CN102096415B - 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 - Google Patents
基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 Download PDFInfo
- Publication number
- CN102096415B CN102096415B CN201010618568A CN201010618568A CN102096415B CN 102096415 B CN102096415 B CN 102096415B CN 201010618568 A CN201010618568 A CN 201010618568A CN 201010618568 A CN201010618568 A CN 201010618568A CN 102096415 B CN102096415 B CN 102096415B
- Authority
- CN
- China
- Prior art keywords
- robot
- pilot
- following
- barrier
- leader
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明请求保护一种多机器人编队方法,属于智能控制领域。本发明以leader运动轨迹控制整个编队运动轨迹,首先确定leader的运动学模型,由斥力与引力合力确定leader运动方向;建立follower跟踪leader运动模型,follower根据一定的距离与角度跟踪leader,根据人工势场法建立的运动模型确定follower运动轨迹;在leader与follower之间引入AdHoc网络,建立信息反馈,确保follower对leader的跟踪过程无丢失。采用本发明可以使多机器人系统在完成任务的过程中,顺利避开障碍物,到达目标点,并能在整个过程中保持初始队形,能实现多机器人的实时的队形控制,更好的完成一些需要多个机器人同时完成任务的场合(如搬运,救援等)。
Description
技术领域
本发明属于智能控制领域,具体涉及多机器人编队方法。
背景技术
自从20世纪50年代第一台工业机器人诞生以来,随着通信、计算机、传感、电子、控制等技术以及人工智能技术的快速发展,集多种先进技术为一体的机器人技术在市场需求的牵引下已经取得了很大的发展。单个的移动机器人所能获得的信息有限,能够完成的任务以及对信息的搜集能力也是有限的。随着研究的深入,单个移动机器人在某些应用上,显得力不从心,为了解决这类问题,人们考虑在目前的机器人技术水平条件下,采用多个机器人相互协作以弥补单个机器人能力的不足,多机器人系统(multi-robot system)的研究在此需求下应运而生。随着机器人的研究和应用领域的不断扩大,应用的需求也对多机器人系统的研究提出了更高的要求,为了更好地完成任务,多个机器人协作完成任务也逐渐成为研究的热点。编队控制则是一个具有典型性和通用性的多机器人协调问题,是多机器人协调问题的基础。
自1990年以来基于队形控制的多机器人系统受到众多研究者的广泛关注,美国研究机构对队形控制的研究比较早,Georgia Tech Mobile Robot Lab 结合DARPA的UGV(unmanned ground vehicle)Demo2研究了基于行为的队形控制方法。University of Southern California的Robotics Research Lab利用局部传感信息和交互进行队形控制。Brigham Young University的MAGICC实验室在Air Force Office of Scientific Research的协助下,对UAV(unmanned aerial vehicle)的队形作了深入研究。美国航空航天局NASA采用Enhanced formation flying(EFF)技术控制多个卫星,使得航天编队飞行及空间虚拟探测成为可能。但是,上述技术不能解决队形的实时控制问题,对于一些需要多个机器人同时完成任务的场合(如搬运,救援等)就不能很好的发挥多机器人的优势。
发明内容
本发明所要解决的技术问题是,针对现有技术中,经过编队的多机器人在遇到障碍物时,很难保持实时队形控制的上述缺陷,提出一种实时控制队形的方法。
本发明实现多机器人队形的实时控制方法所采用的技术方案是,在多机器人组成的群体中,一个(或多个)机器人被指定为领航者(leader),其余机器人作为跟随者(follower),以leader为参考点,来确定其他follower的位置,这样将队形控制问题转化为follower 跟踪leader的位置和方向的问题,以此建立队形保持的模型。而leader则采用人工势场法建立运动模型,目标点或建议经过的区域对leader产生引力,而有障碍物的区域或不期望经过的区域对leader产生斥力,再根据leader与最远follower之间的距离的约束,设定避障区域,以此保证整个机器人队伍在避开障碍物的情况下,向目标位置前进。本发明还提出在leader与follower之间引入Ad Hoc网络,在编队过程中,将隐式通信与显示通信相结合,克服了leader与follower之间无反馈信息,导致机器人容易丢失的问题。
