CN110162053A - 异构多无人艇编队的自适应行为融合方法 - Google Patents
异构多无人艇编队的自适应行为融合方法 Download PDFInfo
- Publication number
- CN110162053A CN110162053A CN201910451388.XA CN201910451388A CN110162053A CN 110162053 A CN110162053 A CN 110162053A CN 201910451388 A CN201910451388 A CN 201910451388A CN 110162053 A CN110162053 A CN 110162053A
- Authority
- CN
- China
- Prior art keywords
- unmanned boat
- behavior
- unmanned
- columns
- speed
- 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.)
- Pending
Links
- 230000003044 adaptive effect Effects 0.000 title claims abstract description 15
- 238000007500 overflow downdraw method Methods 0.000 title claims abstract description 14
- 230000006399 behavior Effects 0.000 claims abstract description 67
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 230000007613 environmental effect Effects 0.000 claims abstract description 9
- SYSQUGFVNFXIIT-UHFFFAOYSA-N n-[4-(1,3-benzoxazol-2-yl)phenyl]-4-nitrobenzenesulfonamide Chemical class C1=CC([N+](=O)[O-])=CC=C1S(=O)(=O)NC1=CC=C(C=2OC3=CC=CC=C3N=2)C=C1 SYSQUGFVNFXIIT-UHFFFAOYSA-N 0.000 claims abstract description 8
- 230000004888 barrier function Effects 0.000 claims abstract description 7
- 230000002265 prevention Effects 0.000 claims abstract description 6
- 230000008878 coupling Effects 0.000 claims abstract description 5
- 238000010168 coupling process Methods 0.000 claims abstract description 5
- 238000005859 coupling reaction Methods 0.000 claims abstract description 5
- 238000009795 derivation Methods 0.000 claims description 3
- 238000012067 mathematical method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 abstract description 4
- 230000009471 action Effects 0.000 description 10
- 238000005267 amalgamation Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 5
- 230000006872 improvement Effects 0.000 description 2
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229920001228 polyisocyanate Polymers 0.000 description 1
- 239000005056 polyisocyanate Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/028—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using a RF signal
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供的是一种异构多无人艇编队的自适应行为融合方法。确定每一无人艇的最大航行速度；将最小值作为异构体运动规划的一致速度；将运动过程分解成奔向目标点、避障和编队3种运动行为；确定无人艇编队运动过程中3种运动行为的执行顺序；建立每一运动行为的运动模型；根据无人艇环境信息求解行为运动模型；将无人艇进行编号，执行艇在判断避碰的障碍物时选择在避障范围内比自身小的序号进行优先避障；进行运动模型的耦合，得到最终的速度和方向；判断无人艇是否到达终点。本发明引入一致速度的变量，协调异构无人艇间的机动性能，可以同时兼顾效率与性能。同时从理论上为行为的融合进行排序，更加严谨，可控性高，便于参数分析与调试。
Description
技术领域
本发明涉及的是一种无人艇编队运动规划方法，具体地说是一种异构多无人艇的编队运动规划方法。
背景技术
水面无人艇USV(Unmanned Surface Vehicle,USV)，是一种无人操作的水面艇，主要用于执行危险以及不适于有人船只执行的任务。多无人艇系统因其成本低、鲁棒性强、完成任务好的特点使得多无人艇系统受到了越来越多的关注。近年来，多无人艇系统的协调问题已成为一个新兴的研究热点。异构多无人艇编队控制，是指多个具有不同属性(操纵性，机动性，船型等因素)的无人艇在到达目的地的过程中，协调速度，保持某种队形，同时又要适应环境约束(例如存在障碍物、空间约束等)的控制技术。异构多无人艇编队控制问题是一个通用性的多无人艇协调问题，值得深入细致的研究。
为解决多无人艇编队问题，常采用2种思想：集中式编队控制、分布式编队控制。相比于集中式方法，分布式因其可靠性高、开放性强、灵活性强，而成为对无人艇集群编队的研究热点。行为融合为分布式编队控制的一种典型应用。
姚红等人发表的《Null-Space-Based Coordinated Control of SpacecraftFormation》把NSB方法应用于航天器编队的协同控制，以解决整体移动、整体聚散，构形变换以及碰撞规避等问题。
Filippo Arrichiello等人发表的论文《Formation Control of UnderactuatedSurface Vessels using the Null Space Based Behavioral Control》，将零空间行为融合方法用于欠驱动水面无人艇的编队控制，以模拟实现在有障碍和海流环境下的编队航行任务。
上述方法是基于传统行为融合方法进行同构机器人的编队控制，在应用到异构多无人艇编队领域时，由于每个无人艇属性不同(操纵性，机动性)，解算出的期望速度，不适应于所有无人艇，会产生“饱和规划”现象，即，规划出的期望速度，会超出某几个无人艇的最大机动性能，使得某些无人艇无法跟踪规划航迹，最终导致编队失败，无法完成任务。同时在传统行为融合方法时，并未针对行为优先级进行一些理论定义，大多基于经验式进行排序。
发明内容
本发明的目的在于提供一种可以协调异构多无人艇的机动性不同问题，有利于编队队形保持，且具有自适应性，可以同时兼顾效率与性能的异构多无人艇编队的自适应行为融合方法。
本发明的目的是这样实现的：
(1)确定异构多无人艇的运动属性：确定编队中每一无人艇的机动性能，即最大航行速度；
(2)求解异构体运动规划的一致速度：在确定编队中每一无人艇的最大航行速度后，将最小值作为异构体运动规划的一致速度；
(3)将运动过程分解：在无人艇编队运动过程中，可分解成3种运动行为，奔向目标点、避障、编队；
(4)基于矢量分析确定行为优先级的方法：基于零空间映射的本质，运用矢量分析方法，确定3种运动行为的执行顺序；
(5)建立每一行为的运动模型：基于一致速度，已知起始点、终点、障碍物位置、编队期望队形等条件，建立每一行为的运动模型；
(6)根据无人艇环境信息求解行为运动模型：环境信息包括无人艇的实时位置点、终点等；
(7)逻辑优先避障策略选择障碍物：将无人艇进行编号，执行艇在判断避碰的障碍物时会选择在避障范围内比自身小的序号进行优先避障；
(8)行为融合：基于零空间数学方法进行3种运动模型的耦合，继而求出最终的速度和方向；
(9)判断无人艇是否到达终点，若到达则该过程结束，若没有到达则返回步骤(3)。
本发明的异构多无人艇编队的自适应行为融合方法的主要特点体现在：
1.第(1)步中，确定异构多无人艇的运动属性，是指在多异构无人艇组成的队伍中，确定编队中每一无人艇的机动性能，即最大行驶速度。
2.第(2)步中，求解异构体运动规划的一致速度的特征是指，在第(1)步确定编队中每一无人艇的最大行驶速度后，将最小值作为异构体运动规划的一致速度；
3.中第(3)步中，将无人艇运动过程分解，是指无人艇从起始点到终点的运动过程中，其运动规划可以分解为三种意图，奔向目标行为、避障行为、编队行为。
4.第(4)步中，基于矢量分析确定行为优先级的特点在于：基于零空间映射的本质，运用矢量分析方法，确定3种运动行为(避障、奔向目标点、编队)的执行顺序。第(3)步中分解的3种行为，其优先级为避障、奔向目标点、编队。
5.第(5)步中，建立每一分解行为的运动模型的特征在于：δ(x,y)为可控的任务变量，将其对时间t求导，变换可以求得速度模型。由于速度是矢量，所以其方向即为无人艇规划运动方向。
6.第(6)步中，根据无人艇环境信息求解行为运动模型的特征在于：此步的作用在于引入一致速度变量协调多无人艇间的可达速度，以及引入具有物理意义的变量系数(无人艇可达到最大速度、终点坐标、当前定位坐标)来代替传统零空间方法中常量的增益系数，使得此种方法的运动规划具有自适应性。
7.第(7)步中，逻辑优先避障策略选择障碍物的特征在于：此步用于解决艇间避碰问题，将编队内的无人艇进行编号，执行艇在判断避碰的障碍物时会选择在避障范围内比自身小的序号进行优先避障。
8.第(8)步中，行为融合的特征在于：基于第(4)步中确定的行为优先级，基于零空间数学概念进行3种运动模型的耦合，继而求出最终的速度和方向。
本发明在传统行为融合方法基础上，引入一致速度的变量，协调异构无人艇间的机动性能，可以同时兼顾效率与性能。同时结合零空间理论提出一种基于矢量图分析行为优先级方法，从理论上为行为的融合进行排序，更加严谨，可控性高，便于参数分析与调试。
本发明针对异构多无人艇的机动性能(最大可航行速度)不同的问题，通过引入通过引入一致速度的变量，协调异构无人艇间的机动性能，使得规划的速度在编队中每一个无人艇的运动范围内，有利于多异构体编队的形成保持。同时，基于矢量图分析行为优先级方法可以从理论上为行为的融合进行排序，更加严谨，可控性高，便于参数分析与调试。与传统行为融合方法相比，异构多无人艇的自适应行为融合方法在应用时，可以协调异构多无人艇的机动性不同问题，有利于编队队形保持，且具有自适应性，可以同时兼顾效率与性能，技术上具有显著进步。
相比于传统行为融合方法，本发明有益效果在于：
(1)本发明的方法是通过引入通过引入一致速度的变量，协调异构无人艇间的机动性能，使得规划的速度在编队中每一个无人艇的运动范围内，有利于多异构体编队的形成保持，在异构多无人艇编队协同的运动规划上具有显著进步。
(2)本发明的方法是基于零空间映射的本质，运用矢量分析方法，从理论上为行为的融合进行排序，更加严谨，可控性高，便于参数分析与调试。
附图说明
图1是异构多无人艇编队的自适应行为融合方法流程图；
图2为基于矢量分析的行为映射原理图。
具体实施方式
下面举例对本发明做更详细的描述。
结合图1，本发明的异构多无人艇自适应行为融合方法具体实现步骤如下：
(1)确定异构多无人艇的运动属性：确定编队中每一无人艇的机动性能，即最大航行速度。
(2)求解异构体运动规划的一致速度：在确定编队中每一无人艇的最大航行速度后，将最小值作为异构体运动规划的一致速度。
设有n艘无人艇，其能达到的最大速度分别为vm＝[vm1......vmn]T,则一致速度由式(1)可得
vconsis＝min(vm) (1)
(3)将运动过程分解：在多无人艇编队运动过程中，可分解成3种运动行为，奔向目标点、避障、编队。
(4)基于矢量分析确定行为优先级的方法：基于零空间映射的本质，运用矢量分析方法，确定3种运动行为的执行优先顺序。
(5)建立每一行为的运动模型：基于一致速度，已知起始点、终点、障碍物位置、编队期望队形等条件，建立每一行为的运动模型，并求解。
设定无人艇在大地坐标系下的坐标为pi＝[xi yi]T，行驶的线速度目标点pt＝[xt,yt]T，障碍物坐标为pa＝[xa,ya]T，δ为行为控制中的任务函数，其中：
δ＝f(p) (2)
对(2)式两边求导：
J(p)为δ的雅克比矩阵，则无人艇的期望速度为：
(4)中的v是对于单行为的期望速度，若系统需要同时执行多个行为δ1,δ2,δ3...，首先制定每个行为的优先级，用下标表示，可得多个行为的期望速度为v1,v2,v3....，用零空间方法可以求得最终的速度为：
(6)根据无人艇环境信息求解行为运动模型：环境信息包括无人艇实时位置点pi＝(xi,yi)T、终点pt＝(xt,yt)T等，增益系数用于对速度做约束。
奔向目标行为的运动模型为：
其中，变量r>0。对奔向目标点行为增益系数λc进行重新定义后，其规划速度|vc|＜vmax。
避障行为的运动模型为：
其中，Da0、Ja0为Da、Ja在避障初始时求得的值，且Da0＜d。
编队行为的运动模型为：
其中，δf为无人艇当前位置点距离队形中心的实际横、纵坐标偏差，δf，d为无人艇当前位置点距离队形中心的期望横、纵坐标偏差。(xf,yf)是当前时刻无人艇的期望队形位置点，rf＞0是队形阈值。
(7)逻辑优先避障策略选择障碍物：将无人艇进行编号，执行艇在判断避碰的障碍物时会选择在避障范围内比自身小的序号进行优先避障。
(8)行为融合：基于零空间数学概念进行3种运动模型的耦合，继而求出最终的速度和方向。
考虑3种行为的优先级顺序，可以得到最终的速度输出见式(15)。
(9)判断无人艇是否到达终点，若到达则该过程结束，若没有到达则返回步骤(5)。
本领域技术人员按照本发明提供的异构多无人艇编队的自适应零空间行为融合方法，能够实现异构多无人艇编队在各种工况下的运动规划。
Claims (6)
1.一种异构多无人艇编队的自适应行为融合方法，其特征是包括如下步骤：
(1)确定编队中每一无人艇的最大航行速度；
(2)将最大航行速度的最小值作为异构体运动规划的一致速度；
(3)将无人艇编队运动过程分解成奔向目标点、避障和编队3种运动行为；
(4)运用矢量分析方法，确定无人艇编队运动过程中3种运动行为的执行顺序；
(5)基于一致速度、起始点、终点、障碍物位置、编队期望队形，建立每一运动行为的运动模型；
(6)根据无人艇环境信息求解行为运动模型，所述环境信息包括无人艇的实时位置点、终点；
(7)将无人艇进行编号，执行艇在判断避碰的障碍物时选择在避障范围内比自身小的序号进行优先避障；
(8)基于零空间数学方法进行3种运动模型的耦合，得到最终的速度和方向；
(9)判断无人艇是否到达终点，若到达则结束，若没有到达则返回步骤(3)。
2.根据权利要求1所述的异构多无人艇编队的自适应行为融合方法，其特征是所述建立每一运动行为的运动模型具体包括：
无人艇在大地坐标系下的坐标为pi＝[xi yi]T，行驶的线速度目标点pt＝[xt,yt]T，障碍物坐标为pa＝[xa,ya]T，δ为行为控制中的任务函数，则：
δ＝f(p)
两边求导得到：
J(p)为δ的雅克比矩阵，则无人艇的期望速度为：
v是对于单行为的期望速度，若需要同时执行多个行为δ1,δ2,δ3...，则首先制定每个行为的优先级，得多个行为的期望速度为v1,v2,v3....，用零空间方法求得最终的速度为：
3.根据权利要求2所述的异构多无人艇编队的自适应行为融合方法，其特征是：环境信息中的无人艇的实时位置点为pi＝(xi,yi)T、终点为pt＝(xt,yt)T，
奔向目标点行为的运动模型为：
其中，变量r>0，对奔向目标点行为增益系数λc进行重新定义后，其规划速度|vc|＜vmax。
4.根据权利要求2所述的异构多无人艇编队的自适应行为融合方法，其特征是：环境信息中的无人艇的实时位置点为pi＝(xi,yi)T、终点为pt＝(xt,yt)T，
避障行为的运动模型为：
其中，Da0、Ja0为Da、Ja在避障初始时求得的值，且Da0＜d。
5.根据权利要求2所述的异构多无人艇编队的自适应行为融合方法，其特征是：环境信息中的无人艇的实时位置点为pi＝(xi,yi)T、终点为pt＝(xt,yt)T，
编队行为的运动模型为：
其中，δf为无人艇当前位置点距离队形中心的实际横、纵坐标偏差，δf，d为无人艇当前位置点距离队形中心的期望横、纵坐标偏差，(xf,yf)是当前时刻无人艇的期望队形位置点，rf＞0是队形阈值。
6.根据权利要求3-5任何一项所述的异构多无人艇编队的自适应行为融合方法，其特征是得到最终的速度表示为：v＝v1+(I-J1 T(J1J1 T)-1J1)[(v2+(I-J2 T(J2J2 T)-1J2)v3]。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910451388.XA CN110162053A (zh) | 2019-05-28 | 2019-05-28 | 异构多无人艇编队的自适应行为融合方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910451388.XA CN110162053A (zh) | 2019-05-28 | 2019-05-28 | 异构多无人艇编队的自适应行为融合方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110162053A true CN110162053A (zh) | 2019-08-23 |
Family
ID=67629405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910451388.XA Pending CN110162053A (zh) | 2019-05-28 | 2019-05-28 | 异构多无人艇编队的自适应行为融合方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110162053A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110687917A (zh) * | 2019-09-06 | 2020-01-14 | 哈尔滨工程大学 | 多无人艇分布式队形重构编队控制方法 |
| CN111181657A (zh) * | 2020-01-08 | 2020-05-19 | 中国电子科技集团公司电子科学研究院 | 一种海洋分布式自组织网络系统 |
| CN111913481A (zh) * | 2020-06-30 | 2020-11-10 | 北京航天控制仪器研究所 | 一种可变领航员模式的多无人艇协同编队方法 |
| CN115248599A (zh) * | 2022-09-22 | 2022-10-28 | 三亚哈尔滨工程大学南海创新发展基地 | 一种变优先级的多机器人零空间行为融合编队方法 |
| CN116859736A (zh) * | 2023-07-07 | 2023-10-10 | 哈尔滨工程大学 | 面向无人艇编队护航任务的编队重构控制方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549369A (zh) * | 2018-03-12 | 2018-09-18 | 上海大学 | 一种复杂海况下多无人艇协同编队的系统及方法 |
| CN108829113A (zh) * | 2018-09-01 | 2018-11-16 | 哈尔滨工程大学 | 一种多机器人编队自适应零空间行为融合方法 |
| CN109116849A (zh) * | 2018-09-01 | 2019-01-01 | 哈尔滨工程大学 | 一种考虑无人艇运动性能的零空间行为融合在线优化方法 |
-
2019
- 2019-05-28 CN CN201910451388.XA patent/CN110162053A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108549369A (zh) * | 2018-03-12 | 2018-09-18 | 上海大学 | 一种复杂海况下多无人艇协同编队的系统及方法 |
| CN108829113A (zh) * | 2018-09-01 | 2018-11-16 | 哈尔滨工程大学 | 一种多机器人编队自适应零空间行为融合方法 |
| CN109116849A (zh) * | 2018-09-01 | 2019-01-01 | 哈尔滨工程大学 | 一种考虑无人艇运动性能的零空间行为融合在线优化方法 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110687917A (zh) * | 2019-09-06 | 2020-01-14 | 哈尔滨工程大学 | 多无人艇分布式队形重构编队控制方法 |
| CN111181657A (zh) * | 2020-01-08 | 2020-05-19 | 中国电子科技集团公司电子科学研究院 | 一种海洋分布式自组织网络系统 |
| CN111913481A (zh) * | 2020-06-30 | 2020-11-10 | 北京航天控制仪器研究所 | 一种可变领航员模式的多无人艇协同编队方法 |
| CN111913481B (zh) * | 2020-06-30 | 2023-06-06 | 航天时代(青岛)海洋装备科技发展有限公司 | 一种可变领航员模式的多无人艇协同编队方法 |
| CN115248599A (zh) * | 2022-09-22 | 2022-10-28 | 三亚哈尔滨工程大学南海创新发展基地 | 一种变优先级的多机器人零空间行为融合编队方法 |
| CN116859736A (zh) * | 2023-07-07 | 2023-10-10 | 哈尔滨工程大学 | 面向无人艇编队护航任务的编队重构控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110162053A (zh) | 异构多无人艇编队的自适应行为融合方法 | |
| CN108829113B (zh) | 一种多机器人编队自适应零空间行为融合方法 | |
| CN110231821B (zh) | 多机器人编队的改进自适应零空间行为融合方法 | |
| CN111273664B (zh) | 一种空间桁架结构在轨装配的多机器人路径协同规划方法 | |
| CN112558612B (zh) | 一种基于云模型量子遗传算法的异构智能体编队控制方法 | |
| CN113093804B (zh) | 基于反演滑模控制的无人艇编队控制方法和控制系统 | |
| CN108958285A (zh) | 一种基于分解思想的高效多无人机协同航迹规划方法 | |
| CN110687917A (zh) | 多无人艇分布式队形重构编队控制方法 | |
| CN109799818B (zh) | 多参数化路径导引的无人船协同操纵控制器的设计方法 | |
| CN112304314B (zh) | 一种分布式多机器人的导航方法 | |
| CN113341956B (zh) | 基于改进人工势场法的多智能体主从式编队控制方法 | |
| CN109116849A (zh) | 一种考虑无人艇运动性能的零空间行为融合在线优化方法 | |
| Fan et al. | Formation control of multiple unmanned surface vehicles using the adaptive null-space-based behavioral method | |
| CN113296507A (zh) | 一种基于时空解耦的多动力定位船舶协同编队控制方法 | |
| CN115639830B (zh) | 一种空地智能体协同编队控制系统及其编队控制方法 | |
| CN108724188A (zh) | 一种多机器人协同运动控制方法 | |
| CN114779647A (zh) | 无人艇集群的围堵控制方法 | |
| BAYGIN et al. | PSO based path planning approach for multi service robots in dynamic environments | |
| CN107807534B (zh) | 一种多轮式机器人自适应协同控制算法及控制系统 | |
| CN113821028B (zh) | 基于分布式模型预测控制的欠驱动auv编队轨迹跟踪控制方法 | |
| CN114943168A (zh) | 一种水上浮桥组合方法及系统 | |
| Liu et al. | Coordinated motion planning of multiple mobile robots in formation | |
| CN116859960B (zh) | 一种多uuv队形切换与编队避障的自适应方法 | |
| Liu et al. | An Overview of Behavioral Cooperative Control of Multiple Unmanned Surface Vehicles | |
| Fu et al. | A coordinated dynamic positioning control algorithm based on active disturbance rejection control |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190823 |
|
| RJ01 | Rejection of invention patent application after publication |