一种基于局部感知的多机器人编队控制方法
未知环境中基于观察者的多机器人编队控制方法
形 ， 对 动态 环境 的适 应 能力 不强 ， 器人 之 间 的 但 机
避 碰 等 问 题 没 有 得 到 很 好 的 解 决 ， 基 于 行 为 编 而 队法 对 环 境 的 适 应 能 力 较 强 ， 在 队 形 稳 定 性 上 但 存 在 一 定 的 缺 陷 。 此 ， 文 结 合 领 导 一 随 法 为 本 跟
通过 ； 右 两边都 可通过 ， 左 使领 导者 保持观 察者 的
位置 ； 当前 队形 宽度不 可通过 ， 领导者保 持观 ③ 使
察 者 的位置 ， 当领导 者到 达该位 置时 ， 通知 跟随 会
者改变 队形 ， 小 队形宽 度 。 缩
编 队结构 的关键 点在 于如何 对观察 者 的路 径 进行 优化 ， 得到 领导者 轨迹 的关键 点 ， 领导者 的 使
跟踪领 导 者 的位 置 和 导 向角 。 目前 有 之 间 的距 离 ； 代表 两 者之 间 的 角度 。
和 “ 法 的关
两 种 队形 控制 法 ＿ ， 中 ， 代 表 领导 者 和跟 随者 ３其 ］ ｚ
键 思 想 是 ， 制 跟 随 者 和 领 导 者 之 间 实 际 距 离 和 控
第３ ４卷 第 ３期 ２１ ０ １年 ６月
武
ห้องสมุดไป่ตู้
汉
科
技
大
学
学
报
Ｖｏ ． ４。 １ ３ Ｎｏ． ３
Ｊ ｕ ｎ ｌｏ ｕ ａ ｉ ｅ ｓｔ ｆＳ ｉｎ ｅ ａ ｄ Ｔ ｃ ｎ ｌ ｇ ｏ ｒ ａ ｆＷ ｈ ｎ Ｕｎ ｖ ｒ ｉ ｏ ｃｅ ｃ ｎ ｅ ｈ ｏ ｏ ｙ ｙ
响 的 问 题 。 由 图 １可 看 出 ， 察 者 的 运 动 轨 迹 在 观 Ａ 区会 出 现 较 大 的 突 变 ， 果 单 纯 使 用 如 法， 则 无 法 保 持 队 形 的稳 定 。 由观 察 者 运 动 轨 迹 和 优 化 后领 导者 轨迹 可看 出， 导者 的轨 迹更 加合理 ， 领 且
一种基于局部感知的多机器人动态跟随方法
上一个周期的视觉信息或估计信息, Dl , Dr 分别表 示上一周期左右轮行驶的距离, 则 Dr − Dl α = (4) lw
1 机器人感知
1.1 视觉感知
机器人视觉系统采用三个摄像机 Sv (i) (i = 1, 2, 3), 从机器人中心到这三个摄像机光心的连线方 向分别与各自的光轴方向相一致, 且分别与机器人 当前运动方向右转 π/2 方向、当前运动方向、当前 运动方向左转 π/2 方向相一致. 跟随机器人通过视 觉识别领航机器人上的色标筒实现身份确认, 结合 视觉标定, 进而获取估算的相对定位信息. 令 (d, θ ) 为相对于领航机器人的距离和观测方位角. 定义 (u, v ) 是图像坐标系上一点, (x, y, z ) 是其 在世界坐标系 w 上的坐标, 有 u x αx 0 u0 x z v = M y = 0 αy v0 y
多移动机器人编队控制
基于Multi-Agent的多机器人编队控制摘要：多移动机器人协调是当前机器人技术的一个重要发展方向。
多移动机器人之间的协调与合作将大大提高机器人行为的智能化程度，完成由单个机器人难以完成的更加复杂的作业。
多移动机器人协调技术的研究对提高机器人的智能化水平及加快机器人的实用化进程具有重要的理论研究意义和实用价值。
本文结合多智能体技术对多机器人编队控制进行了研究，同时根据具体的多机器人系统，进行了仿真实验。
验证了多智能体技术在机器人编队控制系统中的应用，完成了小规模的编队控制。
关键词：多智能体；多机器人；编队控制；协调控制；模糊控制Multi-robot Formation Control Based on Multi - AgentAbstract :The problem of multi-robot cooperation and coordination is central to mobile robotics. Cooperation and coordination will improve the intelligent performance of robots and can complete lots of impossible missions for single robot.The research on multi-robot cooperation and coordination is of great academic and applied significance.The multi-robot formation is developed combined with the multi-agent technology in this dissertation, and the simulation is done with the multi-robot system. The application of multi-agent is verified in the multi-robot formation control through a small system adopt the fomation control.Key words: Multi-agent ;Multi-robot ;Formation control;Coordination control;Fuzzy control1. 