简洁地说,本发明是在多机器人组成的群体中,一个或多个机器人被指定为领航者leader,其余机器人作为跟随者follower,在leader-follower算法基础上利用人工势场法进行避障处理,由followers以一定的距离跟踪leader的位置和方向,使其达到预先设定的值,从而控制follower跟踪leader的轨迹以实现队形控制,并引入Ad Hoc网络在leader与follower之间建立信息反馈。所述方法分以下几步:
首先建立leader的运动学模型(采用 控制方法来保持队形,即通过控制两个机器人之间的相对距离和相对角度,使之达到一个恒定值(),从而形成和保持一个良好的编队队形),以leader为参考点,来确定其他follower的位置,由斥力与引力合力确定leader运动方向;
然后采用人工势场法建立follower跟踪leader运动模型(基本思想是构造目标位置引力场和障碍物周围斥力场共同作用的人工势场,搜索势函数的下降方向来寻找无碰撞路径),follower根据一定的距离与角度跟踪leader,根据运动模型确定follower运动轨迹;
最后在leader与follower之间引入Ad Hoc网络,在编队过程中,将隐式通信与显示通信相结合,建立信息反馈,确保follower对leader的跟踪过程无丢失。
本发明的有益效果:本发明是多机器人队形控制技术的研究,将leader-follower算法与人工势场法相结合,解决了leader-follower算法对动态环境的适应能力不强,不能很好的避开障碍物的问题。并引入Ad Hoc网络建立机器人之间的显示通信,实现了多机器人的实时队形控制,并且使多机器人系统能灵活的应对各种环境,使在一些需要多个机器人同时完成任务的场合(如搬运,救援等)能很好完成任务。
附图说明
图1本发明采用leader-follower算法和人工势场场法相结合的多机器人编队;
图2 本发明反馈控制结构图;
图3 本发明引入Ad Hoc网络编队策略流程图。
具体实施方式
leader-follower方法是将队形中的机器人划分为两个互补的角色leader和follower,群体中的某一个或某几个机器人被指定为领航者(leader),其余作为它或它们的跟随者(followers),该方法的基本思想是,由followers以一定的距离跟踪leader的位置和方向,使其达到预先设定的值,从而控制follower跟踪leader的轨迹以实现队形控制。这样该编队控制算法就可以用控制理论的知识来分析处理,并能稳定跟踪误差。该方法控制简单,整个运动过程中,只有领航者知道任务信息,只需给定其行为或轨迹就可以控制整个机器人群体的行为,队形的运动轨迹完全由leader决定;但leader与follower之间相对独立,没有信息反馈,leader得不到follower的跟踪误差或丢失消息而且对动态环境的适应能力不强,机器人的避碰等问题没有得到很好的解决。
人工势场法它实际上是对机器人运动环境的一种抽象描述,其基本思想是借鉴物理学方面的概念,假设机器人在一个虚拟的力场环境中运动,环境中的障碍物对机器人产生排斥力,且斥力随机器人与障碍物的距离减少而增大,目标点对机器人产生吸引力, 引力随机器人与目标点的接近而变小,从而构造出斥力和引力共同作用的人工势场,在势场力的作用下机器人沿最小化势能的方向运动。人工势场法主要是通过设计人工势场和势场函数来表示环境对队形中各机器人约束,并在此基础进行分析和控制;该方法计算简单,便于实现实时控制,尤其对处理障碍物空间的避障问题比较有效。以leader-follower方法建立队形,采用人工势场法控制leader,在leader-follower保持队形的基础上结合人工势场法避障特性,克服了leader-follower算法的避障问题。
Ad Hoc网络是一种没有基础设施的对等无线通信网络,网络中没有中央控制设备,不需要固定设施如基站的支持,各节点自由接入,自动组网,没有固定的网络拓扑,且由于节点的移动性,拓扑结构处于动态变化中。同时,Ad Hoc网络是一个多跳网络,节点覆盖范围无须直接包含目的节点,而是借助于中间节点进行转发。Ad Hoc网络可以单独组网,也可以通过网关或接口与其他网络相连。Ad Hoc网络由于其自身的特点成为多机器人系统通信首选。将Ad Hoc网络引入leader-follower方法中,克服了leader-follower算法无信息反馈,跟随机器人容易丢失的缺陷。
以下针对附图和具体实例对本发明作具体描述:
如图1为本发明基于leader-follower算法与人工势场法的队形。当多机器人队形编好后,根据leader和离leader最远的一个follower的距离确定一个圆形区域,如图中以leader机器人为中心为半径的圆形区域,即避障区域。当障碍物在避障区域以外的时,整个机器人队伍中的成员将不会与障碍物发生碰撞,则障碍物不对领航机器人产生斥力。当障碍物在避障区域之内时,表示整个队伍不能顺利通过障碍物,障碍物对领航机器人产生斥力。其具体实现过程如下:
机器人robot1(即领航机器人)在运动过程中受到的总的势场力是由目标点引力和避障区域内障碍物产生的斥力两部分组成。计算目标引力,为目标位置,代表机器人位置,代表机器人与目标之间的距离,则目标产生的引力势场和相应的目标引力为为
(3)
其中为正比例因子。显然,目标引力的大小与距离成线性关系,机器人到达目标位置后其目标引力大小为零。
