CN112859596A - 一种考虑编队避障的非线性遥操作多边控制方法 - Google Patents
一种考虑编队避障的非线性遥操作多边控制方法 Download PDFInfo
- Publication number
- CN112859596A CN112859596A CN202110016719.4A CN202110016719A CN112859596A CN 112859596 A CN112859596 A CN 112859596A CN 202110016719 A CN202110016719 A CN 202110016719A CN 112859596 A CN112859596 A CN 112859596A
- Authority
- CN
- China
- Prior art keywords
- representing
- obstacle
- slave
- main robot
- ideal
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种考虑编队避障的非线性遥操作多边控制方法。本发明针对障碍物环境,设计了基于人工势函数避障算法和领航者切换算法的避障规划器,并在主端构建虚拟力反馈,使操作者实时掌握从端领航者的运动情况,同时,设计了从编队控制器,实现了从机器人在非完整约束下躲避障碍物的编队运动;考虑非线性和各种不确定性,设计了主轨迹规划器和主控制器,实现了主机器人的优越跟踪性能;最终,通过控制器和从编队控制器,保证了多边遥操作系统的全局稳定性。
Description
技术领域
本发明属于遥操作控制领域,具体来说是一种考虑编队避障的非线性遥操作多边控制方法,能同时保证非线性遥操作系统的稳定性、透明性和从端多智能体的编队和避障。
背景技术
为适应复杂移动场景的作业任务需求,具有编队型从机器人的多边遥操作技术被不断用于工业环境中,即通过操作者在主端操作从机器人(多个智能体),完成其在障碍物环境中的编队和避障,在检测、搬运等领域得到了广泛的应用,并作为机器人应用领域的一项重要支撑技术而被广泛研究。
然而,考虑多边遥操作系统中存在的机器人的非线性和各种不确定型、智能体的非完整约束和环境中的障碍物等因素,传统的基于波变量的线性遥操作框架均无法实现较好的控制性能。因此,针对上述问题,本发明提出了一种考虑编队避障的非线性遥操作多边控制方法,旨在实现多边遥操作系统的稳定性、透明性和在障碍物环境中编队和避障。
发明内容
本发明提出了一种考虑编队避障的非线性遥操作多边控制方法,以解决传统的多边遥操作系统存在的稳定性、透明性、非线性、各种不确定性和非完整约束和障碍物环境中从端多智能体的编队和避障等技术问题。
为实现上述目的,该发明的技术方案具体内容如下:
一种考虑编队避障的非线性遥操作多边控制方法,包括以下步骤:
(一)建立非线性多边遥操作系统的物理模型。
(二)基于径向基神经网络设计主机器人的自适应滑模控制器。
(三)考虑障碍物环境设计从机器人的自适应编队控制器。
与现有技术相比,本发明具有如下有益效果:
1、通过基于径向基神经网络的自适应滑模控制方法,使主机器人实时、准确地跟踪主轨迹规划器规划的理想轨迹,当系统存在非线性和各种不确定性时,能够提升其位置追踪性能。
2、针对障碍物环境,基于避障规划器,通过人工势函数避障算法实时调整编队队形来躲避障碍物。考虑人工势函数会形成局部势能最小点的问题,提出了领航者切换算法,通过将陷入死区的智能体切换为新的领航者,由主机器人直接指导,以摆脱局部势能最小点。
3、考虑智能体的输出状态耦合问题,通过从轨迹规划器和从编队控制器,实现了从在非完整约束情况下的编队运动。
4、考虑从机器不存在与环境的交互,在主端设计了虚拟力反馈,以保证操作者能够真实地感受到从机器人的运动情况。
5、通过基于径向基神经网络的非线性自适应滑模控制方法,使从机器人实时、准确地跟踪主机器人的轨迹信号,当系统存在通信时延、非线性和各种不确定性时,能够提升系统的位置追踪性能。
附图说明
图1是本发明提出的考虑编队避障的非线性遥操作多边控制框图;
图2是本发明提出的人工势函数避障算法流程图;
图3是本发明提出的领航者切换算法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
现结合实施例、附图1对本发明作进一步描述:
本发明的实施技术方案为:
1)建立非线性多边遥操作系统的物理模型,具体为:
1-1)建立主机器人的动力学模型
其中,表示主机器人的关节转角、角速度和角加速度信号,Xm表示主机器人末端位置,Mm(qm)表示质量惯性矩阵,表示科氏力/向心力矩阵,Gm(qm)表示重力矩阵,dm表示建模误差和外干扰,um表示控制输入,Fh表示操作者给主机器人末端的操作力。
上述系统具有如下特性:
