CN102707719A - 移动机器人及多移动机器人的协调控制方法 - Google Patents
移动机器人及多移动机器人的协调控制方法 Download PDFInfo
- Publication number
- CN102707719A CN102707719A CN2012101521859A CN201210152185A CN102707719A CN 102707719 A CN102707719 A CN 102707719A CN 2012101521859 A CN2012101521859 A CN 2012101521859A CN 201210152185 A CN201210152185 A CN 201210152185A CN 102707719 A CN102707719 A CN 102707719A
- Authority
- CN
- China
- Prior art keywords
- mobile robot
- parameter
- current time
- robot
- individual
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 13
- 238000005070 sampling Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提出一种移动机器人及多移动机器人的协调控制方法,其中多移动机器人的协调控制方法包括以下步骤:获取个体移动机器人的当前时刻的位置以及个体移动机器人的邻居机器人的当前时刻的位置;判断述个体移动机器人是否具有预定的期望位置信息,并根据判断的结果确定第一参数;根据述第一参数以及多移动机器人的加权邻接矩阵确定个体移动机器人的学习参数;以及根据个体移动机器人的当前时刻的位置、个体移动机器人的邻居机器人的当前时刻的位置、第一参数和学习参数控制个体移动机器人。本发明能够保证移动机器人到达任意指定的期望位置,且控制精度高。
Description
技术领域
本发明涉及机器人控制技术领域,特别涉及一种移动机器人及多移动机器人的协调控制方法。
背景技术
目前,多移动机器人的协调控制方法在实际问题中得到了越来越广泛的应用。这主要是由于越来越多的实际任务都比较复杂,往往单移动机器人难以完成,而通过多移动机器人之间的合作可以来完成。此外,通过多移动机器人间的合作,可提高机器人系统在作业过程中的效率,进而当工作环境发生变化或机器人系统局部发生故障时,多移动机器人系统仍可通过本身具有的合作关系来完成预定的任务。然而,现有技术存在的缺点是,控制精度不高,往往只能使得各移动机器人在时间趋于无穷时渐近地完成某项特定任务。特别地,当涉及多移动机器人的跟踪问题时,往往只能保证各移动机器人达到某个位置,而不能保证各移动机器人能够到达一个任意指定的期望位置。
发明内容
本发明的目的旨在至少解决上述技术缺陷之一。
为达到上述目的,本发明一方面提出一种多移动机器人的协调控制方法,包括以下步骤:A:获取个体移动机器人的当前时刻的位置以及所述个体移动机器人的邻居机器人的当前时刻的位置;B:判断所述个体移动机器人是否具有预定的期望位置信息,并根据所述判断的结果确定第一参数;C:根据所述第一参数以及所述多移动机器人的加权邻接矩阵确定所述个体移动机器人的学习参数,其中所述学习参数包括第一学习参数和第二学习参数,且所述第一学习参数和第二学习参数非负且满足预定的权规则条件;以及D:根据所述个体移动机器人的当前时刻的位置、所述个体移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数控制所述个体移动机器人。
在本发明的一个实施例中,所述步骤B进一步包括:如果所述个体移动机器人具有所述预定的期望位置信息,则确定所述第一参数为大于0的数值;如果所述个体移动机器人不具有所述预定的期望位置信息,则确定所述第一参数为0。
在本发明的一个实施例中,所述预定的权规则条件为:其中,φij为所述第一学习参数,为所述第二学习参数,ωi为所述第一参数,aij为所述多移动机器人的加权邻接矩阵的元素,Ni为所述个体移动机器人i的邻居机器人集合,εi为采样步长。
在本发明的一个实施例中,所述步骤D进一步包括:D1:根据所述个体移动机器人的当前时刻的位置、所述个体移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数,通过公式确定个体移动机器人i的控制量,其中,xi(t)为个体移动机器人i的当前时刻的位置,xj(t)为个体移动机器人i的邻居机器人j的当前时刻的位置,xr为所述预定的期望位置信息,ui(t)为所述个体移动机器人i的控制量;以及D2:根据所述控制量和所述个体移动机器人当前时刻的位置,通过公式xi(t+1)=xi(t)+εiui(t)确定所述个体移动机器人的下一时刻的位置,其中,xi(t+1)为所述个体移动机器人的下一时刻的位置。