(5)
(6)
领航机器人在避障区域内绕开障碍物,保证了整个机器人队伍在避开障碍物的情况下,向目标位置前进。
以下是针对上述模型引入Ad Hoc网络的详细描述,如图2为本发明的反馈控制示意图,具体的编队策略如下:
(1) 领航机器人(leader)了解全局信息,接收任务(记为T),根据任务规划其初始运动方向。初始时刻,由leader发送开始命令,所有的follower在收到命令后开始跟随leader运动。在运动过程中,用领航机器人用自身携带的传感器检测障碍物,并在一定范围内避开障碍物,再继续向目标前进。
(2) 跟随机器人的任务则为跟随领航机器人,它们将采用所提的队形模型(如三角形,正方形等模型),用自身携带传感器检测跟踪领航机器人,与leader之间保持一定的角度和距离来保持队伍队形,并在运动的同时监听来自leader的消息。
(3) 在正常情况下,leader与follower之间不进行通信,follower依靠自身所配备的传感器来检测leader,进行跟踪。在前进过程中,一旦follower发现无法检测到leader,follower会主动发出跟踪失败信息(记为S),表示跟踪失败,leader在收到信息后,首先会向所有的follower发送停止前进的命令,然后通过广播方式向所有follower发送包括位置信息在内的数据包(记为P),所有的follower会根据收到的信息来调整自己当前的位置,而丢失的follower则会根据收到的信息来确定自己下一步的位置,在丢失的follower跟上整个队伍后,才继续前进。
(4)由于Ad Hoc网络的通信距离有限,一旦机器人超出通信范围,机器人将无法收到来自leader的信息,而成为一个孤立的节点,为了保证所有机器人都在通信范围内,而且使follower能使用其传感器尽可能的检测到leader,我们将整个队伍设定为较小速度(200mm/s)运动。
在整个通信过程中,机器人以打包的形式向其他机器人发送数据包(pack),在整个机器人队伍中,leader与follower都有自己唯一的ID,在网络环境中有唯一的IP地址与之对应。跟随机器人以领航机器人为参考点,以决定其下一步的位置,因此在领航机器人发送的信息发送的数据包包括五个元素,其中:
本发明在leader-follower算法基础上利用人工势场法进行避障处理,并引入Ad Hoc网络在leader与follower之间建立信息反馈,实验表明,该方法有效可行,对于多机器人系统完成在复杂环境下完成任务也取得了较好效果。
Claims (3)
1.一种基于Ad Hoc网络和leader-follower算法的多机器人编队控制方法,其特征在于,所述方法是在多机器人组成的群体中,一个或多个机器人被指定为领航机器人leader,其余机器人作为跟随机器人follower,在leader-follower算法基础上利用人工势场法进行避障处理,由跟随机器人以一定的距离跟踪领航机器人的位置和方向,使其达到预先设定的值,从而控制跟随机器人跟踪领航机器人的轨迹以实现队形控制,并引入Ad Hoc网络在领航机器人与跟随机器人之间建立信息反馈;所述方法分以下几步:
首先建立领航机器人的运动学模型,以领航机器人为参考点,来确定其他跟随机器人的位置,由斥力与引力合力确定领航机器人运动方向;所述建立领航机器人的运动学模型是采用控制方法来保持队形,即通过控制两个机器人之间的相对距离l和相对角度,使之达到一个恒定值从而形成和保持一个良好的编队队形;
然后采用人工势场法建立跟随机器人跟踪领航机器人运动模型,其基本思想是构造目标位置引力场和障碍物周围斥力场共同作用的人工势场,搜索势函数的下降方向来寻找无碰撞路径,跟随机器人根据一定的距离与角度跟踪领航机器人,根据运动模型确定跟随机器人运动轨迹;
所述采用人工势场法建立跟随机器人跟踪领航机器人运动模型是以leader-follower的方法建立全局队形,内部各自按照自己的方式建立模型,形成一个统一的整体;其是当多机器人队形编好后,根据领航机器人和离领航机器人最远的一个跟随机器人的距离确定一个圆形区域,即以领航机器人为中心ρs为半径的圆形区域,即避障区域;当障碍物在避障区域以外时,整个机器人队伍中的成员将不会与障碍物发生碰撞,则障碍物不对领航机器人产生斥力;当障碍物在避障区域之内时,表示整个队伍不能顺利通过障碍物,障碍物对领航机器人产生斥力;其具体实现过程如下:
机器人robot1,即领航机器人在运动过程中受到的总的势场力Ftotal是由目标点引力Fgoal和避障区域内障碍物产生的斥力Frep两部分组成;计算目标点引力Fgoal,qgoal为目标位置,q代表机器人位置,ρ(q,qgoal)代表机器人与目标之间的距离,则目标产生的引力势场Ugoal(q)和相应的目标点引力为Fgoal(q)
Ftotal=Fgoal+Frep (1)
Fgoal(q)=-▽Ugoal(q)=ζρ(q,qgoal)(3)
其中ζ为正比例因子;
障碍物Obstacle1对机器人产生斥力,障碍物Obstacle2对机器人产生的斥力为零,qobsi,i=1,…,m表示在避障区域内的第i个障碍物的位置,ρ(q,qobsi)表示区域内第i个障碍物和机器人之间的距离,则斥力的势场函数Urepi为:
其中η是正比例因子,因此相应的斥力函数Frepi为:
领航机器人在避障区域内绕开障碍物,保证整个机器人队伍在避开障碍物的情况下,向目标位置前进;
最后在领航机器人与跟随机器人之间引入Ad Hoc网络,在编队过程中,将隐式通信与显示通信相结合,建立信息反馈,确保跟随机器人对领航机器人的跟踪过程无丢失;
所述在领航机器人与跟随机器人之间引入Ad Hoc网络是,引入AdHoc网络作为信息反馈,当跟随机器人丢失时,主动发出跟踪失败消息,领航机器人在收到消息后,向所有的跟随机器人发送数据包,包括领航机器人的坐标位置(x,y)及当前位置与x轴的夹角θ;
在领航机器人与跟随机器人之间引入Ad Hoc网络,建立信息反馈的方法如下:
(1)领航机器人了解全局信息,接收任务,记为T,根据任务规划其初始运动方向;初始时刻,由领航机器人发送开始命令,所有的跟随机器人在收到命令后开始跟随领航机器人运动;在运动过程中,领航机器人用自身携带的传感器检测障碍物,并在一定范围内避开障碍物,再继续向目标前进;
(2)跟随机器人的任务则为跟随领航机器人,它们将采用人工势场法建立的模型,用自身携带传感器检测跟踪领航机器人,与领航机器人之间保持一定的角度和距离来保持队伍队形,并在运动的同时监听来自领航机器人的消息;
(3)在正常情况下,领航机器人与跟随机器人之间不进行通信,跟随机器人依靠自身所配备的传感器来检测领航机器人,进行跟踪;在前进过程中,一旦跟随机器人发现无法检测到领航机器人,跟随机器人会主动发出跟踪失败信息,记为S,表示跟踪失败,领航机器人在收到信息后,首先会向所有的跟随机器人发送停止前进的命令,然后通过广播方式向所有跟随机器人发送包括位置信息在内的数据包,记为P1,所有的跟随机器人会根据收到的信息来调整自己当前的位置,而丢失的跟随机器人则会根据收到的信息来确定自己下一步的位置,在丢失的跟随机器人跟上整个队伍后,才继续前进;
(4)在整个通信过程中,领航机器人以打包的形式向其他机器人发送数据包,缩写为P2,在整个机器人队伍中,领航机器人与跟随机器人都有自己唯一的ID,在网络环境中有唯一的IP地址与之对应;跟随机器人以领航机器人为参考点,以决定其下一步的位置,因此在领航机器人发送的数据包包括五个元素pack={RID,Ri,Rix,Riy,θi},其中:
RID:表示机器人Ri的ip地址;
Ri:表示机器人Ri是否为领航机器人,0为领航机器人,1为跟随机器人;
Rix,Riy:分别表示机器人Ri所在位置的x,y轴坐标;
θi:表示Ri当前位置与x轴的夹角。
2.根据权利要求1所述的编队控制方法,其特征在于,所述建立领航机器人的运动学模型的步骤为,在环境空间中,建立势场:设势场函数为Φ,目标点产生吸引力,障碍物产生斥力,领航机器人所受到的合力为目标点对机器人的引力及障碍物对它的斥力之和,合力决定了机器人的运动方向。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010618568A CN102096415B (zh) | 2010-12-31 | 2010-12-31 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201010618568A CN102096415B (zh) | 2010-12-31 | 2010-12-31 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102096415A CN102096415A (zh) | 2011-06-15 |
CN102096415B true CN102096415B (zh) | 2012-09-26 |
Family
ID=44129541
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201010618568A Active CN102096415B (zh) | 2010-12-31 | 2010-12-31 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102096415B (zh) |
Families Citing this family (40)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288192B (zh) * | 2011-07-01 | 2013-11-27 | 重庆邮电大学 | 基于Ad Hoc网络的多机器人路径规划方法 |
CN102662377B (zh) * | 2012-05-17 | 2014-04-02 | 哈尔滨工业大学 | 基于无线传感器网络的多移动机器人编队系统和编队方法 |
CN102749847A (zh) * | 2012-06-26 | 2012-10-24 | 清华大学 | 多无人机协同着陆方法 |
CN103139812B (zh) * | 2013-03-01 | 2015-06-03 | 哈尔滨工业大学 | 基于无线传感器网络的移动节点编队避障方法 |
CN103197684B (zh) * | 2013-04-25 | 2016-09-21 | 清华大学 | 无人机群协同跟踪目标的方法及系统 |
CN103455033B (zh) * | 2013-09-06 | 2016-01-20 | 重庆大学 | 一种面向多移动机器人系统的模糊编队及避障控制方法 |