②公式(1)中的部分动力学方程可以写成如下线性方程的形式:
1-2)建立从端多智能体的运动学模型
其中,i=1,…,N表示多智能体的数量,Xs,i=[xs,i ys,i]]T表示第i个智能体的位置(包含1个领航者和N-1个跟随者),xs,i表示位置Xs,i在x轴的分量,ys,i表示位置Xs,i在y轴的分量,θs,i表示第i个智能体方向角,[vs,i ωs,i]T表示控制输入。
2)基于径向基神经网络设计主机器人的自适应滑模控制器,具体为:
2-1)设计虚拟力反馈Fe,v如下:
其中,kmf表示力反馈比例系数,kms表示区域放大比例系数,Xs,l(t-T(t))表示具有通信时延的从端领航者的实际位置,T(t)表示通信时延。
2-2)基于虚拟力反馈Fe,v,定义Xmd为主机器人的理想轨迹,且满足:
其中,Md,Cd,Gd表示主机器人的阻抗系数矩阵。通过选取合适的阻抗系数,
(5)能够生成主机器人的理想轨迹Xmd。
2-3)定义主机器人的滑模面sm如下:
2-4)对(6)求导,并代入跟踪误差,得到:
2-5)根据(7)设计主控制器,以保证主端的稳定性,设计的控制器um为:
其中,kmv>0和kmN>0均表示控制器性能调整参数,sign(·)表示符号函数。
其中,Ωm0表示Wm的有界集,Ωm表示Xmw的有界集。
其中,δm>0表示神经网络自适应性能调整参数。
3)考虑障碍物环境设计从机器人的自适应编队控制器,具体为:
3-1)定义从端的N个智能体中,领航者能收到主机器人发送的理想参考轨迹Xsd(t)=kmsXm(t-T(t)),而第i个跟随者以跟随领航者运动,其中,kms表示区域放大比例系数,表示第i个跟随者相对领航者的位移,主机器人发送的理想参考轨迹Xsd是一条平面轨迹Xsd=[xsd ysd]T,xsd表示理想轨迹Xsd在x轴的分量,ysd表示理想轨迹Xsd在y轴的分量,于是,领航者接收的理想方向角表示理想速度信号的x轴分量,表示理想速度信号的y轴分量。
3-2)考虑从端障碍物环境,设计避障规划器,其中,领航者直接根据主机器人发送的理想参考轨迹Xsd躲避障碍物,而跟随者根据人工势函数避障算法和领航者切换算法躲避障碍物。
3-3)设计步骤3-2)中的人工势函数避障算法,定义人工势函数为:
其中,r表示障碍物的包络圆半径,R表示检测区域的半径,lio=||Xs,o-Xs,i||表示第i个智能体与障碍物间的距离,Xs,o=[xs,o ys,o]T表示障碍物的位置,xs,o表示障碍物位置Xs,o在x轴的分量,ys,o表示障碍物位置Xs,o在y轴的分量。
于是,根据图2,κs表示势函数性能调节系数,ψ(·)表示逆时针旋转矩阵,αsi表示第i个智能体受到人工势函数Uio的梯度力,定义如下:
其中,
因此,根据图2所示的流程,通过如下公式:
3-4)考虑障碍物较为复杂时,人工势函数避障算法会形成局部势能最小点,使智能体陷入其中而无法挣脱。因此,设计步骤3-2)中的领航者切换算法,设计领航者切换算法设计,定义领航者标志矩阵为B=diag{bi},当bi=1时,i表示领航者,当bi=0时,i表示跟随者,Umax表示当前智能体具有的最大人工势函数,同时将具有Umax的智能体标志为index,其人工势函数为Uindexo,表人工势函数Uio的规定最大值,tcon表示Uindexo超过规定最大值的持续时间,表示最大持续时间。于是,通过判断人工势函数Uindexo是否持续位于高值,即人工势函数Uindexo和持续时间tcon是否满足和以判定任意时刻是否有智能体陷入局部势能最小点。一旦第i个智能体陷入局部势能最小点,即切换该智能体为新的领航者,由主机器人直接指导,以摆脱局部势能最小点,见图3。
3-5)考虑智能体的欠驱动特性导致的输出状态耦合问题,设计从轨迹规划器如下:
其中,[zs1,i zs2,i zs3,i]T表示规划后的输出状态,[us1,i us2,i]T表示规划后的控制输入状态,μs>0表示规划器性能调整参数。
3-6)根据(16)设计从编队控制器,设计的控制器[us1,i us2,i]T为:
其中,ρs2>0表示控制器性能调整参数,表示第i个智能体的角速度估计值,aij表示第i个智能体和第j个智能体间的联通情况矩阵元素,即当aij=1时,相邻智能体是联通的,当aij=0时,相邻智能体是不联通的,表示第j个智能体的邻居组成的集合,zs1,d表示输出状态zs1,i的理想跟踪信号,zs2,d表示输出状态zs2,i的理想跟踪信号。
其中,ρs1>0表示角速度自适应性能调整参数。
Claims (6)
1.一种考虑编队避障的非线性遥操作多边控制方法,其特征在于,包括以下步骤:
1)建立非线性多边遥操作系统的物理模型,具体为:
1-1)建立主机器人的动力学模型
其中,qm,表示主机器人的关节转角、角速度和角加速度信号,Xm表示主机器人末端位置,Mm(qm)表示质量惯性矩阵,表示科氏力/向心力矩阵,Gm(qm)表示重力矩阵,dm表示建模误差和外干扰,um表示控制输入,Fh表示操作者给主机器人末端的操作力;