国内外机器人系统发展现状自80年代末以来，基于多智能体系统理论研究多机器人协作受到了普遍的关注，从军事领域到工业与民用领域，从星际探险到海底考察，从比赛到教学，都取得了不同程度的进步。
多智能体分布式编队控制方法
多智能体分布式编队控制方法多智能体分布式编队控制方法1. 引言在现代控制系统中，多智能体分布式编队控制方法是一个重要的研究方向。
它涉及将多台智能体组织成一个协同工作的团队，以实现一些特定的任务。
通过合理的控制策略，多智能体可以在没有集中控制的情况下，以分布式的方式实现编队形态的维持和运动目标的达成。
本文将全面评估多智能体分布式编队控制方法，并探讨其深度和广度。
2. 多智能体分布式编队控制方法的基本原理多智能体分布式编队控制方法的基本原理是将整个编队系统分为多个智能体，并为每个智能体设计独立的控制策略。
每个智能体通过与周围智能体进行局部通信，从而实现对整个编队系统的协作控制。
具体来说，分布式编队控制方法通过设计合适的控制算法，使每个智能体能够感知和响应周围智能体的状态，从而实现编队形态的维持和运动目标的达成。
3. 多智能体分布式编队控制方法的技术细节3.1 状态感知和信息共享在多智能体分布式编队控制方法中，每个智能体需要通过感知周围智能体的状态来实现协同控制。
为了实现状态感知，可以利用传感器和通信网络获取周围智能体的位置、速度和加速度等信息。
智能体之间需要进行信息共享，以便实现对整个编队系统的控制。
3.2 控制策略设计控制策略是多智能体分布式编队控制方法中的核心部分。
通过合理设计的控制策略，每个智能体可以根据周围智能体的状态和目标要求，调整自身的控制输入，以实现编队形态的维持和运动目标的达成。
控制策略的设计可以基于传统的控制理论，如PID控制，也可以基于现代控制理论，如模型预测控制。
3.3 算法实现和仿真验证在设计完控制策略后，需要将其实现成算法，并进行仿真验证。
通过仿真可以验证设计的控制策略是否能够实现预期的编队形态和运动目标，并对控制策略进行优化和调整。
4. 多智能体分布式编队控制方法的应用领域多智能体分布式编队控制方法在许多领域都有广泛的应用。
其中，无人机编队控制是一个热门的应用领域。
通过多智能体分布式编队控制方法，可以使多台无人机实现编队飞行，提高飞行效率和安全性。
基于纯角度观测信息的多机器人编队控制方法
06
CATALOGUE
结论与展望
研究成果总结
提出了一种基于纯角度观测信 息的多机器人编队控制方法， 实现了多机器人的紧密协作和
高效控制。
实验结果表明，该方法在复 杂环境和动态干扰下具有较
好的稳定性和适应性。
该方法具有一定的创新性和实 用性，为多机器人系统编队控 制研究提供了新的思路和方法
。
研究不足与展望
研究现状与问题
• 现状：目前，基于纯角度观测信息的多机器人编队控制方法已 经取得了一定的研究成果。一些研究通过引入虚拟结构、扩张 状态观测器和滑模控制等方法，实现了对机器人编队的控制。 然而，现有的研究大多针对理想情况下的编队控制问题，对于 实际应用中可能遇到的问题和挑战缺乏深入研究。
研究现状与问题
在实验过程中，由于实验场地的限制和动态干扰的影响，存在一些不确定因素和误 差，需要进一步改进和完善实验条件和方法。
该方法主要针对的是基于角度观测信息的多机器人编队控制，对于其他类型的传感 器和机器人平台，需要进行相应的调整和优化。
在未来的研究中，可以进一步探讨该方法在其他领域的应用，如无人驾驶车辆、无 人机集群等，扩展其应用范围和实用性。
问题
在实际应用中，多机器人编队可能会遇到以下问题
1. 角度观测误差
由于传感器精度、信号干扰等原因，导致角度观测存在误差，影响 编队控制的精度。
2. 非线性动力学特性
机器人在运动过程中具有非线性动力学特性，如摩擦、空气阻力等 ，这些因素可能影响编队控制的稳定性和精度。
研究现状与问题
3. 通信延迟
在实际应用中，由于通信设备的限制和环境干扰，可能导致机器人之间的通信延迟，进而影响编队控 制的实时性和精度。
• 结论与展望
机器人编队控制算法研究
机器人编队控制算法研究“机器人”这个名词，随着人工智能技术的快速发展已经不再遥远，甚至成为了我们生活中的一部分。
举例来说，在工厂里，越来越多的机器人被投入到生产线上，大大提高了生产效率；在医疗领域，机器人也担负着一些极为重要的任务，如手术。
而在研究机器人之间的协调工作中，机器人编队控制算法则扮演着重要的角色。
机器人编队指的是通过控制多个机器人之间的相对位置和速度，形成特定的整体运动模式，常常以V形或直线型方式出现。
机器人编队技术不仅可以提高机器人系统的性能和健壮性，还可以在军事、物流、仓储等领域中发挥着重要的作用。
如何使机器人之间协调运动，达到编队状态呢？这就需要探寻合适的控制算法。
机器人编队控制算法可分为集中控制和分散控制两大类。
集中控制是指，所有机器人的运动控制由中央控制部分统一进行，每个机器人只需接收到下达的控制指令便可完成相应的任务。
它的优点在于控制精度较高、编队形态比较稳定、容易实现协调；但是，当存在故障等意外情况时，影响面较大，可能导致整个编队瘫痪。
分散控制，则是让每个机器人都具有一定的自主决策能力，能够根据自身感知情况进行相应的运动控制，只需局部与邻居机器人进行通信。
其优点是编队的健壮性很高，且由于具有较高的自主性，适用于对中央控制要求不高的环境下使用，但是，协调性相较于集中控制稍差。
目前，常用的机器人编队控制算法有领航控制算法、形态刚性算法、虚拟结构算法等。
领航控制算法是最基本的一种算法，它通过在编队中指定一只特殊的领航机器人，其它跟随机器人根据所测得的与领航机器人的距离和方向进行相应的运动控制，在集中控制下的效果较为显著。
而形态刚性算法则是尝试寻找一种形态约束，尽量保持编队的整体形态不变，从而完成协调运动。
这种算法在分散控制场景下非常实用。
虚拟结构算法则是通过添加虚拟机器人的概念，让机器人之间多一些互动协调。
基于虚拟结构的机器人编队算法由于在分散控制方面有着较好的表现，已经成为研究热点之一。
基于多传感器融合的机器人编队ADRC控制
基于多传感器融合的机器人编队 犃犇犚犆 控制
毛文勇，仇 翔，张文安
（浙江工业大学 信息工程学院，杭州 ３１００２３）
摘要：针对移动机器人编队问题，设计了一种基于多传感器信息融合和自抗扰控制器的编队控制系统；首先，为提高机器人 的定位精度，采用卡尔曼滤波算法对激光数据和里程计数据进行融合，以更加精确的获得移动机器人的坐标信息，并建立主从机 器人轨迹跟踪误差模型；进而设计了自抗扰控制器，完成扩张状态观测器以及控制规律的设计，实现移动机证了所提出方法的有效性和优越性。
为此，本文采 用 融 合 激 光 传 感 器 和 里 程 计 数 据 的 方 法 提高移动机器人定位精度，进而采用自抗扰控制技术实现 主从式移动机器人编队跟踪控制，提高了移动机器人编队 控制系统对运动环境不确定性的鲁棒性。最后，利用三台 轮式差速移动机器人设计了主从式移动机器人编队控制实 验系统，并在该实验平台上验证了所提出算法的有效性和 优越性。
控制技术
计 算 机 测 量 与 控 制 ．２０１８．２６（９） 犆狅犿狆狌狋犲狉 犕犲犪狊狌狉犲犿犲狀狋 牔 犆狅狀狋狉狅犾
· ８３ ·
文章编号：１６７１ ４５９８（２０１８）０９ ００８３ ０５ ＤＯＩ：１０．１６５２６／ｊ．ｃｎｋｉ．１１－４７６２／ｔｐ．２０１８．０９．０１８ 中图分类号：ＴＰ２４９ 文献标识码：Ａ
在移动机器人的编队问题的研究已经有许多研究成果。 例如，利用李亚普诺夫函数设计速度误差控制规律，实现 目标位置的跟踪控制。但是缺点在于动态控制器过于理想 化，在实际中 很 难 实 现 。 ［３］ 智 能 控 制 律 被 用 于 多 智 能 体 系 统，并实现了 同 步 跟 踪 。 ［４］ 神 经 网 络 控 制 方 法 虽 然 具 有 学 习能 力， 但 学 习 速 度 慢， 神 经 网 络 结 构 选 择 复 杂［５６］。 此 外，还 有 基 于 行 为 的 方 法［７８］、 虚 拟 结 构 法 、 ［９］ 领 航 跟 随 法［１０ 以 １１］ 及其他 智 能 控 制 算 法 。 ［１２］ 尽 管 轨 迹 跟 踪 问 题 已 有 大量研究结果，但多数结果只是依靠仿真来验证算法的有
【CN109634310A】一种基于自适应多机器人优化编队控制方法及系统【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910155677.5(22)申请日 2019.03.01(71)申请人 郑州大学地址 450001 河南省郑州市科学大道100号(72)发明人 张方方 谢兆昆 彭金柱 (74)专利代理机构 长沙市护航专利代理事务所(特殊普通合伙) 43220代理人 莫晓齐(51)Int.Cl.G05D 1/10(2006.01)(54)发明名称一种基于自适应多机器人优化编队控制方法及系统(57)摘要本发明公开了一种基于自适应多机器人优化编队控制方法和系统。
公开的方法包含：步骤S100：设置上位机及若干台机器人之间的无线通信得到所有机器人的位置及航向角；步骤S200：得到多机器人优化编队控制方法的控制率；步骤S300：设定领航机器人和跟随机器人初始位姿、期望距离、期望观测角为固定值，测试得到控制率中的参数值；步骤S400：将得到的参数值拟合得到参数拟合曲线；步骤S500：设定领航机器人和跟随机器人的初始位姿、初始距离、期望距离、期望观测角及领航机器人的速度；步骤S600：跟随机器人在运行过程中根据其测得实时位置及航向角，自动调整控制率中的参数，计算其线速度和角速度。
快速实现自动调整多机器人自动编队开始到队形稳定。
权利要求书2页 说明书6页 附图3页CN 109634310 A 2019.04.16C N 109634310A1.一种基于自适应多机器人优化编队控制方法，其特征在于，包含以下步骤：步骤S100：设置上位机及若干台机器人之间的无线通信得到所有机器人的位置及航向角；步骤S200：得到多机器人优化编队控制方法的控制率；步骤S300：设定领航机器人和跟随机器人初始位姿、期望距离、期望观测角为固定值，测试得到不同初始距离下相应的多机器人优化编队控制方法的控制率中的参数值；步骤S400：将不同初始距离下的多机器人优化编队控制方法的控制率中的参数值进行拟合，得到参数拟合曲线；步骤S500：设定领航机器人和跟随机器人的初始位姿、初始距离、期望距离、期望观测角及领航机器人的速度；步骤S600：跟随机器人在运行过程中根据其测得实时位置及航向角，自动调整多机器人优化编队控制方法的控制率中的参数，跟随机器人根据控制率计算自身的线速度和角速度；步骤S700：跟随机器人比对是否达到目标位置，若未达到继续返回步骤S600，若达到目标位置，则完成稳定编队，流程结束。
多机器人编队控制方法的研究
多机器人编队控制方法的研究
本文将探讨多机器人编队控制方法的研究。
多机器人编队控制是指多个机器人协同工作，以实现特定任务的一种技术。
在现代机器人应用中，多机器人编队控制已经成为了一个热门研究领域，因为它可以大大提高机器人的工作效率和任务完成能力。
在多机器人编队控制中，最常用的方法是基于分布式控制的方式。
这种方法将任务分解为多个子任务，每个子任务由一个或多个机器人执行。
多个机器人之间通过通信交换信息，协同完成任务。
分布式控制方法具有可扩展性强、抗单点故障能力强、灵活性高等特点，因此被广泛应用于多机器人编队控制领域。
除了分布式控制方法，还有一些其他的多机器人编队控制方法，例如集中式控制方法和混合式控制方法。
集中式控制方法将所有机器人的决策权集中在一个控制器上，通过该控制器进行任务分配和控制。
混合式控制方法则结合了分布式控制和集中式控制的优点，实现了更高效的多机器人协同工作。
总之，多机器人编队控制方法的研究是一个充满挑战和机遇的领域。
在未来，我们可以期待看到更多的新方法和技术应用于多机器人编队控制中，以实现更加高效、智能的机器人协同工作。
- 1 -。
基于Amigobot平台的多机器人编队控制方法研究的开题报告
基于Amigobot平台的多机器人编队控制方法研究的开题报告一、研究背景与意义随着机器人技术的不断发展，多机器人系统的研究也日益成为一个热门的研究领域。
多机器人系统能够通过协作完成许多任务，如搜救、运输、勘探等，具有更高的效率和可靠性，这也使得多机器人系统的研究成为一个备受瞩目的领域。
多机器人编队控制是多机器人系统研究的重要内容之一，其目的是使多台机器人按照特定的队形运行和完成任务。
在多机器人编队控制中，要解决的问题包括机器人位置控制、通信协议设计、路径规划等。
Amigobot平台是一款较为成熟的自主机器人平台，在学术研究和教学应用中广泛使用，因其拥有多种传感器和可编程性而备受青睐。
在多机器人编队控制中，Amigobot平台也得到了广泛的应用。
本研究旨在基于Amigobot平台，研究一种可行的多机器人编队控制方法，使多台机器人能够协同完成特定的任务，提高机器人系统的效率和可靠性。
二、研究内容和目标本研究的主要内容和目标如下：1. 综述多机器人编队控制的研究现状和发展趋势，分析多机器人系统的特点，为后续研究提供理论支持。
2. 研究Amigobot平台多机器人编队控制的实现方法，包括机器人位置控制、通信协议设计、路径规划等。
3. 设计并实现多机器人编队控制实验平台，进行实验验证。
4. 对实验数据进行分析和总结，评估所提出的方法的有效性和可行性。
三、研究方法和步骤本研究采用以下研究方法和步骤：1. 文献综述：了解多机器人编队控制基本理论、研究现状和发展趋势。
2. 系统设计：基于Amigobot平台，设计多机器人编队控制实验平台，并进行系统环境搭建、硬件设计和软件编程等。
3. 实验验证：将多台Amigobot机器人安装在实验平台中，进行编队控制实验，收集实验数据并进行分析。
4. 结果评估：评估所提出的方法的有效性和可行性，为后续研究提供指导。
四、预期成果和意义本研究预期的成果如下：1. 设计并实现基于Amigobot平台的多机器人编队控制系统，实现多台机器人的协作控制。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第39卷增刊Ⅱ2011年11月华中科技大学学报(自然科学版J .H u a z h o n gU n i v .o f S c i .&T e c h .(N a t u r a l S c i e n c e E d i t i o n V o l .39S u p.ⅡN o v . 2011收稿日期2011-07-15.作者简介蔡伟斌(1988-,男,硕士研究生,E -m a i l :c a i w e i b i n 111@163.c o m.基金项目国家自然科学基金资助项目(60975071.一种基于局部感知的多机器人编队控制方法蔡伟斌1张天一2冯鹏铭3张汝波1(1哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001;2北京航空航天大学自动化科学与电气工程学院,北京100191;3北京化工大学信息科学与技术学院,北京100029摘要针对未知环境下多机器人难以实现灵活、稳定的编队控制的情况,在分析领队-跟随法、基于行为方法以及虚拟结构法的编队控制方法基础上,提出了一种模拟人类社会中方队形成与变化的思想,将其应用在多机器人的编队中,进行多机器人的编队控制.机器人存储不同编队队形的相对位置信息,通过领航者发布队形控制信息,跟随者查找并匹配预先存储的队形信息,从而确定自己在编队中的相对位置,使多机器人形成并保持一定的队形运动.在多机器人仿真平台上进行了仿真实验,结果证明了该方法的有效性,实现了多机器人编队的灵活控制.关键词多机器人;编队控制;相对坐标;局部感知;避障中图分类号T P 242文献标志码 A 文章编号1671-4512(2011S 2-0324-04A m u l t i -r o b o t f o r m a t i o n c o n t r o l m e t h o d b a s e do n l o c a l s e n s i n gC a i W e i b i n 1Z h a n g T i a n y i 2 F e n g P e n g m i n g 3Z h a n gR u b o 1(1C o l l e g e o f C o m p u t e r S c i e n c e a n d T e c h n o l o g y ,H a r b i n E n g i n e e r i n g U n i v e r s i t y ,H a r b i n 150001,C h i n a ;2S c h o o l o f A u t o n m a t i o n S c i e n c e a n d E l e c t r i c a l E n g i n e e r i n g ,B e i h a n g U n i v e r s i t y ,B e i j i n g100191,C h i n a ;3C o l l e g e o f I n f o r m a t i o n S c i e n c e a n dT e c h n o l o g y ,B e i j i n g U n i v e r s i t y o f C h e m i c a l T e c h n o l o g y ,B e i j i n g100029,C h i n a A b s t r a c t F o r t h e u n k n o w n e n v i r o n m e nt ,f l e x i b l e a n d s t a b l e m u l t i -r o b o t f o r m a t i o n c o n t r o l i sd i f f i c u l t t o a c h ie v e ,a m u l t i -r o b o tf o r m a t i o n c o n t r o l m e t h o d o f s i m u l a t i ng th e h u m a n s o ci e t y q u e u e ′s f o r m i n g a n d c h a n g i n g w a s p r o p o s e d ,b a s e d o n a n a l y z i n gt h e l e a d e r -f o l l o w e r m e t h o d ,b e h a v i o r -b a s e d m e t h o d a n d v i r t u a l s t r u c t u r e m e t h o d .T h e r o b o t s s t o r e d d i f f e r e n t f o r m a t i o n ′s p o s i t i o n i n f o r m a t i o n ,t h e l e a d e r r o b o t b r o a d c a s t e d c o n t r o l i n f o r m a t i o n ,t h e f o l l o w e r s l o o k e d f o r t h e po s i t i o n w h i c h i s s t o r e d i n a d -v a n c e ,s o t h a t t h e y c o u l d c o n f i r m t h e i r r e l a t i v e p o s i t i o n ,f o r m a n d k e e p o n e g i v e n f o r m a t i o n .F i n a l l y ,t h e s i m u l a t i o n r e s u l t s s h o w t h e e f f e c t i v e n e s s o f t h e m e t h o d a c h i e v i n g a f l e x i b l e m u l t i -r o b o t f o r m a t i o n c o n t r o l .K e y w o r d s m u l t i -r o b o t ;f o r m a t i o n c o n t r o l ;r e l a t i v e c o o r d i n a t e s ;l o c a l s e n s i n g ;o b s t a c l e a v o i d a n c e 编队控制是多机器人研究领域中的一个重要方向,在军事侦察、巡逻、大规模搜索营救、空间探索以及卫星、无人机等航空航天领域都有广泛的应用前景.从目前的研究成果看多机器人编队主要基于以下3种方法:领队-跟随法[1]、基于行为的方法[2]和虚拟结构法[3].多机器人编队问题主要包括队形形成[4]和队形控制[5],文献[6]以基于行为的方法为基础研究了多机器人队形控制问题;文献[7]研究了队形的协调算法;文献[8-10]分别从不同的角度对多机器人编队问题进行了研究.但上述方法存在一个共同的问题:缺乏有效且统一的队形表示框架和编队控制算法,使灵活的队形控制难以实现.针对这一问题,本文采用基于行为的方法实现单个机器人的控制,将领队-跟随法以及虚拟结构法结合起来,通过预先分散存储编队信息的方式,在相对坐标系下提出了一种基于声纳局部感知的多机器人编队控制方法,实现了多机器人编队的灵活控制.1基于声纳阵列的局部感知1.1声纳阵列感知移动仿真机器人的声纳阵列示意图如图1所示.中间的实圈代表机器人,外边的实圈表示传感器的探测范围,较短的箭头表示机器人的运动方图1声纳阵列及区域划分向.16个声纳传感器沿机器人一周均匀分布,从左侧开始按顺时针方向编号,用S 0~S 15表示,箭头表示传感器探测方向,每个声纳探测范围是22.5°的一个扇形区域.由于不同方位的障碍物对机器人运动影响是不同的,因此将16个传感器分为4组,即N 1~N 4,对于不同区域障碍物采取不同的避障行为.1.2局部感知行为设计1.2.1奔向目标行为奔向目标行为就是机器人从初始位置到目标位置的运动行为,设机器人起始点的位置为(x 0,y 0,目标点的位置为(x g ,y g ,则奔向目标的行为输出矢量V g o a l 可表示为V g o a l =v (x g -x 02+(y g -y 0槡2x g -x 0y g -y (0,式中v 表示机器人在移动到目标位置过程中某一时刻的速度大小.1.2.2避障行为该行为主要是用来躲避机器人周围的障碍物,通常前方障碍物和侧方障碍物对机器人的影响不同,因此将避障行为分为前方避障和侧方避障两种,设置不同的优先级.当机器人检测到障碍物有可能阻止其朝着目标点运动时,该行为输出矢量V a v o i d 使得机器人旋转一定的角度,从而避免与障碍物发生碰撞,有V a v o i d =vc o s (±θ-s i n (±θs i n (±θc o s (±θ[]X a Y []a,式中[X a ,Y a ]T表示机器人的运动方向;±号表示机器人的转动方向(左为+,右为-,其与障碍物在机器人的左侧或右侧有关.角度θ是机器人当前运动方向与当前位置和障碍物连线之间的夹角.当障碍物位于机器人两侧即N 2,N 3区域时,机器人进行小角度(<10°的偏转,执行侧方避障行为;当障碍物位于N 1区域时,机器人进行大角度(>45°的转向,执行前方避障行为;不考虑后方N 4区域障碍物.1.2.3随机速度恢复行为当机器人位于障碍区时,由于环境的复杂性,机器人可能卡死在某一点或某个区域,无法继续运动,导致任务无法完成,此时机器人处于死锁状态.为了使机器人摆脱该状态,加入随机速度恢复行为,通过随机偏转使机器人摆脱死锁状态.机器人输出矢量用V s 表示,即V s =v sc o s (-k θs -s i n (-k θs s i n (k θs c o s (k θs []X aY []a ,式中:v s 表示机器人获得的随机速度大小;[X a ,Y a ]T表示机器人当前的运动方向;θs 为机器人随机偏转角度;k 为[0,L -1]之间的随机整数,L =i n t (2π/θs.1.3行为仲裁方法对于不同行为,机器人的决策机制设有不同的进入、退出条件以及不同的优先级,各行为的输出矢量随着声纳传感器不断获得新数据而进行更新,从而实现对当前情况的快速反应.机器人行为仲裁算法如下:步骤1声纳阵列传感器采集机器人周围环境信息数据;步骤2机器人对获得的环境数据信息进行分析、处理;步骤3行为决策机制根据分析、处理的结果依次按照行为的优先级匹配行为的执行条件;步骤4若匹配成功则执行相应的行为,否则执行当前默认行为同时返回步骤1.2基于预存储信息的编队方法2.1编队思想日常的大型活动中都会有群体性的表演,特别是方队表演,他们之间除了拥有一个指挥者外,彼此之间几乎没有直接的信息交流,却可以做出整体划一的动作,并可以进行队形的变换.受此启发,若将其思想应用在多机器人编队控制中,则可以减少机器人之间的信息通信量并可以保持和改·523·增刊Ⅱ蔡伟斌,等:一种基于局部感知的多机器人编队控制方法变队形.方队中多人之所以可以保持一定的队形并进行变换,是基于以下2点:a.拥有一个指挥者通过一定的方式发送控制信息,告诉每一个参与者某一时刻应该干什么;b.在进行表演前,每一个参与者都知道自己应该在队形中的哪里,以及在接到指挥者的信息后应该做什么.2.2领队机器人编队控制算法机器人之间的通信采用服务器-客户端的方式,领队机器人作为服务器端,以一定的频率向外界广播自己的信息.通信采取单向广播方式,不需要跟随机器人向主机器人反馈信息.若某一时刻领队机器人发送信息失败,则将其忽略,下一时刻重新发送新的信息.领队机器人编队控制算法步骤如下:步骤1初始化领队机器人位置信息以及编队任务信息;步骤2领队机器人通过声纳获取编队所处的环境信息数据;步骤3经过对数据的处理分析,确定下一时刻多机器人编队所要执行的队形指令;步骤4领队机器人广播自身的位置、速度以及队形信息并返回步骤2.2.3跟随机器人编队跟随算法跟随机器人作为客户端,按照一定的时间频率接受领队机器人广播的编队信息,并通过预先存储的编队信息,确定自身在编队中的相对位置.跟随机器人跟随算法步骤如下:步骤1初始化多机器人编队中跟随机器人位置信息;步骤2跟随机器人接受领队机器人的位置、速度以及队形信息;步骤3通过队形信息跟随机器人确定自身在编队中相对于领队机器人的坐标位置;步骤4跟随机器人判断自己是否位于队形所期望的坐标,若是则机器人以相同的速度跟随领队机器人,否则转步骤5;步骤5将期望的坐标设置为跟随机器人的临时目标,向着目标运动并返回步骤2.2.4多机器人编队算法流程在编队中的每个机器人优先保证自身安全的条件下,按照领队机器人所广播的队形控制信息,进行队形组合.由于采用了相对坐标系来确定每个机器人的位置坐标,机器人预先知道自己在不同队形中的相对位置,因此编队中不会出现多个机器人同时争抢一个位置的情况.多机器人编队算法如下.步骤1初始化系统阶段.在相对坐标系下对移动多机器人的起始位置、目标位置及目标队形等信息进行初始化.步骤2领队机器人广播编队信息.领队机器人根据实时的声纳传感器信息,分析所处的环境并发送合适的队形指令.步骤3领队机器人朝向目标行进.若领队机器人到达目标点,则规划结束.步骤4跟随机器人跟随领队机器人指令运动.领队机器人带领整个队列向目标位置运动,编队内机器人共同维持队形.若编队在运动过程中检测到障碍物,则领队机器人发送避障队列指令,转步骤5,否则返回步骤2,检查领队机器人是否运动到目标位置.步骤5编队遇到障碍物,进入避障状态,若避障结束,则领队机器人发送新的队形指令,进行队形恢复.否则,编队机器人继续进行避障操作.3仿真实验M o b i l e S i m是美国A c t i v M e d i a R o b o t i c s公司开发的移动机器人仿真环境,本实验采用该仿真平台验证本文提出的多机器人编队控制方法的有效性.3.1仿真实验结果单机器人通过障碍区到达指定目标位置,如图2所示.图中不同形状的方框代表固定障碍物,间断轨迹代表移动障碍物,连续轨迹代表仿真机器人通过障碍区形成的运动轨迹.图2单机器人仿真结果4个机器人初始成杂乱状态,依次形成纵队、三角形、菱形和楔形队形,并最终恢复纵队队形,队形变换示意图如图3所示.5个机器人初始形成纵队,并切换成三角形队形,分组通过障碍区后,恢复三角形队形,继续奔向目标,运动轨迹如图4所示.图中方框代表仿真环境中的障碍物.3.2仿真分析从图2可以看出:采用基于行为的设计方法,·623·华中科技大学学报(自然科学版第39卷图3不同队形变换仿真结果图4多机器人编队通过障碍区仿真结果机器人顺利通过了动态障碍区,并选择了一条比较近的路线奔向目标.从图3可以看出:以4个多机器人编队为基础,实现了纵队、三角形、菱形以及楔形队形之间的切换.从图4可以看出:5个机器人编队在有障碍物的环境下,队形形成、切换时间明显变长,在进入障碍区后,机器人分组通过障碍区,当领队机器人成功通过障碍区后,机器人重新组成三角形队形奔向目标.仿真实验结果表明:通过预存储编队信息实现多机器人编队控制,无论在队形形成还是在队形控制方面都取得了比较好的效果,特别是在队形动态保持方面比较稳定.但该方法适合于小规模的多机器人编队控制,对于大规模编队控制,由于多机器人之间互相避障行为的增加,队形形成时间较长,会产生很多不确定性,可以进一步改进算法,进行深入的研究.参考文献[1]M a r i o t t i n i G L,M o r b i d i F,P r a t t i c h i z z o D,e t a l.L e a d e r-f o l l o w e r f o r m a t i o n s:u n c a l i b r a t e d v i s i o n-b a s e d l oc a l i z a t i o n a nd c o n t r o l[C]∥I E E E I n te r n a t i o n-a l C o n f e r e n c e o n R ob o t ic s a nd A u t o m a t i o n.R o m a:I E E E,2007:2403-2408.[2]B a l c h T,A r k i n R C.B e h a v i o r b a s e d f o r m a t i o n c o n-t r o l f o r m u l t i r o b o t t e a m s[J].I E E E T r a n s a c t i o n s o n R o b o t i c s a n d A u t o m a t i o n,1998,14(6:926-939.[3]B e a r d R W,L a w t o n J,H a d a e g h F Y.A f e e d b a c k a r-c h i t e c t u r e f o r f o r m a t i o n c o n t r o l[C]∥A m e r i c a n C o n-t r o l C o n f e r e n c e.P i s c a t a w a y:I E E E,2000:4087-4091.[4]任德华,卢桂章.对队形控制的思考[J].控制与决策,2005(6:601-605.[5]谭民,王硕,曹志强.多机器人系统[M].北京:清华大学出版社,2005:1-140.[6]B a l c h T,H y b i n e t t e M.B e h a v i o r b a s e d c o o r d i n a t i o no f l a r g e s c a l e r o b o t f o r m a t i o n s[C]∥P r o c e e d i n g s o fF o u r t h I n t e r n a t i o n a l C o n f e r e n c e o n M u l t i-A g e n t sS y s t e m s.B o s t o n:I C MA S,2000:363-364.[7]N a f f i i n D J,S u k h a t m e G S.N e g o t i a t e d f o r m a t i o n s[C]∥P r o c e e d i n g s o f I n t e r n a t i o n a l C o n f e r e n c e o n I n-t e l l i g e n t A u t o n o m o u s S y s t e m s.A m s t e r d a m:I A S, 2004:181-190.[8]杨丽,曹志强,张文文.一种基于局部感知的多机器人动态跟随算法[J].自动化学报,2010,36(1: 101-106.[9]王娟,胡玉兰.基于条件反馈机制L e a d e r-f o l l o w e r多机器人队形控制[J].大众科技,2008(7:38-39. [10]何真,陆宇平,刘燕斌.基于虚拟结构的分布式编队控制方法[J].应用科学学报,2007(6:387-391.·723·增刊Ⅱ蔡伟斌,等:一种基于局部感知的多机器人编队控制方法。