CN103901887B (zh) * | 2014-03-04 | 2017-05-24 | 重庆邮电大学 | 一种基于改进粒子群算法的多移动机器人编队控制方法 |
CN103901889A (zh) * | 2014-03-27 | 2014-07-02 | 浙江大学 | 一种基于蓝牙通信的多机器人编队控制路径跟踪方法 |
CN104238552B (zh) * | 2014-09-19 | 2017-05-17 | 南京理工大学 | 一种有冗余的多机器人编队系统 |
CN105159291B (zh) * | 2015-07-10 | 2018-04-20 | 北京印刷学院 | 一种基于信息物理网的车队智能避障装置及避障方法 |
EP3828859A1 (en) | 2016-07-04 | 2021-06-02 | Sony Corporation | Robot, robot system, and storage medium |
CN108459612B (zh) * | 2017-02-21 | 2021-03-23 | 北京航空航天大学 | 基于人工势场法的无人机编队控制方法及装置 |
CN108153298B (zh) * | 2017-04-19 | 2022-08-09 | 中国北方车辆研究所 | 一种基于改进人工势场的足式机器人牵引控制方法及系统 |
CN106950970B (zh) * | 2017-05-05 | 2019-10-29 | 东华大学 | 一种基于客户端-服务器结构的多机器人协同编队方法 |
CN107102650B (zh) * | 2017-05-27 | 2020-01-31 | 河南科技大学 | 一种适用于高速环境的无人机动态路径规划方法 |
CN107992035A (zh) * | 2017-11-15 | 2018-05-04 | 西北工业大学 | 一种基于室内全局定位的多移动机器人编队控制方法 |
CN108734077B (zh) * | 2017-12-01 | 2021-04-06 | 北京猎户星空科技有限公司 | 引领设备控制方法及装置 |
CN108724172B (zh) * | 2017-12-01 | 2020-09-11 | 北京猎户星空科技有限公司 | 引领设备控制方法及装置 |
US10915108B2 (en) | 2018-03-29 | 2021-02-09 | Mitsubishi Electric Research Laboratories, Inc. | Robust source seeking and formation learning-based controller |
CN108563240B (zh) * | 2018-07-26 | 2020-09-29 | 电子科技大学 | 一种大规模微型无人机的编队及控制方法 |
CN109333529B (zh) * | 2018-09-20 | 2022-08-23 | 南京邮电大学 | 含预定义性能的多单臂机械手输出一致控制器及设计方法 |
CN110321938B (zh) * | 2019-06-20 | 2022-10-11 | 西北工业大学 | 一种智能无人集群的状态空间构建方法及装置 |
CN110381442B (zh) * | 2019-08-17 | 2020-09-22 | 西北工业大学 | 一种基于隐式信息交互方式的群机器人目标搜索方法 |
CN110825076B (zh) * | 2019-09-26 | 2022-12-09 | 东南大学 | 基于视线和力反馈的移动机器人编队导航半自主控制方法 |
CN110989656A (zh) * | 2019-11-13 | 2020-04-10 | 中国电子科技集团公司第二十研究所 | 一种基于改进人工势场法的冲突解脱方法 |
CN111077887B (zh) * | 2019-12-12 | 2022-06-28 | 南京理工大学 | 一种采用领航跟随法的多机器人综合避障方法 |
CN112975939A (zh) * | 2019-12-12 | 2021-06-18 | 中国科学院沈阳自动化研究所 | 一种协作型机械臂的动态轨迹规划方法 |
CN111142533B (zh) * | 2020-01-03 | 2023-08-15 | 大连民族大学 | 多个无人水面艇的多势场避障方法及复杂环境下多usv多模式编队避障控制方法 |
CN111367285B (zh) * | 2020-03-18 | 2023-06-30 | 华东理工大学 | 一种轮式移动小车协同编队与路径规划方法 |
CN111459161B (zh) * | 2020-04-03 | 2021-07-06 | 北京理工大学 | 一种多机器人系统人为干预控制方法 |
CN111650961A (zh) * | 2020-05-29 | 2020-09-11 | 西安理工大学 | 基于改进人工势场的5g网联无人机编队防碰撞方法 |
CN111949036B (zh) * | 2020-08-25 | 2022-08-02 | 重庆邮电大学 | 一种轨迹跟踪控制方法、系统及两轮差速移动机器人 |
CN112684709B (zh) * | 2020-12-25 | 2022-06-07 | 长安大学 | 一种集群跟踪运动学建模方法、设备及存储介质 |
CN113093767A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下无人航行器编队的队形控制方法 |
CN113282083B (zh) * | 2021-05-17 | 2022-10-18 | 北京航空航天大学 | 一种基于机器人操作系统的无人车编队实验平台 |
CN113341956B (zh) * | 2021-05-20 | 2022-10-28 | 西安交通大学 | 基于改进人工势场法的多智能体主从式编队控制方法 |
CN114637301B (zh) * | 2022-03-23 | 2023-04-11 | 北京理工大学 | 基于最优仿射队形变换的多机器人动态避障装置及方法 |
CN115686069A (zh) * | 2022-11-15 | 2023-02-03 | 杭州国科骏飞光电科技有限公司 | 一种无人机集群的同步协调控制方法及系统 |
CN116400722A (zh) * | 2023-05-10 | 2023-07-07 | 江苏方天电力技术有限公司 | 一种无人机避障飞行方法及相关装置 |
CN116974288B (zh) * | 2023-09-20 | 2024-03-15 | 深圳鹏行智能研究有限公司 | 机器人控制方法以及机器人 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101127657A (zh) * | 2007-07-16 | 2008-02-20 | 江南大学 | 自主移动传感器网络动态建模与控制技术 |
US7512079B2 (en) * | 2004-07-28 | 2009-03-31 | University Of South Florida | System and method to assure node connectivity in an ad hoc network |
CN101515179A (zh) * | 2009-02-17 | 2009-08-26 | 浙江大学 | 一种多机器人队形变换方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040030570A1 (en) * | 2002-04-22 | 2004-02-12 | Neal Solomon | System, methods and apparatus for leader-follower model of mobile robotic system aggregation |
-
2010
- 2010-12-31 CN CN201010618568A patent/CN102096415B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512079B2 (en) * | 2004-07-28 | 2009-03-31 | University Of South Florida | System and method to assure node connectivity in an ad hoc network |
CN101127657A (zh) * | 2007-07-16 | 2008-02-20 | 江南大学 | 自主移动传感器网络动态建模与控制技术 |
CN101515179A (zh) * | 2009-02-17 | 2009-08-26 | 浙江大学 | 一种多机器人队形变换方法 |
Non-Patent Citations (5)
Title |
---|
《基于条件反馈机制Leader-folloer多机器人队形控制》;王娟等;《大众科技》;20080731(第7期);37-39 * |
基于人工势场法和Ad-hoc网络的多机器人编队控制》;樊玮虹等;《国防科技大学学报 》;20060430;第28卷(第4期);49-53 * |
孙凤等.《基于Leader-follower与人工势场的多移动机器人编队控制》.《沈阳建筑大学学报(自然科学版)》.2010,第26卷(第4期),803-807. * |
樊玮虹等.基于人工势场法和Ad-hoc网络的多机器人编队控制》.《国防科技大学学报 》.2006,第28卷(第4期),49-53. |
王娟等.《基于条件反馈机制Leader-folloer多机器人队形控制》.《大众科技》.2008,(第7期),37-39. |
Also Published As
Publication number | Publication date |
---|---|
CN102096415A (zh) | 2011-06-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102096415B (zh) | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 | |
CN101127657B (zh) | 自主移动传感器网络动态建模与控制技术 | |
Alam et al. | Topology control algorithms in multi-unmanned aerial vehicle networks: An extensive survey | |