上述系统具有如下特性:
②公式(1)中的部分动力学方程可以写成如下线性方程的形式:
1-2)建立从端多智能体的运动学模型
其中,i=1,…,N表示多智能体的数量,包含1个领航者和N-1个跟随者,Xs,i=[xs,iys,i]T表示第i个智能体的位置,xs,i表示位置Xs,i在x轴的分量,ys,i表示位置Xs,i在y轴的分量,θs,i表示第i个智能体方向角,[vs,i ωs,i]T表示控制输入;
2)基于径向基神经网络设计主机器人的自适应滑模控制器,具体为:
2-1)考虑从机器不存在与环境的交互,在主端设计虚拟力反馈Fe,v,以保证操作者能够真实地感受到从机器人的运动情况;
2-2)基于虚拟力反馈Fe,v,定义Xmd为主机器人的理想轨迹,且满足:
其中,Md,Cd,Gd表示主机器人的阻抗系数矩阵;
2-3)定义主机器人的滑模面sm如下:
2-4)对(6)求导,并代入跟踪误差,得到:
2-5)根据(7)设计主控制器,以保证主端的稳定性,设计的控制器um为:
其中,kmv>0和kmN>0均表示控制器性能调整参数,sign(·)表示符号函数;
其中,Ωm0表示Wm的有界集,Ωm表示Xmw的有界集;
3)考虑障碍物环境设计从机器人的自适应编队控制器,具体为:
3-1)定义从端的N个智能体中,领航者能收到主机器人发送的理想参考轨迹Xsd(t)=kmsXm(t-T(t)),而第i个跟随者以跟随领航者运动,其中,kms表示区域放大比例系数,表示第i个跟随者相对领航者的位移,主机器人发送的理想参考轨迹Xsd是一条平面轨迹Xsd=[xsd ysd]T,xsd表示理想轨迹Xsd在x轴的分量,ysd表示理想轨迹Xsd在y轴的分量,于是,领航者接收的理想方向角 表示理想速度信号的x轴分量,表示理想速度信号的y轴分量;
3-2)考虑从端障碍物环境,设计避障规划器,其中,领航者直接根据主机器人发送的理想参考轨迹Xsd躲避障碍物,而跟随者根据人工势函数避障算法和领航者切换算法躲避障碍物;
3-3)考虑智能体的欠驱动特性导致的输出状态耦合问题,设计从轨迹规划器如下:
其中,[zs1,i zs2,i zs3,i]T表示规划后的输出状态,[us1,i us2,i]T表示规划后的控制输入状态,μs>0表示规划器性能调整参数;
3-4)根据(16)设计从编队控制器,设计的控制器[us1,i us2,i]T为:
4.根据权利要求1所述的非线性遥操作多边控制方法,其特征在于,所述步骤3-2)中,人工势函数避障算法设计如下:
定义人工势函数为:
其中,r表示障碍物的包络圆半径,R表示检测区域的半径,lio=||Xs,o-Xs,i||表示第i个智能体与障碍物间的距离,Xs,o=[xs,o ys,o]T表示障碍物的位置,xs,o表示障碍物位置Xs,o在x轴的分量,ys,o表示障碍物位置Xs,o在y轴的分量;
于是,定义αsi表示第i个智能体受到人工势函数Uio的梯度力,表达如下:
其中,
因此,通过如下公式:
5.根据权利要求1所述的非线性遥操作多边控制方法,其特征在于,所述步骤3-2)中,设计领航者切换算法设计如下:
定义领航者标志矩阵为B=diag{bi},当bi=1时,i表示领航者,当bi=0时,i表示跟随者,Umax表示当前智能体具有的最大人工势函数,同时将具有Umax的智能体标志为index,其人工势函数为Uindexo,表人工势函数Uio的规定最大值,tcon表示Uindexo超过规定最大值的持续时间,表示最大持续时间;
一旦第i个智能体陷入局部势能最小点,即切换该智能体为新的领航者,由主机器人直接指导,以摆脱局部势能最小点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110016719.4A CN112859596B (zh) | 2021-01-07 | 2021-01-07 | 一种考虑编队避障的非线性遥操作多边控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110016719.4A CN112859596B (zh) | 2021-01-07 | 2021-01-07 | 一种考虑编队避障的非线性遥操作多边控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112859596A true CN112859596A (zh) | 2021-05-28 |
CN112859596B CN112859596B (zh) | 2022-01-04 |
Family
ID=76004597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110016719.4A Active CN112859596B (zh) | 2021-01-07 | 2021-01-07 | 一种考虑编队避障的非线性遥操作多边控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112859596B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325852A (zh) * | 2021-06-10 | 2021-08-31 | 浙江大学 | 基于领导跟随者方式的多智能体行进中编队变换的控制方法 |
CN113485120A (zh) * | 2021-08-01 | 2021-10-08 | 西北工业大学 | 一种基于操控行为检测的机器人遥操作轨迹规划方法 |
CN115047769A (zh) * | 2022-06-29 | 2022-09-13 | 南京理工大学 | 一种基于约束跟随的无人作战平台避障-到达控制方法 |
CN116820138A (zh) * | 2023-08-28 | 2023-09-29 | 中国人民解放军军事科学院系统工程研究院 | 一种基于编队行驶的控制器智能决策方法及系统 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0494500A1 (en) * | 1990-12-08 | 1992-07-15 | Trinova Limited | Sliding mode control system |
EP1901153A1 (en) * | 2006-09-12 | 2008-03-19 | OFFIS e.V. | Control system for unmanned 4-rotor-helicopter |
CN101763119A (zh) * | 2009-12-16 | 2010-06-30 | 东南大学 | 基于遥操作移动机器人的辅助避障方法 |
WO2016034269A1 (en) * | 2014-09-02 | 2016-03-10 | Mark Oleynik | Robotic manipulation methods and systems for executing a domain-specific application in an instrumented environment with electronic minimanipulation libraries |
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 |
CN107810452A (zh) * | 2015-06-17 | 2018-03-16 | 高通股份有限公司 | 用于无人驾驶飞机的远程分布式控制的系统和方法 |
CN108555911A (zh) * | 2018-04-22 | 2018-09-21 | 北京工业大学 | 基于虚拟推力的遥操作机械臂三维避障方法 |
CN109270934A (zh) * | 2018-11-01 | 2019-01-25 | 中国科学技术大学 | 基于领航者切换的多机器人编队续航方法 |
CN110262256A (zh) * | 2019-07-18 | 2019-09-20 | 浙江大学 | 一种非线性遥操作系统的多边自适应滑模控制方法 |
CN110340894A (zh) * | 2019-07-18 | 2019-10-18 | 浙江大学 | 一种基于模糊逻辑的遥操作系统自适应多边控制方法 |
CN110515298A (zh) * | 2019-06-14 | 2019-11-29 | 南京信息工程大学 | 基于最优化自适应的海上异构多智能体速度协同控制方法 |
CN110703751A (zh) * | 2019-10-14 | 2020-01-17 | 东南大学 | 一种多移动机器人系统半自主编队及避障控制方法 |
-
2021
- 2021-01-07 CN CN202110016719.4A patent/CN112859596B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0494500A1 (en) * | 1990-12-08 | 1992-07-15 | Trinova Limited | Sliding mode control system |
EP1901153A1 (en) * | 2006-09-12 | 2008-03-19 | OFFIS e.V. | Control system for unmanned 4-rotor-helicopter |
CN101763119A (zh) * | 2009-12-16 | 2010-06-30 | 东南大学 | 基于遥操作移动机器人的辅助避障方法 |
WO2016034269A1 (en) * | 2014-09-02 | 2016-03-10 | Mark Oleynik | Robotic manipulation methods and systems for executing a domain-specific application in an instrumented environment with electronic minimanipulation libraries |
CN107810452A (zh) * | 2015-06-17 | 2018-03-16 | 高通股份有限公司 | 用于无人驾驶飞机的远程分布式控制的系统和方法 |
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 |
CN108555911A (zh) * | 2018-04-22 | 2018-09-21 | 北京工业大学 | 基于虚拟推力的遥操作机械臂三维避障方法 |
CN109270934A (zh) * | 2018-11-01 | 2019-01-25 | 中国科学技术大学 | 基于领航者切换的多机器人编队续航方法 |
CN110515298A (zh) * | 2019-06-14 | 2019-11-29 | 南京信息工程大学 | 基于最优化自适应的海上异构多智能体速度协同控制方法 |
CN110262256A (zh) * | 2019-07-18 | 2019-09-20 | 浙江大学 | 一种非线性遥操作系统的多边自适应滑模控制方法 |
CN110340894A (zh) * | 2019-07-18 | 2019-10-18 | 浙江大学 | 一种基于模糊逻辑的遥操作系统自适应多边控制方法 |
CN110703751A (zh) * | 2019-10-14 | 2020-01-17 | 东南大学 | 一种多移动机器人系统半自主编队及避障控制方法 |
Non-Patent Citations (3)
Title |
---|
XU WANG: "Leader-Follower Formation Control Based on Artificial Potential Field and Sliding Mode Control", 《INTERNATIONAL CONFERENCE ON INTELLIGENT ROBOTICS AND APPLICATIONS》 * |
刘刚: "基于滑模控制器的多智能体编队有限时间协同控制", 《2017中国自动化大会(CAC2017)暨国际智能制造创新大会》 * |
刘华山: "基于奇异摄动理论的输入有界机器人轨迹跟踪控制", 《控制理论与应用》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325852A (zh) * | 2021-06-10 | 2021-08-31 | 浙江大学 | 基于领导跟随者方式的多智能体行进中编队变换的控制方法 |
CN113325852B (zh) * | 2021-06-10 | 2022-08-30 | 浙江大学 | 基于领导跟随者方式的多智能体行进中编队变换的控制方法 |
CN113485120A (zh) * | 2021-08-01 | 2021-10-08 | 西北工业大学 | 一种基于操控行为检测的机器人遥操作轨迹规划方法 |
CN113485120B (zh) * | 2021-08-01 | 2022-07-05 | 西北工业大学 | 一种基于操控行为检测的机器人遥操作轨迹规划方法 |
CN115047769A (zh) * | 2022-06-29 | 2022-09-13 | 南京理工大学 | 一种基于约束跟随的无人作战平台避障-到达控制方法 |
CN115047769B (zh) * | 2022-06-29 | 2023-10-31 | 南京理工大学 | 一种基于约束跟随的无人作战平台避障-到达控制方法 |
CN116820138A (zh) * | 2023-08-28 | 2023-09-29 | 中国人民解放军军事科学院系统工程研究院 | 一种基于编队行驶的控制器智能决策方法及系统 |
CN116820138B (zh) * | 2023-08-28 | 2024-04-12 | 中国人民解放军军事科学院系统工程研究院 | 一种基于编队行驶的控制器智能决策方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112859596B (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112859596B (zh) | 一种考虑编队避障的非线性遥操作多边控制方法 | |
Wei et al. | An integrated longitudinal and lateral vehicle following control system with radar and vehicle-to-vehicle communication | |
Zhu et al. | V2V-based cooperative control of uncertain, disturbed and constrained nonlinear CAVs platoon | |
Zha et al. | A survey of intelligent driving vehicle trajectory tracking based on vehicle dynamics | |
CN107831761A (zh) | 一种智能车的路径跟踪控制方法 | |
CN110262256B (zh) | 一种非线性遥操作系统的多边自适应滑模控制方法 | |
Badnava et al. | Platoon transitional maneuver control system: A review | |
CN108983786A (zh) | 一种通讯范围约束下移动机器人的编队控制方法 | |
CN105772917A (zh) | 一种三关节点焊机器人轨迹跟踪控制方法 | |
CN103728988B (zh) | 基于内模的scara机器人轨迹跟踪控制方法 | |
CN110340894B (zh) | 一种基于模糊逻辑的遥操作系统自适应多边控制方法 | |
CN110162046A (zh) | 基于事件触发型模型预测控制的无人车路径跟随方法 | |
Wang et al. | Longitudinal and lateral control of autonomous vehicles in multi‐vehicle driving environments | |
CN110658811B (zh) | 基于神经网络的受限移动机器人协同路径跟踪控制方法 | |
Wei et al. | Fuzzy adaptive control for vehicular platoons with constraints and unknown dead-zone input | |
Wu et al. | Consensus-based platoon forming for connected autonomous vehicles | |
Liu et al. | Cooperative adaptive sliding mode platoon control of intelligent connected vehicles under communication interruption | |
Tiganasu et al. | Design and simulation evaluation of cooperative adaptive cruise control for a platoon of vehicles | |
CN107807534B (zh) | 一种多轮式机器人自适应协同控制算法及控制系统 | |
CN115963819A (zh) | 一种非完整移动机器人编队控制方法 | |
CN114347031A (zh) | 一种考虑时变时滞的移动机械臂避碰控制方法及装置 | |
Zhang et al. | A robust control scheme for autonomous vehicles path tracking under unreliable communication | |
Khalifa et al. | Vehicles platooning in urban environments: Integrated consensus-based longitudinal control with gap closure maneuvering and collision avoidance capabilities | |
Sun et al. | Platoon-stable adaptive controller design | |
Wang et al. | Reinforcement-learning-aided adaptive control for autonomous driving with combined lateral and longitudinal dynamics |
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 |