根据本发明实施例的多移动机器人的协调控制方法,通过增加学习过程,保证移动机器人能够到达任意指定的期望位置,且控制精度高。
本发明另一方面还提出一种移动机器人,包括:获取模块,用于获取所述移动机器人的当前时刻的位置以及所述移动机器人的邻居机器人的当前时刻的位置;第一确定模块,用于判断所述移动机器人是否具有预定的期望位置信息,并根据所述判断的结果确定第一参数;第二确定模块,用于根据所述第一参数以及所述移动机器人所在的多移动机器人网络的加权邻接矩阵确定所述移动机器人的学习参数,其中所述学习参数包括第一学习参数和第二学习参数,且所述第一学习参数和第二学习参数非负且满足预定的权规则条件;以及控制模块,用于根据所述移动机器人的当前时刻的位置、所述移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数控制所述移动机器人。
在本发明的一个实施例中,如果所述移动机器人具有所述预定的期望位置信息,则所述第一确定模块确定所述第一参数为大于0的数值;如果所述移动机器人不具有预定的期望位置信息,则所述第一确定模块确定所述第一参数为0。
在本发明的一个实施例中,所述预定的权规则条件为:其中,φij为所述第一学习参数,为所述第二学习参数,ωi为所述第一参数,aij为所述多移动机器人网络的加权邻接矩阵的元素,Ni为所述移动机器人i的邻居机器人集合,εi为采样步长。
在本发明的一个实施例中,所述控制模块进一步包括:控制量确定单元,用于根据所述移动机器人的当前时刻的位置、所述移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数,通过以下的公式确定所述移动机器人的控制量:其中,xi(t)为移动机器人i的当前时刻的位置,xj(t)为移动机器人i的邻居机器人j的当前时刻的位置,xr为所述预定的期望位置信息,ui(t)为所述移动机器人i的控制量;以及位置确定单元,用于根据所述移动机器人的控制量和所述移动机器人当前时刻的位置,通过以下的公式确定所述移动机器人的下一时刻的位置:xi(t+1)=xi(t)+εiui(t),其中,xi(t+1)为所述移动机器人的下一时刻的位置。
根据本发明实施例的移动机器人,通过增加学习过程,保证移动机器人能够到达任意指定的期望位置,且控制精度高。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明一个实施例的多移动机器人的协调控制方法的流程图;
图2为本发明一个实施例的多移动机器人网络的示意图;
图3为本发明一个实施例的移动机器人的结构示意图;以及
图4为本发明一个实施例的控制模块的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
在本发明的描述中,需要理解的是,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
图1为本发明一个实施例的多移动机器人的协调控制方法的流程图。如图1所示,该方法包括以下步骤:
步骤S101,获取个体移动机器人的当前时刻的位置以及个体移动机器人的邻居机器人的当前时刻的位置。
其中,个体移动机器人的邻居机器人指的是,有信息流向该移动机器人的所有其他移动机器人的集合。图2为本发明一个实施例的多移动机器人网络的示意图,如图2所示,个体移动机器人2和4为个体移动机器人5的邻居,而个体移动机器人1、3和6不是个体移动机器人5的邻居。
具体地,可通过安装在个体移动机器人上的摄像装置获取自身及其邻居机器人的当前时刻的位置。
步骤S102,判断个体移动机器人是否具有预定的期望位置信息,并根据判断的结果确定第一参数。
具体地,如果个体移动机器人具有预定的期望位置信息,则确定第一参数为大于0的数值。如果个体移动机器人不具有预定的期望位置信息,则确定第一参数为0。
步骤S103,根据第一参数以及多移动机器人的加权邻接矩阵确定个体移动机器人的学习参数,其中学习参数包括第一学习参数和第二学习参数,且第一学习参数和第二学习参数非负且满足预定的权规则条件。
在本发明的一个实施例中,预定的权规则条件为:其中,φij为第一学习参数,为第二学习参数,ωi为第一参数,aij为多移动机器人的加权邻接矩阵的元素,Ni为个体移动机器人i的邻居机器人集合,εi为采样步长。
步骤S104,根据个体移动机器人的当前时刻的位置、个体移动机器人的邻居机器人的当前时刻的位置、第一参数和学习参数控制个体移动机器人。
具体地,首先,根据个体移动机器人的当前时刻的位置、个体移动机器人的邻居机器人的当前时刻的位置、第一参数和学习参数,通过以下的公式确定个体移动机器人i的控制量:
其中,xi(t)为个体移动机器人i的当前时刻的位置,xj(t)为个体移动机器人i的邻居机器人j的当前时刻的位置,xr为预定的期望位置信息,ui(t)为个体移动机器人i的控制量。
然后,根据上述控制量和个体移动机器人当前时刻的位置,通过以下的公式确定个体移动机器人的下一时刻的位置:
xi(t+1)=xi(t)+εiui(t),
其中,xi(t+1)为个体移动机器人i的下一时刻的位置。
根据本发明实施例的个体移动机器人的协调控制方法,通过增加学习过程,实现移动机器人在有限的时间内到达任意指定的期望位置,且控制精度高。
本发明另一方面还提出一种移动机器人。
图3为本发明一个实施例的移动机器人的结构示意图。如图3所示,该移动机器人包括:获取模块10、第一确定模块20、第二确定模块30和控制模块40。
获取模块10用于获取移动机器人的当前时刻的位置以及移动机器人的邻居机器人的当前时刻的位置。例如,获取模块10可为安装在移动机器人上的摄像装置。
第一确定模块20用于判断移动机器人是否具有预定的期望位置信息,并根据判断的结果确定第一参数。具体地,如果移动机器人具有预定的期望位置信息,则第一确定模块20确定第一参数为大于0的数值;如果移动机器人不具有预定的期望位置信息,则第一确定模块20确定第一参数为0。
第二确定模块30用于根据第一参数以及移动机器人所在的多移动机器人网络的加权邻接矩阵确定移动机器人的学习参数,其中学习参数包括第一学习参数和第二学习参数,且第一学习参数和第二学习参数非负且满足预定的权规则条件。
在本发明的一个实施例中,预定的权规则条件为:其中,φij为第一学习参数,为第二学习参数,ωi为第一参数,aij为多移动机器人的加权邻接矩阵的元素,Ni为个体移动机器人i的邻居机器人集合,εi为采样步长。
控制模块40用于根据移动机器人的当前时刻的位置、移动机器人的邻居机器人的当前时刻的位置、第一参数和学习参数控制移动机器人。
图4为本发明一个实施例的控制模块40的结构示意图。如图4所示,该控制模块40包括控制量确定单元410和位置确定单元420。
控制量确定单元410用于根据移动机器人的当前时刻的位置、移动机器人的邻居机器人的当前时刻的位置、第一参数和学习参数,通过以下的公式确定移动机器人的控制量:
其中,xi(t)为移动机器人i的当前时刻的位置,xj(t)为移动机器人i的邻居机器人j的当前时刻的位置,xr为预定的期望位置信息,ui(t)为移动机器人i的控制量。
位置确定单元420用于根据控制量确定单元410确定的移动机器人的控制量和移动机器人当前时刻的位置,通过以下的公式确定个体移动机器人的下一时刻的位置:
xi(t+1)=xi(t)+εiui(t),
其中,xi(t+1)为移动机器人i的下一时刻的位置。
根据本发明实施例的移动机器人,通过增加学习过程,实现移动机器人在有限的时间内到达任意指定的期望位置,且控制精度高。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定。
Claims (8)
1.一种多移动机器人的协调控制方法,其特征在于,包括以下步骤:
A:获取个体移动机器人的当前时刻的位置以及所述个体移动机器人的邻居机器人的当前时刻的位置;
B:判断所述个体移动机器人是否具有预定的期望位置信息,并根据所述判断的结果确定第一参数;
C:根据所述第一参数以及所述多移动机器人的加权邻接矩阵确定所述个体移动机器人的学习参数,其中所述学习参数包括第一学习参数和第二学习参数,且所述第一学习参数和第二学习参数非负且满足预定的权规则条件;以及
D:根据所述个体移动机器人的当前时刻的位置、所述个体移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数控制所述个体移动机器人。
2.根据权利要求1所述的多移动机器人的协调控制方法,其特征在于,所述步骤B进一步包括:
如果所述个体移动机器人具有所述预定的期望位置信息,则确定所述第一参数为大于0的数值;
如果所述个体移动机器人不具有所述预定的期望位置信息,则确定所述第一参数为0。
3.根据权利要求1所述的多移动机器人的协调控制方法,其特征在于,所述预定的权规则条件为:
其中,φij为所述第一学习参数,为所述第二学习参数,ωi为所述第一参数,aij为所述多移动机器人的加权邻接矩阵的元素,Ni为所述个体移动机器人i的邻居机器人集合,εi为采样步长。
4.根据权利要求1所述的多移动机器人的协调控制方法,其特征在于,所述步骤D进一步包括:
D1:根据所述个体移动机器人的当前时刻的位置、所述个体移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数,通过以下的公式确定个体移动机器人i的控制量:
其中,xi(t)为个体移动机器人i的当前时刻的位置,xj(t)为个体移动机器人i的邻居机器人j的当前时刻的位置,xr为所述预定的期望位置信息,ui(t)为所述个体移动机器人i的控制量;以及
D2:根据所述控制量和所述个体移动机器人当前时刻的位置,通过以下的公式确定所述个体移动机器人的下一时刻的位置:
xi(t+1)=xi(t)+εiui(t),
其中,xi(t+1)为所述个体移动机器人的下一时刻的位置。
5.一种移动机器人,其特征在于,包括:
获取模块,用于获取所述移动机器人的当前时刻的位置以及所述移动机器人的邻居机器人的当前时刻的位置;
第一确定模块,用于判断所述移动机器人是否具有预定的期望位置信息,并根据所述判断的结果确定第一参数;
第二确定模块,用于根据所述第一参数以及所述移动机器人所在的多移动机器人网络的加权邻接矩阵确定所述移动机器人的学习参数,其中所述学习参数包括第一学习参数和第二学习参数,且所述第一学习参数和第二学习参数非负且满足预定的权规则条件;以及
控制模块,用于根据所述移动机器人的当前时刻的位置、所述移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数控制所述移动机器人。
6.根据权利要求5所述的移动机器人,其特征在于,
如果所述移动机器人具有所述预定的期望位置信息,则所述第一确定模块确定所述第一参数为大于0的数值;
如果所述移动机器人不具有预定的期望位置信息,则所述第一确定模块确定所述第一参数为0。
8.根据权利要求5所述的移动机器人协调控制方法,其特征在于,所述控制模块进一步包括:
控制量确定单元,用于根据所述移动机器人的当前时刻的位置、所述移动机器人的邻居机器人的当前时刻的位置、所述第一参数和所述学习参数,通过以下的公式确定所述移动机器人的控制量:
其中,xi(t)为移动机器人i的当前时刻的位置,xj(t)为移动机器人i的邻居机器人j的当前时刻的位置,xr为所述预定的期望位置信息,ui(t)为所述移动机器人i的控制量;以及
位置确定单元,用于根据所述移动机器人的控制量和所述移动机器人当前时刻的位置,通过以下的公式确定所述移动机器人的下一时刻的位置:
xi(t+1)=xi(t)+εiui(t),
其中,xi(t+1)为所述移动机器人的下一时刻的位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210152185.9A CN102707719B (zh) | 2012-05-16 | 2012-05-16 | 移动机器人及多移动机器人的协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210152185.9A CN102707719B (zh) | 2012-05-16 | 2012-05-16 | 移动机器人及多移动机器人的协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102707719A true CN102707719A (zh) | 2012-10-03 |
CN102707719B CN102707719B (zh) | 2014-03-05 |
Family
ID=46900609
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210152185.9A Expired - Fee Related CN102707719B (zh) | 2012-05-16 | 2012-05-16 | 移动机器人及多移动机器人的协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102707719B (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279029A (zh) * | 2013-05-31 | 2013-09-04 | 北京航空航天大学 | 多机器人手臂系统的自适应协调控制方法 |
CN103970020A (zh) * | 2014-05-21 | 2014-08-06 | 北京航空航天大学 | 移动机器人系统及其在混合交互环境下的协调控制方法 |
CN104679002A (zh) * | 2015-01-28 | 2015-06-03 | 北京航空航天大学 | 受噪声污染的移动机器人系统及其协调控制方法 |
CN106502100A (zh) * | 2016-12-13 | 2017-03-15 | 浙江工业大学 | 多移动机器人的分布式单时滞控制器设计方法 |
CN107168369A (zh) * | 2017-06-13 | 2017-09-15 | 中国科学院声学研究所 | 一种欠驱动无人车的编队控制方法及系统 |
CN108255169A (zh) * | 2016-12-29 | 2018-07-06 | 北京航空航天大学 | 车辆及多车辆网络的协调控制方法 |
CN108255168A (zh) * | 2016-12-29 | 2018-07-06 | 北京航空航天大学 | 多车辆网络在切换变化环境下的协调控制方法 |
CN110045600A (zh) * | 2018-01-15 | 2019-07-23 | 北京航空航天大学 | 一种欠驱动多移动机器人的编队迭代学习控制方法 |
CN110045601A (zh) * | 2018-01-15 | 2019-07-23 | 北京航空航天大学 | 一种基于迭代学习控制的欠驱动移动机器人跟踪方法 |
CN110045602A (zh) * | 2018-01-15 | 2019-07-23 | 北京航空航天大学 | 一种欠驱动多移动机器人的交会迭代学习控制方法 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110297492B (zh) * | 2019-07-08 | 2020-09-18 | 北京航空航天大学 | 一种多车辆网络在时变环境下的协调跟踪控制系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060083345A (ko) * | 2005-01-14 | 2006-07-20 | 재단법인서울대학교산학협력재단 | 확장된 충돌 지도를 이용한 직교 교차로 상에서의 다개체로봇 무충돌 시스템 및 제어 방법 |
US20090062974A1 (en) * | 2007-09-03 | 2009-03-05 | Junichi Tamamoto | Autonomous Mobile Robot System |
CN101630162A (zh) * | 2008-07-16 | 2010-01-20 | 中国科学院自动化研究所 | 多移动机器人局部跟随控制方法 |
JP2010191502A (ja) * | 2009-02-16 | 2010-09-02 | Toyota Motor Corp | 移動ロボット制御システム、経路探索方法、経路探索プログラム |
CN102053621A (zh) * | 2009-11-06 | 2011-05-11 | 北京理工大学 | 一种任意队形的群移动机器人密度控制方法 |
CN102331711A (zh) * | 2011-08-12 | 2012-01-25 | 江苏合成物联网科技有限公司 | 一种移动自主机器人的编队控制方法 |
-
2012
- 2012-05-16 CN CN201210152185.9A patent/CN102707719B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20060083345A (ko) * | 2005-01-14 | 2006-07-20 | 재단법인서울대학교산학협력재단 | 확장된 충돌 지도를 이용한 직교 교차로 상에서의 다개체로봇 무충돌 시스템 및 제어 방법 |
US20090062974A1 (en) * | 2007-09-03 | 2009-03-05 | Junichi Tamamoto | Autonomous Mobile Robot System |
CN101630162A (zh) * | 2008-07-16 | 2010-01-20 | 中国科学院自动化研究所 | 多移动机器人局部跟随控制方法 |
JP2010191502A (ja) * | 2009-02-16 | 2010-09-02 | Toyota Motor Corp | 移動ロボット制御システム、経路探索方法、経路探索プログラム |
CN102053621A (zh) * | 2009-11-06 | 2011-05-11 | 北京理工大学 | 一种任意队形的群移动机器人密度控制方法 |
CN102331711A (zh) * | 2011-08-12 | 2012-01-25 | 江苏合成物联网科技有限公司 | 一种移动自主机器人的编队控制方法 |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103279029A (zh) * | 2013-05-31 | 2013-09-04 | 北京航空航天大学 | 多机器人手臂系统的自适应协调控制方法 |
CN103279029B (zh) * | 2013-05-31 | 2015-08-19 | 北京航空航天大学 | 多机器人手臂系统的自适应协调控制方法 |
CN103970020A (zh) * | 2014-05-21 | 2014-08-06 | 北京航空航天大学 | 移动机器人系统及其在混合交互环境下的协调控制方法 |
CN103970020B (zh) * | 2014-05-21 | 2016-08-31 | 北京航空航天大学 | 移动机器人系统及其在混合交互环境下的协调控制方法 |
CN104679002A (zh) * | 2015-01-28 | 2015-06-03 | 北京航空航天大学 | 受噪声污染的移动机器人系统及其协调控制方法 |
CN104679002B (zh) * | 2015-01-28 | 2017-06-06 | 北京航空航天大学 | 受噪声污染的移动机器人系统及其协调控制方法 |
CN106502100A (zh) * | 2016-12-13 | 2017-03-15 | 浙江工业大学 | 多移动机器人的分布式单时滞控制器设计方法 |
CN108255169A (zh) * | 2016-12-29 | 2018-07-06 | 北京航空航天大学 | 车辆及多车辆网络的协调控制方法 |
CN108255168A (zh) * | 2016-12-29 | 2018-07-06 | 北京航空航天大学 | 多车辆网络在切换变化环境下的协调控制方法 |
CN108255168B (zh) * | 2016-12-29 | 2021-05-21 | 北京航空航天大学 | 多车辆网络在切换变化环境下的协调控制方法 |
CN108255169B (zh) * | 2016-12-29 | 2021-05-21 | 北京航空航天大学 | 车辆及多车辆网络的协调控制方法 |
CN107168369A (zh) * | 2017-06-13 | 2017-09-15 | 中国科学院声学研究所 | 一种欠驱动无人车的编队控制方法及系统 |
CN107168369B (zh) * | 2017-06-13 | 2019-07-09 | 中国科学院声学研究所 | 一种欠驱动无人车的编队控制方法及系统 |
CN110045600A (zh) * | 2018-01-15 | 2019-07-23 | 北京航空航天大学 | 一种欠驱动多移动机器人的编队迭代学习控制方法 |
CN110045601A (zh) * | 2018-01-15 | 2019-07-23 | 北京航空航天大学 | 一种基于迭代学习控制的欠驱动移动机器人跟踪方法 |
CN110045602A (zh) * | 2018-01-15 | 2019-07-23 | 北京航空航天大学 | 一种欠驱动多移动机器人的交会迭代学习控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102707719B (zh) | 2014-03-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102707719A (zh) | 移动机器人及多移动机器人的协调控制方法 | |
CN102830701A (zh) | 多移动机器人系统的协调控制方法 | |
CN103970020A (zh) | 移动机器人系统及其在混合交互环境下的协调控制方法 | |
EP2701262B1 (en) | Power control device, control system, and control method | |
CN114442510A (zh) | 数字孪生闭环控制方法、系统、计算机设备及存储介质 | |
CN102625195A (zh) | 工程机械及其遥控终端和遥控系统 | |
KR20170029505A (ko) | 태양 전지판 세정 시스템의 예측적 유지관리 및 추론 패턴 | |
US9941723B2 (en) | Power management system that changes the operating conditions of a battery charger | |
EP2982096B1 (en) | Method, apparatus and system for matching devices | |
CN109358549A (zh) | 一种挖掘机的智能控制方法及装置 | |
CN103279029A (zh) | 多机器人手臂系统的自适应协调控制方法 | |
CN104331022A (zh) | 一种工业机器人折弯快速编程系统 | |
CN104049590A (zh) | 可扩展的能量管理架构 | |
CN105005814A (zh) | 一种电动汽车在线综合服务系统 | |
CN104991506A (zh) | 基于plc与触摸屏控制的产线设定系统及其设定方法 | |
JP2018088176A (ja) | 情報処理装置、情報処理システム、情報処理方法、および情報処理プログラム | |
CN108255168B (zh) | 多车辆网络在切换变化环境下的协调控制方法 | |
US10948937B2 (en) | Systems and methods for creating load peaks and valleys | |
CN103019193B (zh) | 一种光伏电站多类型转向支架监视控制方法 | |
CN108255169B (zh) | 车辆及多车辆网络的协调控制方法 | |
CN110297492B (zh) | 一种多车辆网络在时变环境下的协调跟踪控制系统及方法 | |
KR20210051947A (ko) | 스마트 팩토리 운용에 최적화된 HMI(Human-Machine Interface)를 이용한 모니터링 시스템 | |
CN204946068U (zh) | 一种电动汽车在线综合服务系统 | |
WO2022067676A1 (zh) | 一种移动负荷的方法、装置和计算机可读存储介质 | |
CN112621752A (zh) | 机器人施工的方法、装置和工控机 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140305 |