Alvissalim et al. | Swarm quadrotor robots for telecommunication network coverage area expansion in disaster area | |
Li et al. | A survey on formation control algorithms for multi-AUV system | |
Liang et al. | Decentralized formation control and obstacle avoidance for multiple robots with nonholonomic constraints | |
Nathan et al. | A review of autonomous multi-agent quad-rotor control techniques and applications | |
CN104808668A (zh) | 基于力信息的多移动机器人协作搬运平板状物体方法 | |
Franchi et al. | Bilateral teleoperation of multiple UAVs with decentralized bearing-only formation control | |
Lu et al. | A cost-efficient elastic UAV relay network construction method with guaranteed QoS | |
Sharma et al. | Globally rigid formation of n-link doubly nonholonomic mobile manipulators | |
Park et al. | Analysis of dynamic cluster head selection for mission-oriented flying ad hoc network | |
Navaravong et al. | Formation reconfiguration for mobile robots with network connectivity constraints | |
Riedel et al. | Experiments on intercontinental haptic control of multiple UAVs | |
Abichandani et al. | Decentralized formation coordination of multiple quadcopters under communication constraints | |
CN104181813A (zh) | 具有连通性保持的拉格朗日系统自适应控制方法 | |
Ghommam et al. | Distance-based formation control for quadrotors with collision avoidance via Lyapunov barrier functions | |
Rezaee et al. | A synchronization strategy for three dimensional decentralized formation control of unmanned aircrafts | |
Mutawe et al. | Simulation of Trajectory Tracking and Motion Coordination for Heterogeneous Multi-Robots System. | |
Belkhouche et al. | Modeling and controlling 3d formations and flocking behavior of unmanned air vehicles | |
Yu et al. | Formation-containment control for unmanned aerial vehicle swarm system | |
Oh et al. | Communication-aware convoy following guidance for UAVs in a complex urban environment | |
Wu et al. | UAV formation control based on consistency | |
Huang et al. | E2coop: Energy efficient and cooperative obstacle detection and avoidance for uav swarms | |
Wu et al. | Performance of Sliding Mode and Consensus-based Control Approaches for Quadrotor Leader-Follower Formation Flight |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |