o b o t s i n t h e s i m u l a -t i o n图2中含有一条有向生成树,由引理1可知其状态信息量可以形成一致㊂两个群体机器人子集的信息交互矩阵为:C 1=C 2=000001-100010-100100-101000-éëêêêêêêùûúúúúúú1 设定g 1中5个机器人的初始位置分别为(12,5)㊁(20,10)㊁(6,13)㊁(20,3)㊁(4,3),编队运动时,跟随者与领导者在x 轴和y 轴方向的距离保持为5m ,跟随者之间的距离保持为10m ㊂设定g 2中5个机器人的初始位置分别为(12,66)㊁(18,70)㊁(6,73)㊁(21,64)㊁(5,52),编队运动时,跟随者与领导者在x 轴和y 轴方向的距离保持为8m ,跟随者之间的距离保持为16m ㊂图3为群体机器人的初始状态㊂采用本文所提出的编队导航控制方法,仿真结果如图4所示㊂从图4中可以看出,领导者最终都运动到目标点,并与跟随者保持一定的队形,从而验证了该编队导航控制方法的有效性㊂122武汉科技大学学报2016年第3期图3群体机器人的初始状态F i g.3I n i t i a l s t a t e s o f s w a r mr o b o t s图4群体机器人编队导航控制仿真结果F i g.4S i m u l a t i o n r e s u l t o f f o r m a t i o na n dn a v i g a t i o nc o n t r o lf o r s w a r mr o b o t s4.2试验采用本文提出的编队及导航控制方法在由3个机器人组成的群体机器人实验平台上进行试验㊂该群体机器人有一个领导者和两个跟随者,表示为g={r0,r1,r2},其信息交互如图5所示,设定r0与r1及r2的编队距离均为0.2m㊂编队及导航控制试验结果如图6所示㊂从图6中可以看出,机器人最后保持一定的编队运动到了指定目标处,进一步验证了本文所提出的群体机器人编队及导航控制方法的有效性㊂图5试验过程中机器人的信息交互F i g.5I n f o r m a t i o n i n t e r a c t i o nb e t w e e n r o b o t s i n t h e e x p e r i-m e n t(a)初始状态(b)t=3s(c)t=7s(d)t=9s图6群体机器人编队导航控制试验结果F i g.6E x p e r i m e n t a lr e s u l t so ff o r m a t i o n a n d n a v i g a t i o n c o n t r o l f o r s w a r mr o b o t s5结语本文提出了基于领导者的群体机器人编队控制方法以及基于领导者的群体机器人编队导航控制方法,该方法采用分层控制策略,即将控制系统分为目标层㊁领导层和跟随层,可针对由多个子集构成的群体机器人系统进行导航㊂最后通过计算机仿真和群体机器人实验平台验证了该方法的有效性㊂参考文献[1] O l f a t i-S a b e rR,M u r r a y R M.C o n s e n s u s p r o b l e m si nn e t w o r k so f a g e n t sw i t hs w i t c h i n g t o p o l o g y a n dt i m e-d e l a y s[J].I E E E T r a n s a c t i o n so n A u t o m a t i cC o n t r o l,2004,49(9):1520-1533.[2] R e n W e i,B e a r dR W.C o n s e n s u s s e e k i n g i n m u l t i-a g e n t s y s t e m su n d e rd y n a m i c a l l y c h a n g i n g i n t e r a c-t i o nt o p o l o g i e s[J].I E E E T r a n s a c t i o n so n A u t o-m a t i cC o n t r o l,2005,50(5):655-661.[3] R e n W e i,A t k i n sE.D i s t r i b u t e dm u l t i-v e h i c l e c o o r-d i n a te d c o n t r o l v i a l o c a l i nf o r m a t i o ne x c h a ng e[J].I n t e r n a t i o n a l J o u r n a l o fR o b u s t a n dN o n l i n e a rC o n-t r o l,2007,17:1002-1033.[4] Y u W e n w u,C h e nG u a n r o n g,C a oM i n g.S o m e n e c-e s s a r y a n d s uf f i c i e n tc o n d i t i o n sf o r s e c o n d-o r d e rc o n s e n s u si n m u l t i-a g e n td y n a m i c a ls y s te m s[J].A u t o m a t i c a,2010,46:1089-1095.[5] Y a n g T a o,M e n g Z i y a n g,D i m a r o g o n a sD V,e t a l.G l o b a l c o n s e n s u s f o rd i s c r e t e-t i m em u l t i-a g e n t s y s-t e m sw i t hi n p u ts a t u r a t i o nc o n s t r a i n t s[J].A u t o-m a t i c a,2014,50:499-506.[6] R e nW e i.C o n s e n s u s b a s e d f o r m a t i o n c o n t r o l s t r a t e-g i e s f o rm u l t i-v e h i c l es y s t e m s[C]//P r o c e e d i n g so ft h e2006A m e r i c a nC o n t r o lC o n f e r e n c e.M i n n e a p o-l i s,M i n n e s o t a,U S A,J u n e14-16,2006:4237-4242.[7] M e n g D e y u a n,J i aY i n g m i n,D u J u n p i n g,e t a l.O ni t e r a t i v e l e a r n i n g a l g o r i t h m s f o r t h e f o r m a t i o nc o n-t r o l o f n o n l i n e a rm u l t i-a g e n t s y s t e m s[J].A u t o m a t-i c a,2014,50:291-295.2222016年第3期陈浩,等:基于领导者的群体机器人编队及导航控制[8] L e i B i n,C h e n H a o,Z e n g L i a n g c a i,e t a l.C o n s e n-s u s a l g o r i t h m w i t h i n p u t c o n s t r a i n t s f o r s w a r mr o-b o t sf o r m a t i o nc o n t r o l[C]//P r o c e ed i n g s o f t h e2015I E E E12t hI n t e r n a t i o n a lC o n f e r e n c eo n N e t-w o r k i n g,S e n s i n g a n dC o n t r o l.T a i p e i,A p r i l9-11, 2015:157-162.[9] L i uQ i a n g,M aJ i a c h e n,Z h a n g Q i.P S O-b a s e d p a-r a m e t e r s o p t i m i z a t i o n o fm u l t i-r o b o t f o r m a t i o nn a v-i g a t i o n i nu n k n o w ne n v i r o n m e n t[C]//P r o c e e d i n g so f t h e10t h W o r l dC o n g r e s so nI n t e l l i g e n tC o n t r o la n d A u t o m a t i o n.B e i j i n g,J u l y6-8,2012:3571-3576.[10]L iY a n g m i n,C h e n X i n.L e a d e r-f o r m a t i o nn a v i g a-t i o n w i t h s e n s o rc o n s t r a i n t s[C]//P r o c e e d i n g so ft h e2005I E E EI n t e r n a t i o n a lC o n f e r e n c eo nI n f o r-m a t i o nA c q u i s i t i o n.H o n g K o n g a n d M a c a u,J u n e27-J u l y3,2005:554-560.[11]B o g d a nS,R i g o I , D.F u z z y l o g i cn a v i g a t i o ni n m u l t ia g e n ts y s t e m s[C]//P r o c e e d i n g so f2008I E E EI n t e r n a t i o n a lS y m p o s i u m o nI n t e l l i g e n tC o n-t r o lP a r to f2008I E E E M u l t i-c o n f e r e n c eo n S y s-t e m sa n d C o n t r o l.S a n A n t o n i o,T e x a s,U S A, S e p t e m b e r3-5,2008:1308-1313.[12]雷斌.群体机器人系统合作控制问题研究[D].武汉:武汉理工大学,2009.F o r m a t i o na n dn a v i g a t i o n c o n t r o l f o r s w a r mr o b o t s b a s e do n l e a d e rC h e nH a o,L e i B i n,G a oQ u a n j i e(C o l l e g e o fM a c h i n e r y a n dA u t o m a t i o n,W u h a nU n i v e r s i t y o f S c i e n c e a n dT e c h n o l o g y,W u h a n430081,C h i n a) A b s t r a c t:Ac o n s e n s u s a l g o r i t h mf o r s w a r mr o b o t s b a s e do n l e a d e r i s i n t r o d u c e d.O n t h eb a s i s o f t h i s a l g o r i t h m,a f o r m a t i o n a n d n a v i g a t i o n c o n t r o lm e t h o d f o r s w a r mr o b o t s i s p r o p o s e d.I t u s e s h i e r a r c h i-c a l c o n t r o l s t r a t e g y,a n d t h e c o n t r o l s y s t e mi s d i v i d e d i n t o t a r g e t l a y e r,l e a d e r l a y e r a n d f o l l o w e r l a y-e r.P o s i t i o n i n f o r m a t i o no f t a r g e t p o i n t i n t h e t a r g e t l a y e r i s s e n t t o t h e l e a d e r,a n d t h e n t h e l e a d e r i s i m p e l l e d t om o v e t o w a r d s t h e t a r g e t b y u s i n g t h e p o s i t i o n c o n s e n s u s a l g o r i t h m.M e a n w h i l e,t h e l e a d-e r s s t a t u sm e s s a g e s a r e d e l i v e r e d t oh i s f o l l o w e r s i n t h en e x t l a y e r,a n d t h e f o r m a t i o nc o n t r o l a l g o-r i t h mb a s e do n l e a d e r i s a d o p t e d t o c o n t r o l t h e l e a d e r a n dh i s f o l l o w e r sm o v i n g t o t h e t a r g e tw i t h t h e r i g h t f o r m a t i o n.T h e p r o p o s e da p p r o a c hc a nb eu s e dt on a v i g a t es w a r mr o b o t ss y s t e mc o n s i s t i n g o f m u l t i p l e s u b s y s t e m s,a n d i t s v a l i d i t y i s v e r i f i e db y c o m p u t e r s i m u l a t i o n a n d s w a r mr o b o t s e x p e r i m e n-t a l p l a t f o r m.K e y w o r d s:s w a r mr o b o t s;m u l t i-a g e n t;c o n s e n s u s;l e a d e r;f o r m a t i o n;n a v i g a t i o n;h i e r a r c h i c a l c o n t r o l[责任编辑尚晶]322。
