CN112327840B - 用于多机器人系统的追踪控制方法、装置、设备及介质 - Google Patents
用于多机器人系统的追踪控制方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN112327840B CN112327840B CN202011177473.0A CN202011177473A CN112327840B CN 112327840 B CN112327840 B CN 112327840B CN 202011177473 A CN202011177473 A CN 202011177473A CN 112327840 B CN112327840 B CN 112327840B
- Authority
- CN
- China
- Prior art keywords
- robot
- robots
- matrix
- detection
- control input
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 claims abstract description 52
- 238000004891 communication Methods 0.000 claims abstract description 24
- 239000013598 vector Substances 0.000 claims abstract description 22
- 239000011159 matrix material Substances 0.000 claims description 46
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 230000015572 biosynthetic process Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000004806 packaging method and process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 108010001267 Protein Subunits Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Images
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
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
- G05D1/0291—Fleet control
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1679—Programme controls characterised by the tasks executed
- B25J9/1682—Dual arm manipulator; Coordination of several manipulators
-
- 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
- G05D1/12—Target-seeking control
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)
- Robotics (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
本公开提供一种用于多机器人系统的追踪控制方法,包括:建立多机器人系统中各机器人之间的通信拓扑图;在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型,其中,追踪目标为运动的追踪目标;在有外部攻击的情况下,根据检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型;针对于每一机器人,基于通信拓扑图确定与该机器人通信的其它机器人,根据攻击模型、该机器人的运动信息及其它机器人的运动信息设置该机器人的控制输入信号;根据控制输入信号控制所述机器人对目标进行追踪。本公开还提供一种用于多机器人系统的追踪控制装置、一种电子设备及一种可读存储介质。
Description
技术领域
本公开涉及多机器人控制领域,尤其涉及一种用于多机器人系统的追踪控制方法、装置、设备及介质。
背景技术
多移动机器人系统是指由多个互相之间可以通信的可移动机器人构成的系统。这些机器人通过信息交互和信息融合来合作完成某一指定的任务。与单个机器人相比,多机器人系统能够完成其无法完成的任务,并且具有灵活,高效,覆盖范围广,抗干扰能力强等优势。
多机器人编队控制问题是多机器人协同控制研究领域一个具有代表性的问题。它是指多机器人在群体运动中能够克服环境障碍执行作业任务并保持着期望的几何队形,同时编队群体能够沿着一定轨迹或者路径运动。该问题在工业、军事、航天、娱乐等领域有着广泛的应用。在多机器人系统的编队控制问题中,追踪控制问题时一个非常重要的基本问题。要实现整个系统的追踪控制,机器人之间的信息交流起着至关重要的作用,只用通过这种信息的交互,机器人个体才能直接或者间接的获得要追踪的目标的完整位置信息,从而完成追踪任务。因此获得正确的目标信息是实现追踪控制的关键。而在实际的场景中,物理环境带来了各种各样的不可抗因素以及一些敌对者制造的恶意攻击会使系统中的个体获得的目标信息产生偏差甚至完全偏离正确信息,从而破坏追踪过程的正常运行。因此,对于追踪算法的研究应该将这些内容考虑进来,尽可能的使得所设计的追踪控制器能够抑制外部不良因素以及恶意攻击的影响,具有更好的适应性。
目前已经有一些弹性追踪控制方法,但它们针对的多是固定目标,也就是使多机器人系统的个体都能够达到某一固定位置。相对来说,对于运动目标的追踪是更加一般化的且更具有实际应用意义的问题,同时也具有更大的挑战性。
发明内容
(一)要解决的技术问题
针对于现有的技术问题,本公开提出一种用于多机器人系统的追踪控制方法、装置、设备及介质,用于至少部分解决上述技术问题之一。
(二)技术方案
本公开第一方面提供一种用于多机器人系统的追踪控制方法,包括:建立多机器人系统中各机器人之间的通信拓扑图;在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型,其中,追踪目标为运动的追踪目标;在有外部攻击的情况下,根据检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型;针对于每一机器人,基于通信拓扑图确定与该机器人通信的其它机器人,根据攻击模型、该机器人的运动信息及其它机器人的运动信息设置该机器人的控制输入信号;根据控制输入信号控制机器人对目标进行追踪。
可选地,将检测模型构建为:
yn(t)=Hnθt+wn(t)
其中,yn(t)为机器人获得的检测信息,Hn为检测矩阵,θt为追踪目标的位置向量,wn(t)为检测噪声,t为时刻,n表示机器人的编号。
可选地,攻击模型构建为:
yn(t)=Hnθt+an(t)+wn(t)
其中,yn(t)为机器人获得的检测信息,Hn为检测矩阵,θt为追踪目标的位置向量,wn(t)为检测噪声,an(t)为外部攻击的干扰信号,t为时刻,n表示机器人的编号。
可选地,将控制输入信号设置为:
其中,un(t)为控制输入信号,Ωn(t)为能够与当前机器人通信的其它机器人的集合,l表示集合中机器人的编号,αt与βt为随时间变化的参数,yn(t)为机器人获得的检测信号,xn(t)为当前机器人的运动信息,xl(t)为集合中的机器人的运动信息,anl为两机器人之间的通信权重,t为时刻,n表示机器人的编号,Hn为检测矩阵,为Hn的转置矩阵,Γn(t)为自适应增益。
可选地,根据控制输入信号控制机器人对目标进行追踪包括:建立机器人的动力学模型;基于动力学模型,根据控制输入信号控制机器人对目标进行追踪。
可选地,将机器人的动力学模型构建为:
xn(t+1)=Fxn(t)+Ktun(t)
其中,un(t)为控制输入信号,xn(t+1)为t+1时刻编号为n的机器人的运动信息,xn(t)为t时刻编号为n的机器人的运动信息,F为系统矩阵,Kt为调节器增益矩阵。
本公开第二方面提供用于多机器人系统的追踪控制装置,包括:建立模块,用于建立多机器人系统中各机器人之间的通信拓扑图;第一构建模块,用于在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型;第二构建模块,用于在有外部攻击的情况下,根据检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型;设置模块,用于针对于每一机器人,基于通信拓扑图确定与该机器人通信的其它机器人,根据攻击模型、该机器人的运动信息及其它机器人的运动信息设置该机器人的控制输入信号;控制模块,用于根据控制输入信号控制机器人对目标进行追踪。
本公开第三方面提供一种电子设备,包括:一个或多个处理器;存储器,用于存储一个或多个程序,其中,当一个或多个程序被一个或多个处理器执行时,使得一个或多个处理器实现上述方法。
本公开第四方面提供一种计算机可读存储介质,存储有计算机可执行指令,指令在被执行时用于实现上述方法。
(三)有益效果
本公开提出的一种用于多机器人系统的追踪控制方法、装置、设备及介质,有益效果为:
1、本公开通过利用每个机器人以及与该机器人临近的机器人的运动信息设置该机器人的控制输入信号,以构建控制器,使得所设计控制器是完全分布式结构,因而具有较好的可扩展性和鲁棒性,同时分布式的结构相较于集中式来讲减轻了机器人个体的运算压力,能够提高计算效率。
2、本公开中被追踪的目标为运动个体,且其动力学方程为一般线性系统,表明本公开的追踪控制方法具有较高的普遍性及适用性。
3、本公开成功的实现了在外部攻击下的追踪控制,有效的处理了外部攻击对追踪过程带来的恶意影响,在军事等各个领域中具有较高的实际应用价值。
附图说明
图1示意性示出了根据本公开实施例的用于多机器人系统的追踪控制方法的流程图;
图2示意性示出了根据本公开实施例机器人系统的一个可能的通信拓扑图;
图3示意性示出了根据本公开实施例的追踪误差的演化曲线图;
图4示意性示出了根据本公开实施例的用于多机器人系统的追踪控制装置的框图;
图5示意性示出了根据本公开实施例的电子设备的框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本发明。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其它特征、步骤、操作或部件。
图1示意性示出了根据本公开实施例的用于多机器人系统的追踪控制方法的流程图。
如图1所示,该方法例如可以包括操作S101~操作S105。
在操作S101,建立多机器人系统中各机器人之间的通信拓扑图。
在本公开实施例考虑的机器人系统中,每个机器人个体都能检测到目标的位置信息,因此,在建立系统拓扑的时候忽略追踪目标,只建立各个机器人之间的通信拓扑。
具体地,设涉及的机器人系统共包含N个机器人,他们它们之间的通信拓扑是随机切换拓扑,用图G(t)=(V,E(t),A(t))来表示。V={1,2,...,N}是点集,每个点代表一个机器人个体;E(t)是边集,其中的元素(i,j)表示从点i指向点j的边,也就意味着可以从机器人i向机器人j传递信息,本发明中考虑的边都是双向的,即(i,j)存在则(j,i)也存在;A(t)=[aij(t)]是邻接矩阵,其中的元素是相应边的权重。每个切换时刻t,拓扑图G(t)都从有限集合中随机的选出,并且集合中的元素Gi被选中的概率为pi,这些概率满足0<pi≤1,∑ipi=1。中的元素一定有一个是连通图。图G(t)的拉普拉斯矩阵L(t)=[lij(t)]中的元素按如下方式定义:若i≠j,则lij(t)=-aij(t);若i=j,则lii(t)=∑j∈V,j≠iaij(t)。
在操作S102,在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型,其中,追踪目标为运动的追踪目标。
本公开考虑的动力学模型都是离散时间动力学。本公开实施例中的追踪目标为运动的追踪目标,且其动力学模型为一般线性系统,被追踪目标的动力学模型为:
θt+1=Fθt
其中,t为时刻,θt为追踪目标在t时刻的位置向量,θt+1为追踪目标在t+1时刻的位置向量,F为系统矩阵。对于系统矩阵,本公开实施例中没有严格要求,也就是说无论它是稳定还是不稳定,弹性追踪最终都能实现。
在正常情况下(即没有外部攻击的情况),每个机器人都可以通过配备的传感器检测到目标的位置,将检测模型构建为:
yn(t)=Hnθt+wn(t)
其中,yn(t)为机器人获得的检测信号,Hn为检测矩阵,θt为追踪目标的位置向量,wn(t)为检测噪声,t为时刻,n表示机器人的编号。每个机器人的检测矩阵都可以是不同的,但对于检测矩阵要求它的最大奇异值小于1,即检测噪声是有界的,即
在操作S103,在有外部攻击的情况下,根据检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型。
当某个机器人受到外部攻击时,它获得的对目标位置的检测值被改变,相应的检测模型可以表示成攻击模型:
yn(t)=Hnθt+an(t)+wn(t)
其中,yn(t)为机器人获得的检测信号,Hn为检测矩阵,θt为追踪目标的位置向量,wn(t)为检测噪声,an(t)为外部攻击的干扰信号,t为时刻,n表示机器人的编号。在t时刻,用来表示所有受到攻击的机器人构成的集合,它定义为:
在操作S104,针对于每一机器人,基于通信拓扑图确定与该机器人通信的其它机器人,根据攻击模型、该机器人的运动信息及其它机器人的运动信息设置该机器人的控制输入信号。
在本公开实施例中,将所述控制输入信号设置为:
其中,un(t)为控制输入信号,Ωn(t)为能够与当前机器人通信的其它机器人的集合,l表示集合中机器人的编号,αt与βt为随时间变化的参数,yn(t)为机器人获得的检测信号,xn(t)为当前机器人的运动信息,xl(t)为集合中的机器人的运动信息,anl为两机器人之间的通信权重,t为时刻,n表示机器人的编号,Hn为检测矩阵,为Hn的转置矩阵,Γn(t)为自适应增益。
在本公开实施例中,αt与βt的取值可以为:
其中,a,b>0,0<τ1<1。
在本公开实施例中,Γn(t)为一个分段函数:
γt也是一个时变的参数,可以为:
Γ>0,0<τγ<1。显然自适应增益是以1为上界的,它的作用是减弱被攻击的检测值对机器人位置的影响。
在操作S105,根据控制输入信号控制机器人对目标进行追踪。
在本公开实施例中,首先可以预先建立机器人的动力学模型,例如可以为:
xn(t+1)=Fxn(t)+Ktun(t)
其中,n为机器人编号,un(t)为控制输入信号,xn(t+1)为t+1时刻编号为n的机器人的运动信息,xn(t)为t时刻编号为n的机器人的运动信息,F为系统矩阵,Kt为调节器增益矩阵。
Kt的设计准则例如可以为:
其中,矩阵K0为预设常数矩阵,可以满足如下几个不等式:
基于上述动力学模型,根据控制输入信号控制所述机器人对目标进行追踪。具体地,基于该控制输入信号,整个机器人系统的动力学模型可以表示为:
其中,xt是所有机器人的位置向量构成的列向量,yt是所有机器人对目标的观测值构成的列向量,Γt和DH分别是以Γn(t)和Hn为对角矩阵块的分块对角阵,IN和IM分别是N维和M维的单位矩阵,Lt是t时刻的通信拓扑图对应的拉普拉斯矩阵。最终在所设计的追踪控制器下,会实现所有的机器人的位置向量都与目标相同,即
其中,1N是N个分量全为1的列向量。
接下来,通过一个具体的例子对本公开的技术方案进行进一步说明。
本例子中,被追踪的目标的动力学方程例如可以为:
系统矩阵的特征值均在单位圆外。
本例子中,多机器人系统由50个机器人构成,其拓扑图在四个图中切换,其中有一个图是连通图,如图2所示。四个图被选中的概率相等,均为1/4。机器人系统中每个机器人的动力学方程例如可以为:
50个机器人中,前25个的检测模型例如可以为:
后25个的检测模型例如可以为:
yn(t)=[0 0 1]θt+0.001sin 2t
机器人的控制输入按照上述控制输入信号来设计,控制输入信号中的参数选取如下:
a=1.53,b=0.12,Γ=8,τγ=0.5,τ1=0.75
当机器人系统受到外部攻击时,被攻击的机器人的检测值变为正常情况下检测值的3倍。
图3示意性示出了根据本公开实施例的追踪误差的演化曲线图。
由此,通过本公开实施例提供的追踪控制方法,由于利用每个机器人以及与该机器人临近的机器人的运动信息设置该机器人的控制输入信号,以构建控制器,使得所设计控制器是完全分布式结构,因而具有较好的可扩展性和鲁棒性,同时分布式的结构相较于集中式来讲减轻了机器人个体的运算压力,能够提高计算效率。该方法实现了在外部攻击下的追踪控制,同时具有较高的普遍性及适用性。
图4示意性示出了根据本公开实施例的用于多机器人系统的追踪控制装置的框图。
如图4所示,该装置400包括建立模块410、第一构建模块420、第二构建模块430,设置模块440及控制模块450。该追踪控制装置可以执行上面参考方法实施例部分描述的方法。
具体地,建立模块410,用于建立多机器人系统中各机器人之间的通信拓扑图。
第一构建模块420,用于在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型。
第二构建模块430,用于在有外部攻击的情况下,根据检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型。
设置模块440,用于针对于每一机器人,基于通信拓扑图确定与该机器人通信的其它机器人,根据攻击模型、该机器人的运动信息及其它机器人的运动信息设置该机器人的控制输入信号。
控制模块450,用于根据控制输入信号控制机器人对目标进行追踪。
根据本公开的实施例的模块、子模块、单元、子单元中的任意多个、或其中任意多个的至少部分功能可以在一个模块中实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以被拆分成多个模块来实现。根据本公开实施例的模块、子模块、单元、子单元中的任意一个或多个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其它的合理方式的硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,根据本公开实施例的模块、子模块、单元、子单元中的一个或多个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
例如,建立模块410、第一构建模块420、第二构建模块430,设置模块440及控制模块450中的任意多个可以合并在一个模块/单元/子单元中实现,或者其中的任意一个模块/单元/子单元可以被拆分成多个模块/单元/子单元。或者,这些模块/单元/子单元中的一个或多个模块/单元/子单元的至少部分功能可以与其它模块/单元/子单元的至少部分功能相结合,并在一个模块/单元/子单元中实现。根据本公开的实施例,建立模块410、第一构建模块420、第二构建模块430,设置模块440及控制模块450中的至少一个可以至少被部分地实现为硬件电路,例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC),或可以通过对电路进行集成或封装的任何其它的合理方式等硬件或固件来实现,或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者,建立模块410、第一构建模块420、第二构建模块430,设置模块440及控制模块450中的至少一个可以至少被部分地实现为计算机程序模块,当该计算机程序模块被运行时,可以执行相应的功能。
需要说明的是,本公开的实施例中追踪控制装置部分与本公开的实施例中追踪控制方法部分是相对应的,追踪控制装置部分的描述具体追踪控制方法部分,在此不再赘述。
图5示意性示出了根据本公开实施例的电子设备的框图。图5示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图5所示,电子设备500包括处理器510、计算机可读存储介质520。该电子设备500可以执行根据本公开实施例的方法。
具体地,处理器510例如可以包括通用微处理器、指令集处理器和/或相关芯片组和/或专用微处理器(例如,专用集成电路(ASIC)),等等。处理器510还可以包括用于缓存用途的板载存储器。处理器510可以是用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
计算机可读存储介质520,例如可以是非易失性的计算机可读存储介质,具体示例包括但不限于:磁存储装置,如磁带或硬盘(HDD);光存储装置,如光盘(CD-ROM);存储器,如随机存取存储器(RAM)或闪存;等等。
计算机可读存储介质520可以包括计算机程序521,该计算机程序521可以包括代码/计算机可执行指令,其在由处理器510执行时使得处理器510执行根据本公开实施例的方法或其任何变形。
计算机程序521可被配置为具有例如包括计算机程序模块的计算机程序代码。例如,在示例实施例中,计算机程序521中的代码可以包括一个或多个程序模块,例如包括521A、模块521B、……。应当注意,模块的划分方式和个数并不是固定的,本领域技术人员可以根据实际情况使用合适的程序模块或程序模块组合,当这些程序模块组合被处理器510执行时,使得处理器510可以执行根据本公开实施例的方法或其任何变形。
本公开还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的;也可以是单独存在,而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被执行时,实现根据本公开实施例的方法。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
本领域技术人员可以理解,尽管已经参照本公开的特定示例性实施例示出并描述了本公开,但是本领域技术人员应该理解,在不背离所附权利要求及其等同物限定的本公开的精神和范围的情况下,可以对本公开进行形式和细节上的多种改变。因此,本公开的范围不应该限于上述实施例,而是应该不仅由所附权利要求来进行确定,还由所附权利要求的等同物来进行限定。
以上所述的具体实施例,对本公开的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本公开的具体实施例而已,并不用于限制本公开,凡在本公开的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (7)
1.一种用于多机器人系统的追踪控制方法,包括:
建立所述多机器人系统中各机器人之间的通信拓扑图,其中,在建立系统拓扑的时候忽略追踪目标,只建立各个机器人之间的通信拓扑;
在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型,其中,所述追踪目标为运动的追踪目标;
在有外部攻击的情况下,根据所述检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型;
针对于每一机器人,基于所述通信拓扑图确定与该机器人通信的其它机器人,根据所述攻击模型、该机器人的运动信息及所述其它机器人的运动信息设置该机器人的控制输入信号;
根据所述控制输入信号控制所述机器人对目标进行追踪;
其中,将所述检测模型构建为:
yn(t)=Hnθt+wn(t)
其中,yn(t)为所述机器人获得的检测信号,Hn为检测矩阵,θt为所述追踪目标的位置向量,wn(t)为检测噪声,t为时刻,n表示机器人的编号;
其中,所述攻击模型构建为:
yn(t)=Hnθt+an(t)+wn(t)
其中,yn(t)为所述机器人获得的检测信号,Hn为检测矩阵,θt为所述追踪目标的位置向量,wn(t)为检测噪声,an(t)为外部攻击的干扰信号,t为时刻,n表示机器人的编号;
其中,将所述控制输入信号设置为:
2.根据权利要求1所述的追踪控制方法,其中,所述根据所述控制输入信号控制所述机器人对目标进行追踪包括:
建立所述机器人的动力学模型;
基于所述动力学模型,根据所述控制输入信号控制所述机器人对目标进行追踪。
3.根据权利要求2所述的追踪控制方法,将所述机器人的动力学模型构建为:
xn(t+1)=Fxn(t)+Ktun(t)
其中,un(t)为所述控制输入信号,xn(t+1)为t+1时刻编号为n的机器人的运动信息,xn(t)为t时刻编号为n的机器人的运动信息,F为系统矩阵,Kt为调节器增益矩阵。
5.一种用于多机器人系统的追踪控制装置,包括:
建立模块,用于建立所述多机器人系统中各机器人之间的通信拓扑图,其中,在建立系统拓扑的时候忽略追踪目标,只建立各个机器人之间的通信拓扑;
第一构建模块,用于在无外部攻击的情况下,根据追踪目标的位置向量及检测噪声构建各机器人的检测模型;
第二构建模块,用于在有外部攻击的情况下,根据所述检测模型及外部攻击的干扰信号构建受到攻击的机器人的攻击模型;
设置模块,用于针对于每一机器人,基于所述通信拓扑图确定与该机器人通信的其它机器人,根据所述攻击模型、该机器人的运动信息及所述其它机器人的运动信息设置该机器人的控制输入信号;
控制模块,用于根据所述控制输入信号控制所述机器人对目标进行追踪;
其中,将所述检测模型构建为:
yn(t)=Hnθt+wn(t)
其中,yn(t)为所述机器人获得的检测信号,Hn为检测矩阵,θt为所述追踪目标的位置向量,wn(t)为检测噪声,t为时刻,n表示机器人的编号;
其中,所述攻击模型构建为:
yn(t)=Hnθt+an(t)+wn(t)
其中,yn(t)为所述机器人获得的检测信号,Hn为检测矩阵,θt为所述追踪目标的位置向量,wn(t)为检测噪声,an(t)为外部攻击的干扰信号,t为时刻,n表示机器人的编号;
其中,将所述控制输入信号设置为:
6.一种电子设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序,
其中,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现权利要求1-4任一项所述的方法。
7.一种计算机可读存储介质,存储有计算机可执行指令,所述指令在被执行时用于实现权利要求1-4任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011177473.0A CN112327840B (zh) | 2020-10-27 | 2020-10-27 | 用于多机器人系统的追踪控制方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011177473.0A CN112327840B (zh) | 2020-10-27 | 2020-10-27 | 用于多机器人系统的追踪控制方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112327840A CN112327840A (zh) | 2021-02-05 |
CN112327840B true CN112327840B (zh) | 2022-09-09 |
Family
ID=74296378
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011177473.0A Active CN112327840B (zh) | 2020-10-27 | 2020-10-27 | 用于多机器人系统的追踪控制方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112327840B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113084807B (zh) * | 2021-03-31 | 2022-04-19 | 中国科学技术大学 | 多机器人系统有毒气体泄露源头搜寻方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093934A (zh) * | 2015-08-17 | 2015-11-25 | 哈尔滨工业大学 | 考虑干扰与模型不确定性的多机器人系统分布式有限时间跟踪控制方法 |
CN105527960A (zh) * | 2015-12-18 | 2016-04-27 | 燕山大学 | 一种基于领航跟随的移动机器人编队控制方法 |
CN109947131A (zh) * | 2019-04-08 | 2019-06-28 | 燕山大学 | 一种基于强化学习的多水下机器人编队控制方法 |
CN110658821A (zh) * | 2019-10-10 | 2020-01-07 | 中国科学技术大学 | 一种多机器人抗干扰分组时变编队控制方法及系统 |
CN111522341A (zh) * | 2020-04-23 | 2020-08-11 | 中国地质大学(武汉) | 网络异构机器人系统的多时变编队跟踪控制方法及系统 |
CN111722625A (zh) * | 2019-12-18 | 2020-09-29 | 北京交通大学 | 时变数量群体机器人接力目标跟踪系统的稳定性分析方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040068415A1 (en) * | 2002-04-22 | 2004-04-08 | Neal Solomon | System, methods and apparatus for coordination of and targeting for mobile robotic vehicles |
-
2020
- 2020-10-27 CN CN202011177473.0A patent/CN112327840B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105093934A (zh) * | 2015-08-17 | 2015-11-25 | 哈尔滨工业大学 | 考虑干扰与模型不确定性的多机器人系统分布式有限时间跟踪控制方法 |
CN105527960A (zh) * | 2015-12-18 | 2016-04-27 | 燕山大学 | 一种基于领航跟随的移动机器人编队控制方法 |
CN109947131A (zh) * | 2019-04-08 | 2019-06-28 | 燕山大学 | 一种基于强化学习的多水下机器人编队控制方法 |
CN110658821A (zh) * | 2019-10-10 | 2020-01-07 | 中国科学技术大学 | 一种多机器人抗干扰分组时变编队控制方法及系统 |
CN111722625A (zh) * | 2019-12-18 | 2020-09-29 | 北京交通大学 | 时变数量群体机器人接力目标跟踪系统的稳定性分析方法 |
CN111522341A (zh) * | 2020-04-23 | 2020-08-11 | 中国地质大学(武汉) | 网络异构机器人系统的多时变编队跟踪控制方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112327840A (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhou et al. | Fast, on-line collision avoidance for dynamic vehicles using buffered voronoi cells | |
US10894322B2 (en) | Robot motion planning | |
Kim et al. | Obstacle avoidance method for wheeled mobile robots using interval type-2 fuzzy neural network | |
US10645156B2 (en) | Tools and methods for distributed spatial control of swarms via multiplex information networks | |
US9152915B1 (en) | Apparatus and methods for encoding vector into pulse-code output | |
Bezzo et al. | Attack resilient state estimation for autonomous robotic systems | |
CN111381600B (zh) | 一种基于粒子群算法的uuv路径规划方法 | |
CN111766783B (zh) | 一种面向集群系统的有限时间内收敛的编队合围跟踪方法 | |
CN112327839B (zh) | 用于多机器人系统的编队控制方法、装置、设备及介质 | |
CN110554607A (zh) | 多欧拉-拉格朗日系统带有避障护航任务的协同控制方法及系统 | |
CN115993781B (zh) | 抗网络攻击无人集群系统协同控制方法、终端及存储介质 | |
CN112327840B (zh) | 用于多机器人系统的追踪控制方法、装置、设备及介质 | |
Chen et al. | An improved artificial potential field based path planning algorithm for unmanned aerial vehicle in dynamic environments | |
US20240009841A1 (en) | Dynamic target tracking method, robot and computer-readable storage medium | |
CN111045433B (zh) | 一种机器人的避障方法、机器人及计算机可读存储介质 | |
Wang et al. | A multi-target trajectory planning of a 6-dof free-floating space robot via reinforcement learning | |
Shen et al. | Multi-robot cooperative hunting | |
Aggarwal et al. | DLVS: time series architecture for image-based visual servoing | |
Bezzo et al. | A stochastic approach for attack resilient uav motion planning | |
CN115047769A (zh) | 一种基于约束跟随的无人作战平台避障-到达控制方法 | |
Vladareanu et al. | The navigation mobile robot systems using Bayesian approach through the virtual projection method | |
Jardine et al. | Incorporating feedback predictions for optimized UAV attack mission planning | |
CN113759904A (zh) | 基于融合算法的移动机器人自主导航方法 | |
Elmokadem | Distributed control for the flocking of multi nonholonomic agent systems with bounded inputs | |
Sayyaadi et al. | Control of nonholonomic mobile manipulators for cooperative object transportation |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |