CN104679002B - 受噪声污染的移动机器人系统及其协调控制方法 - Google Patents
受噪声污染的移动机器人系统及其协调控制方法 Download PDFInfo
- Publication number
- CN104679002B CN104679002B CN201510043555.9A CN201510043555A CN104679002B CN 104679002 B CN104679002 B CN 104679002B CN 201510043555 A CN201510043555 A CN 201510043555A CN 104679002 B CN104679002 B CN 104679002B
- Authority
- CN
- China
- Prior art keywords
- robot
- mobile robot
- mobile
- individual mobile
- 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.)
- Active
Links
Landscapes
- 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系统及其在噪声污染混合交互环境下的协调控制方法。方法包括:获取每个个体移动机器人的位置以及每个个体移动机器人的邻居机器人的位置,并确定移动机器人系统的抗干扰性能参数;根据受污染的移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵;根据移动机器人系统的抗干扰性能参数、加权邻接矩阵确定每个个体移动机器人的控制参数;根据每个个体移动机器人的位置、每个个体移动机器人的邻居机器人的位置、每个个体移动机器人的控制参数以及移动机器人系统的加权邻接矩阵来控制每个个体移动机器人。本发明能够保证移动机器人在噪声污染混合交互环境下达到双向一致性,且控制精确,抗干扰能力强。
Description
技术领域
本发明涉及机器人控制技术领域,特别涉及一种受噪声污染的移动机器人系统及其在混合交互环境下的协调控制方法。
背景技术
目前,由多个移动机器人组成的移动机器人系统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,往往单个移动机器人难以完成,而通过多个移动机器人之间的合作或竞争可以来完成。此外,通过多个移动机器人间的合作或竞争,可提高移动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移动机器人系统局部发生故障时,移动机器人系统仍可通过本身具有的合作或竞争关系来完成预定的任务。在现实任务中,对移动机器人系统环境的影响因素比较多,其所处环境多为混合交互的,即在任务执行中个体移动机器人之间可以是互相合作的,也可以是互相竞争的。然而,现有的技术是在混合交互不存在噪声干扰环境下实现的多个移动机器人的协调控制任务,但是在应用的过程中,由于外部条件的多变性,多移动机器人系统不可避免的遭受外部噪声干扰的影响。因此,需要一种既能够兼顾外部噪声污染的影响,又能够在混合交互的环境下协调控制多个移动机器人的方法。
发明内容
本发明的目的旨在至少解决上述技术问题之一。
为此,本发明提出一种能够在混合交互且存在噪声污染的情况下实现移动机器人系统的位置双向一致性的方法。
为达到上述目的,本发明一方面提出一种受噪声污染的移动机器人系统在混合交互环境下的协调控制方法,移动机器人系统包括多个个体移动机器人,方法包括以下步骤:获取每个个体移动机器人的位置以及每个个体移动机器人的邻居机器人的位置,并确定移动机器人系统的抗干扰性能参数;根据受噪声污染的移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵;根据移动机器人系统的抗干扰性能参数、移动机器人系统的加权邻接矩阵确定每个个体移动机器人的控制参数;根据每个个体移动机器人的位置、每个个体移动机器人的邻居机器人的位置、每个个体移动机器人的控制参数以及移动机器人系统的加权邻接矩阵控制每个个体移动机器人。
在本发明的一个实施例中,所述根据受噪声污染的移动机器人系统的混合交互环境确定所述移动机器人系统的加权邻接矩阵包括:如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;如果第i个个体移动机器人未获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0。
在本发明的一个实施例中,根据如下的矩阵不等式来确定控制参数k:
其中,I为n-1阶单位矩阵,n表示移动机器人系统中个体移动机器人的个数;B=[0n-1,E1,E2,…,En-1]T n×(n-1),0n-1表示由n-1个零组成的列向量,Ei,(i=1,2,…,n-1)表示n-1阶单位矩阵I的第i行;D为对角矩阵,其对角元素为1或者-1;L为移动机器人系统的拉普拉斯矩阵,且其中A为加权邻接矩阵,N(i),i=1,2,…,n表示机器人i的邻居机器人集合;F=[1n-1,-E1,-E2,…,-En-1](n-1)×n,1n-1表示由n-1个1组成的列向量;P为正定对称矩阵;γ>0为移动机器人系统的抗干扰性能参数。
在本发明的一个实施例中,根据每个所述个体移动机器人的位置、每个个体移动机器人的控制参数、每个个体移动机器人的邻居机器人的位置以及所述移动机器人系统的加权邻接矩阵,通过以下的公式确定每个个体移动机器人的控制量:
其中,k表示控制参数,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多移动机器人的加权邻接矩阵第i行且第j列的元素,N(i)为所述移动机器人i的邻居机器人集合,sgn(aij)表示aij的符号。
在本发明的一个实施例中,根据所述控制量通过以下的公式确定每个所述个体移动机器人的位置:
其中,xi(t)为所述个体移动机器人i的位置,xi(0)为所述个体移动机器人i的在初始时刻t=0位置,ui(t)为所述个体移动机器人i的控制量,wi(t)表示第i个机器人受到的污染噪声。
根据本发明实施例的受噪声污染的移动机器人系统在混合交互环境下的协调控制方法,通过分析多移动机器人系统的抗干扰性能来获得控制参数并据此设计控制协议,保证多个移动机器人能够到达位置的双向一致性,且控制准确度高,抗干扰能力强。
本发明另一个方面提出一种包括多个个体移动机器人的移动机器人系统,该个体移动机器人包括:第一获取模块,用于获取所述个体移动机器人的位置以及所述个体移动机器人的邻居机器人的位置;第二获取模块,用于获取所述移动机器人系统的加权邻接矩阵;第三获取模块,用于获取所述移动机器人系统的抗干扰性能参数;确定模块,用于根据所述移动机器人系统的抗干扰性能参数、所述移动机器人系统的加权邻接矩阵确定所述个体移动机器人的控制参数;控制模块,用于根据所述个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、所述控制参数及所述移动机器人系统的加权邻接矩阵确定所述个体移动机器人的控制量,并根据所述控制量控制所述个体移动机器人。
在本发明的一个实施例中,如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;如果第i个个体移动机器人未获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0。
在本发明的一个实施例中,所述确定模块通过以下的公式确定所述个体移动机器人的控制参数k:
其中,I为n-1阶单位矩阵,n表示移动机器人系统中个体移动机器人的个数;B=[0n-1,E1,E2,…,En-1]T n×(n-1),0n-1表示由n-1个零组成的列向量,Ei,(i=1,2,…,n-1)表示n-1阶单位矩阵I的第i行;D为对角矩阵,其对角元素为1或者-1;L为移动机器人系统的拉普拉斯矩阵,且其中A为加权邻接矩阵,N(i),i=1,2,…,n表示机器人i的邻居机器人集合;F=[1n-1,-E1,-E2,…,-En-1](n-1)×n,1n-1表示由n-1个1组成的列向量;P为正定对称矩阵;γ>0为移动机器人系统的抗干扰性能参数。
在本发明的一个实施例中,所述控制模块通过以下的公式确定所述个体移动机器人的控制量:
其中,k表示控制参数,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多移动机器人的加权邻接矩阵第i行且第j列的元素,N(i)为所述移动机器人i的邻居机器人集合,sgn(aij)表示aij的符号。
在本发明的一个实施例中,所述控制模块根据所述控制量通过以下的公式确定所述个体移动机器人的位置:
其中,xi(t)为所述个体移动机器人i的位置,xi(0)为所述个体移动机器人i的在初始时刻t=0位置,ui(t)为所述个体移动机器人i的控制量,wi(t)表示第i个机器人受到的污染噪声。
根据本发明实施例的移动机器人系统,通过对噪声污染的控制,保证多个移动机器人能够到达位置的双向一致性,且控制准确度高,抗干扰能力强。
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受噪声污染的移动机器人系统在混合交互环境下的协调控制方法的流程图;
图2为本发明一个实施例的移动机器人系统的示意图;
图3为本发明一个实施例的个体移动机器人的结构示意图;以及
图4为图2的移动机器人系统的仿真示意图。
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,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。无向连接表示的任何两个有连接的机器人之间可以进行信息的交换。
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受噪声污染的移动机器人系统在混合交互环境下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,获取每个个体移动机器人的位置以及每个个体移动机器人的邻居机器人的位置,并确定移动机器人系统的抗干扰性能参数。
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移动机器人系统的示意图,如图2所示,个体移动机器人1和3为个体移动机器人2的邻居,而个体移动机器人1、2和3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(或传感器)装置获取自身及其邻居机器人的当前时刻的位置。
在个体移动机器人获取其邻居机器人位置的过程中,需要其对邻居机器人进行摄像、图像数据处理、数据传输等一系列操作。在对系统进行实际的控制中,不可避免存在自然因素和人为因素的干扰,自然因素例如:温度、湿度等等,人为因素例如:机器人本身的重量和受到的摩擦等等。因此,在对个体移动机器人进行控制的过程中必然会存在一些外部干扰并且这些外部干扰不可能避免,这个外部干扰就是个体移动机器人受到的噪声污染。
在实际中,噪声干扰对移动机器人系统的影响越小,个体移动机器人间协调运行的效果就会越好。因此,实际中通过将移动机器人系统的抗干扰性能参数γ>0确定为1或者小于1的值,就能够使得移动机器人系统随着时间的变化而受到噪声干扰的影响越来越小。
步骤S102,根据受噪声污染的移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵。
在本发明的一个实施例中,如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;如果第i个个体移动机器人不能够获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0。
步骤S103,根据移动机器人系统的抗干扰性能参数、加权邻接矩阵确定每个个体移动机器人的控制参数。
具体地,根据如下的矩阵不等式来确定控制参数k:
其中,I为n-1阶单位矩阵,n表示移动机器人系统中个体移动机器人的个数;B=[0n-1,E1,E2,…,En-1]T n×(n-1),0n-1表示由n-1个零组成的列向量,Ei,(i=1,2,…,n-1)表示n-1阶单位矩阵I的第i行;D为对角矩阵,其对角元素为1或者-1;L为移动机器人系统的拉普拉斯矩阵,且其中A为加权邻接矩阵,N(i),i=1,2,…,n表示机器人i的邻居机器人集合;F=[1n-1,-E1,-E2,…,-En-1](n-1)×n,1n-1表示由n-1个1组成的列向量;P为正定对称矩阵;γ>0为移动机器人系统的抗干扰性能参数。
步骤S104,根据每个个体移动机器人的位置、每个个体移动机器人的邻居机器人的位置、每个个体移动机器人的控制参数以及移动机器人系统的加权邻接矩阵控制每个个体移动机器人
在本发明的一个实施例中,根据以下的公式确定每个个体移动机器人的控制量:
其中,k为控制参数,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述多移动机器人的加权邻接矩阵第i行且第j列的元素,N(i)为所述移动机器人i的邻居机器人集合,sgn(aij)表示aij的符号。
在本发明的一个实施例中,根据控制量通过以下的公式确定每个个体移动机器人的位置:
其中,xi(t)为所述个体移动机器人i的位置,xi(0)为所述个体移动机器人i的在初始时刻t=0位置,ui(t)为所述个体移动机器人i的控制量,wi(t)表示第i个机器人受到的污染噪声。
图3为本发明一个实施例的个体移动机器人的结构示意图。如图3所示,根据本发明实施例的个体移动机器人包括第一获取模块100、第二获取模块200、第三获取模块300、确定模块400和控制模块500。
第一获取模块100用于获取个体移动机器人的位置以及个体移动机器人的邻居机器人的位置。第二获取模块200用于获取个体移动机器人所在的移动机器人系统的加权邻接矩阵。第三获取模块300用于获取移动机器人系统的抗干扰性能参数。确定模块400用于根据移动机器人系统的抗干扰性能参数、加权邻接矩阵确定个体移动机器人的控制参数。控制模块500用于根据个体移动机器人的位置、个体移动机器人的邻居机器人的位置、个体移动机器人的控制参数以及移动机器人系统的加权邻接矩阵确定个体移动机器人的控制量,并根据确定的控制量控制个体移动机器人。
各个模块的具体操作方法可参见上述结合图1的描述,此处为了简单起见,不再赘述。
下面结合图2和图4详细说明本发明。如图2所示,个体移动机器人4和6为个体移动机器人5的邻居,而个体移动机器人1、2和3不是个体移动机器人5的邻居。此外,由图2可以看出个体移动机器人1、2和3之间的邻接权重均为1,个体移动机器人4、5和6之间的邻接权重均为1,但个体移动机器人1和6以及个体移动机器人3和4之间的邻接权重为-1。因此,个体移动机器人4、5和6为一组(记为机器人组1),而个体移动机器人1、2和3为一组(记为机器人组2)。
此外,对角元素为1或者-1的对角阵D的具体元素也可确定。同一组机器人对应D的对角线上的元素取为相同,如为1(或者-1),而另一组机器人对应D的对角线上的元素也取为相同但与其他组机器人对应的取值相反,如为-1(或者1)。如图2所示以及由上所述可知,个体移动机器人4、5和6为一组,而个体移动机器人1、2和3为另一组。鉴于此,D的对角元素依次选取为-1,-1,-1,1,1,1(或者1,1,1,-1,-1,-1)。
图4为图2的移动机器人系统在噪声污染混合交互环境下的仿真示意图。由图4可以看出,个体移动机器人4、5和6(机器人组1)的位置达到了一致,个体移动机器人1、2和3(机器人组2)的位置达到了一致,但是两组个体移动机器人达到一致时的位置相反。同时,从图4可以看出,在机器人系统运行开始阶段,各机器人受到噪声污染影响,运动位置轨迹曲线出现了波动,但是随着时间的增长,这种波动逐渐消失了。这说明了所述受噪声污染的移动机器人系统在混合交互环境下的协调控制方法对噪声污染起到了很好的抑制作用,使得移动机器人系统能够达到很好的协调效果。
综上,根据本发明实施例的受噪声污染的移动机器人系统在混合交互环境下的协调控制方法,通过分析多移动机器人系统的抗干扰性能来获得控制参数并据此设计控制协议,保证多个移动机器人能够到达位置的双向一致性,且控制准确度高,抗干扰能力强。
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 (5)
1.一种受噪声污染的移动机器人系统在混合交互环境下的协调控制方法,其特征在于,所述移动机器人系统包括多个个体移动机器人,所述方法包括以下步骤:
A:获取每个个体移动机器人的位置以及每个个体移动机器人的邻居机器人的位置,并确定移动机器人系统的抗干扰性能参数;
B:根据受噪声污染的移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵;
C:根据移动机器人系统的抗干扰性能参数、移动机器人系统的加权邻接矩阵确定每个个体移动机器人的控制参数;以及
D:根据每个个体移动机器人的位置、每个个体移动机器人的邻居机器人的位置、每个个体移动机器人的控制参数以及移动机器人系统的加权邻接矩阵控制每个个体移动机器人,
其中,根据受噪声污染的移动机器人系统的混合交互环境确定移动机器人系统的加权邻接矩阵A=[aij]包括:
如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;
如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;
如果第i个个体移动机器人未获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0,
其中,所述步骤C包括:
根据如下的矩阵不等式来确定控制参数k:
其中,I为n-1阶单位矩阵,n表示移动机器人系统中个体移动机器人的个数;B=[0n-1,E1,E2,…,En-1]T n×(n-1),0n-1表示由n-1个零组成的列向量,Ei,(i=1,2,…,n-1)表示n-1阶单位矩阵I的第i行;D为对角矩阵,其对角元素为1或者-1;L为移动机器人系统的拉普拉斯矩阵,且其中A为加权邻接矩阵,α1j为加权邻接矩阵A的第1行第j列的元素,α2j为加权邻接矩阵A的第2行第j列的元素,anj为加权邻接矩阵A的第n行第j列的元素,N(i),i=1,2,…,n表示机器人i的邻居机器人集合;F=[1n-1,-E1,-E2,…,-En-1](n-1)×n,1n-1表示由n-1个1组成的列向量;P为正定对称矩阵;γ>0为移动机器人系统的抗干扰性能参数。
2.根据权利要求1所述的方法,其特征在于,所述步骤D包括:
D1:根据每个所述个体移动机器人的位置、每个所述个体移动机器人的邻居机器人的位置、每个个体移动机器人的控制参数以及所述移动机器人系统的加权邻接矩阵,通过以下的公式确定每个个体移动机器人的控制量:
其中,k表示控制参数,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述移动机器人系统的加权邻接矩阵的第i行且第j列的元素,N(i)为所述移动机器人i的邻居机器人集合,sgn(aij)表示aij的符号;
D2:根据所述控制量通过以下的公式确定每个所述个体移动机器人的位置:
其中,xi(t)为所述个体移动机器人i的位置,xi(0)为所述个体移动机器人i的在初始时刻t=0位置,ui(t)为所述个体移动机器人i的控制量,wi(t)表示第i个机器人受到的污染噪声。
3.一种移动机器人系统,其特征在于,所述移动机器人系统包括多个个体移动机器人,每个所述个体移动机器人包括:
第一获取模块,用于获取所述个体移动机器人的位置以及所述个体移动机器人的邻居机器人的位置;
第二获取模块,用于获取所述移动机器人系统的加权邻接矩阵;
第三获取模块,用于获取所述移动机器人系统的抗干扰性能参数;
确定模块,用于根据所述移动机器人系统的抗干扰性能参数、所述移动机器人系统的加权邻接矩阵确定所述个体移动机器人的控制参数;
控制模块,用于根据所述个体移动机器人的位置、所述个体移动机器人的邻居机器人的位置、所述控制参数及所述移动机器人系统的加权邻接矩阵确定所述个体移动机器人的控制量,并根据所述控制量控制所述个体移动机器人,
其中,
如果第j个个体移动机器人和第i个个体移动机器人沿同一方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为1;
如果第j个个体移动机器人和第i个个体移动机器人沿相反的方向运行并且第i个个体移动机器人获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为-1;
如果第i个个体移动机器人未获得第j个个体移动机器人的位置信息,那么加权邻接矩阵的元素aij为0,
其中,所述确定模块通过以下的公式确定所述个体移动机器人的控制参数k:
其中,I为n-1阶单位矩阵,n表示移动机器人系统中个体移动机器人的个数;B=[0n-1,E1,E2,…,En-1]T n×(n-1),0n-1表示由n-1个零组成的列向量,Ei,(i=1,2,…,n-1)表示n-1阶单位矩阵I的第i行;D为对角矩阵,其对角元素为1或者-1;L为移动机器人系统的拉普拉斯矩阵,且其中A为加权邻接矩阵,a1j为加权邻接矩阵A的第1行第j列的元素,a2j为加权邻接矩阵A的第2行第j列的元素,anj为加权邻接矩阵A的第n行第j列的元素,N(i),i=1,2,…,n表示机器人i的邻居机器人集合;F=[1n-1,-E1,-E2,…,-En-1](n-1)×n,1n-1表示由n-1个1组成的列向量;P为正定对称矩阵;γ>0为移动机器人系统的抗干扰性能参数。
4.根据权利要求3所述的移动机器人系统,其特征在于,所述控制模块通过以下的公式确定所述个体移动机器人的控制量:
其中,k表示控制参数,xi(t)为个体移动机器人i的位置,xj(t)为个体移动机器人i的邻居机器人j的位置,ui(t)为个体移动机器人i的控制量,aij表示所述移动机器人系统的加权邻接矩阵的第i行且第j列的元素,N(i)为所述移动机器人i的邻居机器人集合,sgn(aij)表示aij的符号。
5.根据权利要求3所述的移动机器人系统,其特征在于,所述控制模块根据所述控制量通过以下的公式确定所述个体移动机器人的位置:
其中,xi(t)为所述个体移动机器人i的位置,xi(0)为所述个体移动机器人i的在初始时刻t=0位置,ui(t)为所述个体移动机器人i的控制量,wi(t)表示第i个机器人受到的污染噪声。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510043555.9A CN104679002B (zh) | 2015-01-28 | 2015-01-28 | 受噪声污染的移动机器人系统及其协调控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510043555.9A CN104679002B (zh) | 2015-01-28 | 2015-01-28 | 受噪声污染的移动机器人系统及其协调控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104679002A CN104679002A (zh) | 2015-06-03 |
CN104679002B true CN104679002B (zh) | 2017-06-06 |
Family
ID=53314230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510043555.9A Active CN104679002B (zh) | 2015-01-28 | 2015-01-28 | 受噪声污染的移动机器人系统及其协调控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104679002B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
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 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0981217A (ja) * | 1995-09-12 | 1997-03-28 | Nippon Telegr & Teleph Corp <Ntt> | 画像による可動物体の運動の制御方法 |
CN101201626A (zh) * | 2007-12-10 | 2008-06-18 | 华中科技大学 | 机器人自主定位系统 |
CN101920762A (zh) * | 2009-06-09 | 2010-12-22 | 同济大学 | 一种基于噪声矩阵实时修正的船舶动力定位方法 |
CN102707719A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 移动机器人及多移动机器人的协调控制方法 |
CN102830701A (zh) * | 2012-08-30 | 2012-12-19 | 北京航空航天大学 | 多移动机器人系统的协调控制方法 |
CN103926933A (zh) * | 2014-03-29 | 2014-07-16 | 北京航空航天大学 | 一种无人飞行器室内同时定位与环境建模方法 |
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 |
CN104199464A (zh) * | 2014-08-19 | 2014-12-10 | 哈尔滨工程大学 | 一种基于环境估计的实时环境最优艏向船舶动力定位控制方法 |
-
2015
- 2015-01-28 CN CN201510043555.9A patent/CN104679002B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0981217A (ja) * | 1995-09-12 | 1997-03-28 | Nippon Telegr & Teleph Corp <Ntt> | 画像による可動物体の運動の制御方法 |
CN101201626A (zh) * | 2007-12-10 | 2008-06-18 | 华中科技大学 | 机器人自主定位系统 |
CN101920762A (zh) * | 2009-06-09 | 2010-12-22 | 同济大学 | 一种基于噪声矩阵实时修正的船舶动力定位方法 |
CN102707719A (zh) * | 2012-05-16 | 2012-10-03 | 北京航空航天大学 | 移动机器人及多移动机器人的协调控制方法 |
CN102830701A (zh) * | 2012-08-30 | 2012-12-19 | 北京航空航天大学 | 多移动机器人系统的协调控制方法 |
CN103926933A (zh) * | 2014-03-29 | 2014-07-16 | 北京航空航天大学 | 一种无人飞行器室内同时定位与环境建模方法 |
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 |
CN104199464A (zh) * | 2014-08-19 | 2014-12-10 | 哈尔滨工程大学 | 一种基于环境估计的实时环境最优艏向船舶动力定位控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104679002A (zh) | 2015-06-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103970020B (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 | |
CN109765820B (zh) | 一种用于自动驾驶控制策略的训练系统 | |
CN107292392B (zh) | 基于深度带权双q学习的大范围监控方法及监控机器人 | |
CN108115681A (zh) | 机器人的模仿学习方法、装置、机器人及存储介质 | |
CN103383569B (zh) | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 | |
CN106874914A (zh) | 一种基于深度卷积神经网络的工业机械臂视觉控制方法 | |
CN110000785A (zh) | 农业场景无标定机器人运动视觉协同伺服控制方法与设备 | |
CN110000795A (zh) | 一种视觉伺服控制的方法、系统及设备 | |
CN110427006A (zh) | 一种用于流程工业的多智能体协同控制系统及方法 | |
CN104679002B (zh) | 受噪声污染的移动机器人系统及其协调控制方法 | |
CN107193210B (zh) | 一种非线性系统的自适应学习预设性能控制方法 | |
CN105068421A (zh) | 多移动机器人的二自由度协同控制方法 | |
CN111618862A (zh) | 一种先验知识引导下的机器人操作技能学习系统及方法 | |
CN110045600A (zh) | 一种欠驱动多移动机器人的编队迭代学习控制方法 | |
CN112949452A (zh) | 一种基于多任务共享网络的机器人弱光环境抓取检测方法 | |
CN110321818A (zh) | 一种复杂场景中的行人检测方法 | |
CN110263905A (zh) | 基于萤火虫优化粒子滤波的机器人定位与建图方法及装置 | |
CN113534678A (zh) | 一种操作问答任务的仿真到物理系统的迁移方法 | |
CN115993845B (zh) | 一种集群智能系统协同运动规划与编队控制方法 | |
CN116205272A (zh) | 基于好奇心机制和优先经验回放机制的自适应控制方法 | |
CN107807534A (zh) | 一种多轮式机器人自适应协同控制算法及控制系统 | |
Barati et al. | Attention-based deep reinforcement learning for multi-view environments | |
CN109063739A (zh) | 一种基于svm与强化学习的室内场景识别方法 | |
CN110751869B (zh) | 一种基于对抗鉴别式迁移法的拟态环境与战场态势策略转移技术 | |
Wu et al. | Planning efficient and robust behaviors for model-based power tower inspection |
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 |