CN112987732A - 基于人工势场法的多移动机器人编队避障控制方法 - Google Patents
基于人工势场法的多移动机器人编队避障控制方法 Download PDFInfo
- Publication number
- CN112987732A CN112987732A CN202110194494.1A CN202110194494A CN112987732A CN 112987732 A CN112987732 A CN 112987732A CN 202110194494 A CN202110194494 A CN 202110194494A CN 112987732 A CN112987732 A CN 112987732A
- Authority
- CN
- China
- Prior art keywords
- formation
- robot
- obstacle
- obstacle avoidance
- pilot
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 166
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000004888 barrier function Effects 0.000 claims description 24
- 238000011084 recovery Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000001846 repelling effect Effects 0.000 claims description 4
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000005755 formation reaction Methods 0.000 description 111
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic 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
- G05D1/0295—Fleet control by at least one leading vehicle of the fleet
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)
Abstract
本发明公开了一种基于人工势场法的多移动机器人编队避障控制方法,包括:检测到障碍物前,多移动机器人形成初始编队向目标点移动;当编队成员检测到障碍物,多移动机器人编队整体速度降低,编队根据障碍物斥力的大小得到障碍物之间的间距,判断初始队形是否能够通过障碍物,否则切换编队队形进行避障,并从队形数据库选择合理队形避障,当编队检测不到障碍物,编队顺利避障;编队队形切换到初始队形,恢复初始速度,到达目标点,完成任务。本发明的优点是:确保编队整体可以快速高效、合理通过障碍,能够顺利完成避障。
Description
技术领域
本发明涉及机器人技术领域,特别涉及一种基于人工势场法的多移动机器人编队避障控制方法。
背景技术
随着人工智能的发展,单个机器人已经不能满足人们的日常生活的需要,而多移动机器人协作可以高效的完成任务和节约成本;在实际运用的场景中,编队难免会遇到障碍物,在多机器人系统中,编队控制与整体避障作为多移动机器人系统的关键问题,也是众多学者一直需要深入研究的问题。
目前多移动机器人编队避障的算法研究不太成熟,编队避障算法主要借鉴传统单个机器人的避障策略,应用于多移动机器人编队避障中,主要的方法有如下几种:人工势场法、A*算法、遗传算法、预测窗口算法等。编队避障对队形的要求更高,在障碍物的约束环境下,机器人既要维持整体队形,又要合理地避开环境中可能碰到的障碍物。中国发明专利《一种多移动机器人系统半自主编队及避障控制方法》(申请日:2019.10.14;申请号:CN110703751A;公开日:2020.01.17)基于虚拟结构的整体编队结构难以改变,导致编队避障轨迹不平滑且稳定性低。中国发明专利《一种基于图论与势场方法的无人车多车道护航编队方法》(申请日:2019.12.02;申请号:CN201911211093.1;公开日:2020.03.27)需要预定义的信息过多,对通讯要求过高,会导致整体编队效率降低。
针对多移动机器人编队避障过程中队形控制、避障效率低等问题,本文发明了一种基于人工势场法的编队避障方法。首先建立可用公式统一表达的队形数据库,通过势函数得到障碍物区域可供通行的路径与宽度,领航者根据获取的信息,从队形数据库选择合适的编队队形进行合理、高效的避障,当编队中最后一个机器人避开障碍物时,避障队形快速切换到初始队形,继续执行任务。本方法控制编队在复杂环境中,可以确保编队顺利、合理、高效通过障碍物区域,提高了编队避障系统的稳定性和编队避障的整体效率。
发明内容
本发明针对现有技术的缺陷,提供了一种基于人工势场法的多移动机器人编队避障控制方法。
为了实现以上发明目的,本发明采取的技术方案如下:
一种基于人工势场法的多移动机器人编队避障控制方法.包括以下步骤:
(1)建立常用的编队队形数据库;
(2)定义斥场力,得到障碍物与编队领航者之间的距离与斥场力的函数关系,分别得出领航机器人与障碍物的距离,进而得出障碍物区域可供编队通过的队形宽度。
(3)通过步骤(2)得到障碍物区域供编队通过的队形宽度,与编队当前队形进行对比,从步骤(1)建立的队形知识库选择合理的避障队形进行切换,确保编队顺利通过障碍物。
(4)编队最后一个机器人通过障碍物区域时,设计队形快速恢复函数使避障编队快速切换到初始队形。
(5)恢复初始队形,到达目标点。
进一步地,步骤(1)具体如下:
针对编队控制中常用的队形建立队形数据库,采用领航者法进行编队控制,为了表示机器人之间的相互关系及队形的形状参数,定义队形形状的参数信息矩阵通用公式如下:
Fm=[Fx1 Fx2 ... Fxn]4×n (1)
Fxj=[f1j f2j f3j f4j]T (2)
其中Fm表示某个队形的具体参数信息矩阵,Fxj表示第j个机器人Rj的队形信息。Fxj具有由4部分构成:f1j为具体队形中跟随机器人Rj的编号;f2j表示Rj在编队中所跟踪的领航者的编号;f3j表示为跟随机器人Rj与其领航者之间需要保持的期望距离;为机器人Ri与Rj之间需要保持的期望距离;f4j为跟随机器人Rj与其领航者之间需要保持的期望方向角;为机器人Ri与Rj之间需要保持的期望方向角。
进一步地,步骤(2)具体如下:
领航者与障碍物之间的距离通过机器人携带的传感器得到;
斥力场的表达公式:
其中,η为斥力尺度因子,r表物体和障碍物之间的距离,ρ0代表每个障碍物的影响半径。
同时,领航者根据得到F1与F2的大小和θ1与θ2,求两个障碍物之间的距离d,公式如下:
其中,F1与F2分别为机器人在势场受到障碍物的排斥力;r1与r2分别为领航者与障碍物之间的距离,θ1与θ2分别为领航者和目标点连线与障碍物的夹角。
进一步地,步骤(3)具体如下:
根据d与d0大小选择避障策略从队形数据库选择避障队形,设d-d0=k,当k<0时,编队需要选择一字型编队通过障碍物;当k=0时,编队中的机器人需要改变跟随者与领航者的跟随角度来缩小队形,减小队形的宽度;当k>0时,编队保持初始队形,即可通过障碍物。其中d0为初始编队队形宽度。
进一步地,步骤(4)具体如下:
当编队中的机器人最后一个通过障碍物时,改变编队队形需要从避障队形切换到初始队形,继续执行任务。
设避障后领航者位姿为:
P(t)=[x1 y1 φ1]T (5)
其中,(x1,y1)为领航者的坐标,φ1为领航者的方向角。
设队形快速恢复函数为:
P(t)=(p0-p∞)e-μt+p∞ (6)
其中,μ>0,p0为初始值即避障后虚拟领航者位置状态量,p∞为p(t)的稳态值即恢复队形后的位置状态量,μt为收敛系数;p(t)按指数快速递减到p∞的值,可实现队形以指数形式快速恢复。
与现有技术相比,本发明的优点在于:
采用领航者法来控制编队队形,建立了常用队形的队形数据库,利用存在势场得到障碍物区域可供通过的宽度,再与初始队形宽度进行对比,根据对比结果,制定合适的避障策略,并设计了避障后的队形快速恢复,确保编队整体可以快速高效、合理通过障碍,能够顺利完成避障。
附图说明
图1是本发明实施例避障控制方法流程图;
图2是本发明实施例编队避障策略示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚明白,以下根据附图并列举实施例,对本发明做进一步详细说明。
如图1所示,一种基于人工势场法的多移动机器人编队避障控制方法。包括以下步骤:
(1)针对编队控制中常用的队形建立队形数据库,采用领航者法进行编队控制,为了表示机器人之间的相互关系及队形的形状参数,定义队形形状的参数信息矩阵通用公式如下:
Fm=[Fx1 Fx2 ... Fxn]4×n (1)
Fxj=[f1j f2j f3j f4j]T (2)
其中Fm表示某个队形的具体参数信息矩阵,Fxj表示第j个机器人Rj的队形信息。Fxj具有由4部分构成:f1j为具体队形中跟随机器人Rj的编号;f2j表示Rj在编队中所跟踪的领航者的编号;f3j表示为跟随机器人Rj与其领航者之间需要保持的期望距离;为机器人Ri和Rj之间需要保持的期望距离;f4j为跟随机器人Rj与其领航者之间需要保持的期望方向角;为机器人Ri和Rj之间需要保持的期望方向角。
(2)当编队某个机器人检测到障碍物时,进入避障模式,编队整体速度降低;领航者根据势函数判断障碍物的个数,并判断障碍物之间距离,并从(1)中建立的队形数据库匹配合适的队形。
如图2所示,r1与r2的大小可以通过机器人携带的传感器得到,可以通过各个障碍物与领航机器人之间的距离,得到障碍物之间可供机器人通过的宽度。
斥力场的表达公式:
其中,η为斥力尺度因子,r代表物体和障碍物之间的距离,ρ0代表
每个障碍物的影响半径。
同时,领航者可以根据得到F1与F2的大小和θ1与θ2,进一步得出两个障碍物之间的距离d。求d的公式如下:
其中,r1与r2分别为领航者与障碍物之间的距离,θ1与θ2分别为领航者和目标点连线与障碍物的夹角,F1与F2分别为机器人在势场受到障碍物的排斥力。
(3)根据d与d0大小选择避障策略从队形数据库选择避障队形,设d-d0=k,当k<0时,编队需要选择一字型编队通过障碍物;当k=0时,编队中的机器人需要改变跟随者与领航者的跟随角度来缩小队形,减小队形的宽度,则编队可以顺利通过障碍物;当k>0时,编队保持初始队形,即可通过障碍物。其中d0为初始编队队形宽度。
(4)当编队中的机器人最后一个通过障碍物时,改变编队队形需要从避障队形切换到初始队形,继续执行任务。
设避障后领航者位姿为:
P(t)=[x1 y1 φ1]T (5)
其中,(x1,y1)为领航者的坐标,φ1为领航者的方向角。
设队形快速恢复函数为:
P(t)=(p0-p∞)e-μt+p∞ (6)
其中,μ>0,p0为初始值即避障后虚拟领航者位置状态量,p∞为p(t)的稳态值即恢复队形后的位置状态量,μt为收敛系数,p(t)按指数快速递减到p∞的值,可实现队形以指数形式快速恢复。
(5)队形恢复,编队到达目标点。
本领域的普通技术人员将会意识到,这里所述的实施例是为了帮助读者理解本发明的实施方法,应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合,这些变形和组合仍然在本发明的保护范围内。
Claims (5)
1.一种基于人工势场法的多移动机器人编队避障控制方法.其特征在于,包括以下步骤:
(1)建立常用的编队队形数据库;
(2)定义斥场力,得到障碍物与编队领航者之间的距离与斥场力的函数关系,分别得出领航机器人与障碍物的距离,进而得出障碍物区域可供编队通过的队形宽度;
(3)通过步骤(2)得到障碍物区域供编队通过的队形宽度,与编队当前队形进行对比,从步骤(1)建立的队形知识库选择合理的避障队形进行切换,确保编队顺利通过障碍物;
(4)编队最后一个机器人通过障碍物区域时,设计队形快速恢复函数使避障编队快速切换到初始队形;
(5)恢复初始队形,到达目标点。
2.根据权利要求1所述的多移动机器人编队避障控制方法,其特征在于:步骤(1)具体如下:
针对编队控制中常用的队形建立队形数据库,采用领航者法进行编队控制,为了表示机器人之间的相互关系及队形的形状参数,定义队形形状的参数信息矩阵通用公式如下:
Fm=[Fx1 Fx2 ... Fxn]4×n (1)
Fxj=[f1j f2j f3j f4j]T (2)
4.根据权利要求3所述的多移动机器人编队避障控制方法,其特征在于:步骤(3)具体如下:
根据d与d0大小选择避障策略从队形数据库选择避障队形,设d-d0=k,当k<0时,编队需要选择一字型编队通过障碍物;当k=0时,编队中的机器人需要改变跟随者与领航者的跟随角度来缩小队形,减小队形的宽度;当k>0时,编队保持初始队形,即可通过障碍物;其中d0为初始编队队形宽度。
5.根据权利要求4所述的多移动机器人编队避障控制方法,其特征在于:步骤(4)具体如下:
当编队中的机器人最后一个通过障碍物时,改变编队队形需要从避障队形切换到初始队形,继续执行任务;
设避障后领航者位姿为:
P(t)=[x1 y1 φ1]T (5)
其中,(x1,y1)为领航者的坐标,φ1为领航者的方向角;
设队形快速恢复函数为:
P(t)=(p0-p∞)e-μt+p∞ (6)
其中,μ>0,p0为初始值即避障后虚拟领航者位置状态量,p∞为p(t)的稳态值即恢复队形后的位置状态量,μt为收敛系数;p(t)按指数快速递减到p∞的值,可实现队形以指数形式快速恢复。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110194494.1A CN112987732A (zh) | 2021-02-20 | 2021-02-20 | 基于人工势场法的多移动机器人编队避障控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110194494.1A CN112987732A (zh) | 2021-02-20 | 2021-02-20 | 基于人工势场法的多移动机器人编队避障控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112987732A true CN112987732A (zh) | 2021-06-18 |
Family
ID=76394076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110194494.1A Pending CN112987732A (zh) | 2021-02-20 | 2021-02-20 | 基于人工势场法的多移动机器人编队避障控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112987732A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114063614A (zh) * | 2021-10-27 | 2022-02-18 | 山东科技大学 | 基于机载单目视觉感知的多小型机器人系统混合队形快速收敛方法 |
CN114489060A (zh) * | 2022-01-14 | 2022-05-13 | 珠海云洲智能科技股份有限公司 | 无人船编队控制方法、终端设备及计算机可读存储介质 |
CN114706421A (zh) * | 2022-04-02 | 2022-07-05 | 广东工业大学 | 一种多无人机编队穿越框形障碍物方法 |
CN115237130A (zh) * | 2022-07-25 | 2022-10-25 | 中国安全生产科学研究院 | 基于虚拟领航-跟随者的多机器人编队控制方法 |
CN116540709A (zh) * | 2023-05-11 | 2023-08-04 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
CN116859960A (zh) * | 2023-07-28 | 2023-10-10 | 哈尔滨理工大学 | 一种多uuv队形切换与编队避障的自适应方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825901A (zh) * | 2010-03-31 | 2010-09-08 | 北京航空航天大学 | 基于人工物理法的多智能体机器人协同控制方法 |
DE102011000009A1 (de) * | 2011-01-03 | 2012-07-05 | Vorwerk & Co. Interholding Gmbh | Verfahren zur gleichzeitigen Bestimmung und Kartenbildung |
CN111290429A (zh) * | 2019-12-16 | 2020-06-16 | 南京信息工程大学 | 一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法 |
CN111813121A (zh) * | 2020-07-13 | 2020-10-23 | 陕西理工大学 | 基于距离-角度优先级的多移动机器人编队避障方法 |
-
2021
- 2021-02-20 CN CN202110194494.1A patent/CN112987732A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101825901A (zh) * | 2010-03-31 | 2010-09-08 | 北京航空航天大学 | 基于人工物理法的多智能体机器人协同控制方法 |
DE102011000009A1 (de) * | 2011-01-03 | 2012-07-05 | Vorwerk & Co. Interholding Gmbh | Verfahren zur gleichzeitigen Bestimmung und Kartenbildung |
CN111290429A (zh) * | 2019-12-16 | 2020-06-16 | 南京信息工程大学 | 一种基于一致性算法和人工势场方法的无人机编队及其避障控制方法 |
CN111813121A (zh) * | 2020-07-13 | 2020-10-23 | 陕西理工大学 | 基于距离-角度优先级的多移动机器人编队避障方法 |
Non-Patent Citations (7)
Title |
---|
任立敏 等: "障碍环境下多移动机器人动态优化队形变换", 《机器人》 * |
席鹏雪: "多智能体编队控制及避障研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
张凤 等: "基于Leader-follower与人工势场的多移动机器人编队控制", 《沈阳建筑大学学报(自然科学版)》 * |
张小兢: "复杂环境下多机器人编队控制系统研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
温家鑫 等: "基于改进人工势场的无人机编队避障", 《飞行力学》 * |
王建格: "基于ISRV的路径规划与编队控制", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
许媛: "轮式移动机器人编队避障控制方法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114063614A (zh) * | 2021-10-27 | 2022-02-18 | 山东科技大学 | 基于机载单目视觉感知的多小型机器人系统混合队形快速收敛方法 |
CN114063614B (zh) * | 2021-10-27 | 2023-07-25 | 山东科技大学 | 基于机载单目视觉感知的多小型机器人系统混合队形快速收敛方法 |
CN114489060A (zh) * | 2022-01-14 | 2022-05-13 | 珠海云洲智能科技股份有限公司 | 无人船编队控制方法、终端设备及计算机可读存储介质 |
CN114489060B (zh) * | 2022-01-14 | 2023-06-30 | 珠海云洲智能科技股份有限公司 | 无人船编队控制方法、终端设备及计算机可读存储介质 |
CN114706421A (zh) * | 2022-04-02 | 2022-07-05 | 广东工业大学 | 一种多无人机编队穿越框形障碍物方法 |
CN115237130A (zh) * | 2022-07-25 | 2022-10-25 | 中国安全生产科学研究院 | 基于虚拟领航-跟随者的多机器人编队控制方法 |
CN116540709A (zh) * | 2023-05-11 | 2023-08-04 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
CN116540709B (zh) * | 2023-05-11 | 2023-11-14 | 江苏博发机器人智能装备有限公司 | 一种基于机器人编队的避障路径规划方法 |
CN116859960A (zh) * | 2023-07-28 | 2023-10-10 | 哈尔滨理工大学 | 一种多uuv队形切换与编队避障的自适应方法 |
CN116859960B (zh) * | 2023-07-28 | 2024-02-20 | 哈尔滨理工大学 | 一种多uuv队形切换与编队避障的自适应方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112987732A (zh) | 基于人工势场法的多移动机器人编队避障控制方法 | |
KR101339480B1 (ko) | Rrt 기반의 듀얼 트리 구조를 이용한 이동 로봇의 궤적 계획 방법 | |
Wang et al. | Hierarchical path planning of unmanned surface vehicles: a fuzzy artificial potential field approach | |
CN110398967B (zh) | 一种采用离散化方法的多机器人协同轨迹信息处理方法 | |
CN103926839A (zh) | 一种轮式移动机器人的运动分段控制方法 | |
CN109491389A (zh) | 一种具有速度约束的机器人轨迹跟踪方法 | |
CN111813121A (zh) | 基于距离-角度优先级的多移动机器人编队避障方法 | |
Hu et al. | Plug and play distributed model predictive control for heavy duty vehicle platooning and interaction with passenger vehicles | |
CN111781922B (zh) | 一种基于深度强化学习的多机器人协同导航方法 | |
Moe et al. | Stability analysis for set-based control within the singularity-robust multiple task-priority inverse kinematics framework | |
Babu et al. | Model predictive control for autonomous driving considering actuator dynamics | |
Jia et al. | Research on cooperative area search of multiple underwater robots based on the prediction of initial target information | |
CN112731942A (zh) | 一种基于改进领航者虚拟结构法的多auv编队控制方法 | |
CN115933644A (zh) | 一种基于改进人工势场法的多无人车编队整体避障方法 | |
CN110162053A (zh) | 异构多无人艇编队的自适应行为融合方法 | |
Yan et al. | Flocking and collision avoidance for a dynamic squad of fixed-wing UAVs using deep reinforcement learning | |
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 | |
CN115033016A (zh) | 一种异构无人集群编队避障方法及系统 | |
Tang et al. | Integrated decision making and planning framework for autonomous vehicle considering uncertain prediction of surrounding vehicles | |
Fridovich-Keil et al. | Approximate solutions to a class of reachability games | |
Liu et al. | Extended model predictive control scheme for smooth path following of autonomous vehicles | |
Xi et al. | MPC based motion control of car-like vehicle swarms | |
Sarvesh et al. | Reshaping local path planner | |
CN111121804A (zh) | 一种具有安全性约束的智能车辆路径规划方法及系统 | |
Li et al. | Neural-fuzzy control of truck backer-upper system using a clustering method |
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 |