CN113268064A - 一种考虑通信时延的多移动机器人协同编队控制方法 - Google Patents
一种考虑通信时延的多移动机器人协同编队控制方法 Download PDFInfo
- Publication number
- CN113268064A CN113268064A CN202110743581.8A CN202110743581A CN113268064A CN 113268064 A CN113268064 A CN 113268064A CN 202110743581 A CN202110743581 A CN 202110743581A CN 113268064 A CN113268064 A CN 113268064A
- Authority
- CN
- China
- Prior art keywords
- formula
- mobile
- robot
- mobile robot
- following
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 115
- 238000004891 communication Methods 0.000 title claims abstract description 35
- 238000000034 method Methods 0.000 title claims abstract description 22
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 29
- 150000001875 compounds Chemical class 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000009466 transformation Effects 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 10
- 230000002411 adverse Effects 0.000 abstract description 4
- 238000009795 derivation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 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
- G05D1/0212—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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
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)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种考虑通信时延的多移动机器人协同编队控制方法,具体步骤如下:建立考虑通信时时延和外部扰动的多移动机器人协同编队控制系统数学模型;基于协同编队误差动态方程设计跟随移动机器人的虚拟控制律;协同编队移动机器人的控制力矩设计;协同编队移动机器人控制算法的稳定性分析。本发明所述移动机器人协同编队控制方法可以实现协同编队误差的有限时间收敛,消除通信时延对协同编队控制效果的不利影响,提高协同编队系统的抗干扰能力。
Description
技术领域
本发明涉及多移动机器人控制技术领域,尤其涉及一种考虑通信时延的多移动机器人协同编队控制方法。
背景技术
移动机器人协同编队系统是由多个结构独立的小型移动机器人组成,各移动机器人之间利用无线通信设备与协同编队系统内的移动机器人进行信息交互,实现协同工作,以保持特定的队形和相对位姿,进而完成规定的作业任务。近年来,多移动机器人协同编队控制作为机器人领域的一个重要分支在军事和民用领域有着重要而广泛的应用,如无人机协同作战、空中侦察、战场搜救、资源勘探、环境监测等。
然而,在实际的移动机器人协同编队系统中存在诸多不确定性因素,如移动机器人的检测噪声、时变扰动以及地面摩擦力动态等。因此,在协同编队控制器设计时如果没有考虑系统的动力学特性进行协同编队控制器的设计就很难实现高性能的协同编队控制。另外,在多移动机器人协同编队系统中,各移动机器人通过无线网络进行系统信息的传输与共享,相比于有线通信网络,无线通信网络的带宽资源更加有限,信息的传输延迟问题更为严重。因此,在移动机器人的协同编队控制器设计中需要重点考虑移动机器人间的通信时延问题以及外部扰动问题。
由于终端滑模技术对系统扰动具有很强的鲁棒性,且可以实现系统状态变量的有限时间稳定。但为了进一步提高协同编队控制器的鲁棒性能,需结合观测器技术对系统的总和扰动进行估计并在协同编队控制器设计中对该值加以有效利用。
发明内容
本发明目的就是为了弥补已有技术的缺陷,提供一种考虑通信时延的多移动机器人协同编队控制方法。
本发明是通过以下技术方案实现的:
一种考虑通信时延的多移动机器人协同编队控制方法,具体步骤如下:
步骤(1),建立考虑通信时时延和外部扰动的多移动机器人协同编队控制系统数学模型。
步骤(1.1)对于由两个驱动轮及一个随动轮构成的欠驱动轮式移动机器人,当采用主从协同编队控制策略将n个移动机器人构成协同编队系统时,其协同编队队形可分解为若干个如图1所示的队形结构。其中,第i(i=1,2,3,…,n)个移动机器人的运动学和动力学模型可描述为如下方程:
式中,qi=[xi,yi,θi]T∈R3表示移动机器人的位姿向量;ui=[vi,ωi]T∈R2表示移动机器人的速度向量,由移动机器人的线速度和角速度组成;表示正定惯性矩阵;Fi∈R2表示地面摩擦力动态向量;τdi∈R2表示外部时变有界扰动;为移动机器人输入力矩变换阵,其中,ri为驱动轮半径,bi为移动机器人的宽度;τi=[τ1i,τ2i]T∈R2表示系统输入力矩向量。
在进行协同编队控制时移动机器人间通过无线网络进行通信链接。然而,由于网络诱导时延的存在系统控制性能将受到严重影响,尤其是当协同编队的移动机器人数量较多时,时延问题将更加突出。所以,在协同编队控制中需要研究通信时延对协同编队控制带来的不利影响。
步骤(1.2)考虑网络诱导时延的影响,移动机器人的动力学模型可建模为
式中,di(t)为网络诱导时延。
由于系统控制信号为连续且有界的信号,故网络诱导时延d(t)可以看成系统的扰动信号:
fi=Bi[τi(t-di(t))-τi(t)] (3)
由此,可以将系统的地面摩擦力动态、外部扰动以及网络诱导时延建模为系统的总和扰动,考虑网络诱导时延的移动机器人动力学模型(2)可重写为
步骤(1.3)Leader Robot为领航机器人,其在协同编队系统中的作用是为与其组成协同编队的跟随机器人提供期望轨迹。假设领航移动机器人的轨迹由其运动学模型产生,并通过无线网络将产生的相关轨迹信息发送给跟随移动机器人。领航机器人LeaderRobot产生的期望轨迹具有如下形式:
式中,q0=[x0,y0,θ0]T∈R3为领航移动机器人的位姿坐标;v0为领航移动机器人的线速度;ω0为领航移动机器人的角速度。
步骤(1.4)为了取得协同编队控制,首先,在领航机器人本地坐标系中定义期望的协同编队相对距离lid及相对方向角θid。然后,通过坐标变换得到跟随移动机器人i参考点需要跟踪的期望坐标:
式中,[xid,yid]T∈R2表示跟随机器人i的期望轨迹在全局坐标系XOY中的坐标表示。
步骤(1.5)本发明选取跟随移动机器人本地坐标系xbi轴正向上的一点pi作为跟随移动机器人的参考点,其坐标在全局坐标系XOY中可表示为Li表示参考点与跟随移动机器人本地坐标系原点的间距。从而,协同编队控制误差方程可定义为:
步骤(1.6)对式(7)求时间导数,并结合式(1)和式(6)可得多移动机器人协同编队控制的误差动态方程:
协同编队控制目标为在考虑协同编队系统的通信时延以及外部扰动的情况下,设计非奇异终端滑模控制器,使得多移动机器人系统的协同编队误差能够达到有限时间收敛,同时协同编队系统对系统的总和扰动具有较强的鲁棒性能。
步骤2,为了实现协同编队控制目标,首先基于协同编队误差动态方程式(9)设计跟随移动机器人i的虚拟控制律vci,ωci。
步骤(2.1)设计如下的李亚普诺夫函数:
对式(10)求导可得:
步骤(2.2)由式(11),式(12),设计uvi及uωi为
式中,k1i>0,k2i>0,0<α1i<1,k3i>0,k4i>0,0<α2i<1为虚拟控制律的设计参数;sign(·)为符号函数。
步骤(2.3)将式(13),(14)代入式(11),(12)可得:
步骤(2.4)进一步,由式(9)可得虚拟控制律:
步骤3,协同编队移动机器人的控制力矩设计:
步骤(3.1)由于跟随移动机器人的驱动力矩由其动力学模型给出。因此,接下来需要结合移动机器人i的动力学模型设计控制力矩,以获得跟随移动机器人i的实际控制力矩输入。定义速度跟踪误差向量:
步骤(3.2)为提高速度跟踪误差的收敛速度,本发明设计如下的终端滑模面:
对式(19)求导可得:
步骤(3.3)由式(20),跟随移动机器人i的控制力矩设计为
式中,usi=sign(Si);sign(Si)=[sign(s1i),sign(s2i)]T;为第i个跟随机器人的总和扰动估计值;K5i=diag{k51i,k52i}>0,K6i=diag{k61i,k62i}>0为正定的控制增益矩阵;设计参数β2i需要满足条件:0<β2i<1。
由式(21)可知,在控制力矩设计中需要得到第i个跟随移动机器人的总和扰动估计信息。尽管跟随移动机器人的总和扰动难以通过相应的传感器进行测量,但可以通过设计扰动观测器获得其准确的估计值。
本发明采用自抗扰控制技术设计线性扩张状态观测器对由移动机器人的地面摩擦力动态、外部时变扰动以及通信时延所引起的总和扰动进行在线估计。
式中,η1i=diag{η11i,η12i},η2i=diag{η21i,η22i}为待设计的观测器增益矩阵。
步骤(3.6)由式(22),式(23)可得观测误差动态方程:
步骤(3.7)由式(24)可得观测误差动态方程的特征多项式:
P(s)=s2I+η1is+η2i (25)
式中,I为单位阵;s为特征值。
步骤4,协同编队移动机器人控制算法的稳定性分析:
步骤(4.1)设计李亚普诺夫函数:
步骤(4.2)对式(27)求时间的导数并将式(15)、式(16)及式(20)代入可得:
将跟随移动机器人i的控制力矩式(21)代入式(28)可得:
步骤(4.5)由于控制力矩式(21)中含有切换控制项usi,这会引起系统控制信号的抖震问题,从而影响控制效果,本发明通过采用边界层的办法解决这一问题。
本发明的优点是:本发明可实现协同编队误差的有限时间收敛,从而加快协同编队系统的响应速度。另外,通过将协同编队移动机器人间的通信时延、移动机器人的地面摩擦力动态以及外部时变扰动建模为系统的总和扰动,并在控制算法设计中对其加以估计和补偿。这不仅可以消除通信时延对协同编队控制效果的不利影响,而且也提高了系统的抗干扰能力,从而为协同编队系统任务的顺利执行提供了可靠的保障。
附图说明
图1为本发明所述一种考虑通信时延的多移动机器人协同编队结构示意图。
图2a为本发明所述跟随移动机器人Follower Robot 1X轴向的协同编队误差。
图2b为本发明所述跟随移动机器人Follower Robot 1Y轴向的协同编队误差。
图3a为本发明所述跟随移动机器人Follower Robot 1对总和扰动Δ11的估计情况。
图3b为本发明所述跟随移动机器人Follower Robot 1对总和扰动Δ21的估计情况。
图4a为本发明所述跟随移动机器人Follower Robot 1采用算法1的控制信号。
图4b为本发明所述跟随移动机器人Follower Robot 1采用算法2的控制信号。
图5a为本发明所述跟随移动机器人Follower Robot 2X轴向的协同编队误差。
图5b为本发明所述跟随移动机器人Follower Robot 2Y轴向的协同编队误差。
图6a为本发明所述跟随移动机器人Follower Robot 2对总和扰动Δ12的估计情况。
图6b为本发明所述跟随移动机器人Follower Robot 2对总和扰动Δ22的估计情况。
图7a为本发明所述跟随移动机器人Follower Robot 2采用算法1的控制信号。
图7b为本发明所述跟随移动机器人Follower Robot 2采用算法2的控制信号。
图8为本发明所述多移动机器人三角形协同编队控制效果图。
具体实施方式
为了更直观地说明本发明的技术方案和技术优势,下面结合具体实施例对本发明的技术方案做进一步描述,参照图1--图8。
一种考虑通信时延的多移动机器人协同编队控制方法,具体步骤如下:
步骤(1),建立考虑通信时时延和外部扰动的多移动机器人协同编队控制系统数学模型。
步骤(1.1)对于由两个驱动轮及一个随动轮构成的欠驱动轮式移动机器人,当采用主从协同编队控制策略将n个移动机器人构成协同编队系统时,其协同编队队形可分解为若干个如图1所示的队形结构。其中,第i(i=1,2,3,…,n)个移动机器人的运动学和动力学模型可描述为如下方程:
式中,qi=[xi,yi,θi]T∈R3表示移动机器人的位姿向量;ui=[vi,ωi]T∈R2表示移动机器人的速度向量,由移动机器人的线速度和角速度组成;表示正定惯性矩阵;Fi∈R2表示地面摩擦力动态向量;τdi∈R2表示外部时变有界扰动;为移动机器人输入力矩变换阵,其中,ri为驱动轮半径,bi为移动机器人的宽度;τi=[τ1i,τ2i]T∈R2表示系统输入力矩向量。
在进行协同编队控制时移动机器人间通过无线网络进行通信链接。然而,由于网络诱导时延的存在系统控制性能将受到严重影响,尤其是当协同编队的移动机器人数量较多时,时延问题将更加突出。所以,在协同编队控制中需要研究通信时延对协同编队控制带来的不利影响。
步骤(1.2)考虑网络诱导时延的影响,移动机器人的动力学模型可建模为
式中,di(t)为网络诱导时延。
由于系统控制信号为连续且有界的信号,故网络诱导时延d(t)可以看成系统的扰动信号:
fi=Bi[τi(t-di(t))-τi(t)] (3)
由此,可以将系统的地面摩擦力动态、外部扰动以及网络诱导时延建模为系统的总和扰动,考虑网络诱导时延的移动机器人动力学模型(2)可重写为
步骤(1.3)图1中,Leader Robot为领航机器人,其在协同编队系统中的作用是为与其组成协同编队的跟随机器人提供期望轨迹。假设领航移动机器人的轨迹由其运动学模型产生,并通过无线网络将产生的相关轨迹信息发送给跟随移动机器人。领航机器人Leader Robot产生的期望轨迹具有如下形式:
式中,q0=[x0,y0,θ0]T∈R3为领航移动机器人的位姿坐标;v0为领航移动机器人的线速度;ω0为领航移动机器人的角速度。
步骤(1.4)为了取得协同编队控制,首先,在领航机器人本地坐标系中定义期望的协同编队相对距离lid及相对方向角θid。然后,通过坐标变换得到跟随移动机器人i参考点需要跟踪的期望坐标:
式中,[xid,yid]T∈R2表示跟随机器人i的期望轨迹在全局坐标系XOY中的坐标表示。
步骤(1.5)本发明选取跟随移动机器人本地坐标系xbi轴正向上的一点pi作为跟随移动机器人的参考点,其坐标在全局坐标系XOY中可表示为Li表示参考点与跟随移动机器人本地坐标系原点的间距。从而,协同编队控制误差方程可定义为:
步骤(1.6)对式(7)求时间导数,并结合式(1)和式(6)可得多移动机器人协同编队控制的误差动态方程:
协同编队控制目标为在考虑协同编队系统的通信时延以及外部扰动的情况下,设计非奇异终端滑模控制器,使得多移动机器人系统的协同编队误差能够达到有限时间收敛,同时协同编队系统对系统的总和扰动具有较强的鲁棒性能。
步骤2,为了实现协同编队控制目标,首先基于协同编队误差动态方程式(9)设计跟随移动机器人i的虚拟控制律vci,ωci。
步骤(2.1)设计如下的李亚普诺夫函数:
对式(10)求导可得:
步骤(2.2)由式(11),式(12),设计uvi及uωi为
式中,k1i>0,k2i>0,0<α1i<1,k3i>0,k4i>0,0<α2i<1为虚拟控制律的设计参数;sign(·)为符号函数。
步骤(2.3)将式(13),(14)代入式(11),(12)可得:
步骤(2.4)进一步,由式(9)可得虚拟控制律:
步骤3,协同编队移动机器人的控制力矩设计:
步骤(3.1)由于跟随移动机器人的驱动力矩由其动力学模型给出。因此,接下来需要结合移动机器人i的动力学模型设计控制力矩,以获得跟随移动机器人i的实际控制力矩输入。定义速度跟踪误差向量:
步骤(3.2)为提高速度跟踪误差的收敛速度,本发明设计如下的终端滑模面:
对式(19)求导可得:
步骤(3.3)由式(20),跟随移动机器人i的控制力矩设计为
式中,usi=sign(Si);sign(Si)=[sign(s1i),sign(s2i)]T;为第i个跟随机器人的总和扰动估计值;K5i=diag{k51i,k52i}>0,K6i=diag{k61i,k62i}>0为正定的控制增益矩阵;设计参数β2i需要满足条件:0<β2i<1。
由式(21)可知,在控制力矩设计中需要得到第i个跟随移动机器人的总和扰动估计信息。尽管跟随移动机器人的总和扰动难以通过相应的传感器进行测量,但可以通过设计扰动观测器获得其准确的估计值。
本发明采用自抗扰控制技术设计线性扩张状态观测器对由移动机器人的地面摩擦力动态、外部时变扰动以及通信时延所引起的总和扰动进行在线估计。
式中,η1i=diag{η11i,η12i},η2i=diag{η21i,η22i}为待设计的观测器增益矩阵。
步骤(3.6)由式(22),式(23)可得观测误差动态方程:
步骤(3.7)由式(24)可得观测误差动态方程的特征多项式:
P(s)=s2I+η1is+η2i (25)
式中,I为单位阵;s为特征值。
步骤4,协同编队移动机器人控制算法的稳定性分析:
步骤(4.1)设计李亚普诺夫函数:
步骤(4.2)对式(27)求时间的导数并将式(15)、式(16)及式(20)代入可得:
将跟随移动机器人i的控制力矩式(21)代入式(28)可得:
步骤(4.5)由于控制力矩式(21)中含有切换控制项usi,这会引起系统控制信号的抖震问题,从而影响控制效果,本发明通过采用边界层的办法解决这一问题。
为更好地说明本发明所述控制方法的有效性,仿真研究中对两种不同的控制算法进行了对比研究。其中,算法1(M1):为本发明所述的控制算法,虚拟控制律vci,ωci设计如式(17),控制力矩设计如式(21),线性扩张状态观测器设计如式(23)。算法2(M2):为对比算法,虚拟控制律及控制力矩设计与M1相同,但该算法没有考虑总和扰动的估计问题。
该实施例中共有三个移动机器人:Leader Robot,Follower Robot1,FollowerRobot2。
领航移动机器人的线速度v0设置为v0=0.4m/s,角速度ω0设置为ω0=0.1rad/s,初始位姿坐标设置为q0=[0,0,0]T。跟随移动机器人Robot1的物理参数设置为m1=10kg,I1=4.02kg·m2,r1=0.1m,b1=0.16m,L1=1.5m,初始位姿坐标设置为[-2,0.1,π/9]T;跟随移动机器人Robot2的物理参数设置为m2=10kg,I2=4.02kg·m2,r2=0.1m,b2=0.16m,L2=1.5m,初始位姿坐标设置为[-2,-1.2,π/9]T。
两种算法中的控制器参数设置相同,跟随移动机器人Robot1的控制器参数设置为:k11=12,k21=0.1,α11=0.6,k31=14,k41=0.1,α21=0.6,λ1=diag{6,6},β11=0.9,K51=diag{0.6,0.6},K61=diag{0.8,0.8},β21=0.6;跟随移动机器人Robot2的控制器参数设置为:k12=12,k22=0.1,α12=0.6,k32=14,k42=0.1,α22=0.6,λ2=diag{6,6},β12=0.9,K52=diag{0.9,0.8},K62=diag{0.7,0.7},β22=0.6;ρ1=ρ2=1.5。算法1中两跟随机器人的观测器参数设置为
假设2跟随移动机器人所受到的地面摩擦力动态矢量为F1=F2=[sin(t)+2.4,cos(t)+2.4]T;所受到的外部时变有界扰动τd1=τd2=[0.1sin(t)+2,0.5cos(t)+0.4]T;网络诱导时延迟d1(t)=d2(t)=5ms。
两种控制方法的仿真实验结果如图2--图8所示,图2和图5分别为跟随移动机器人Follower Robot1和Follower Robot2的协同编队误差;图3和图6分别为跟随移动机器人Follower Robot1和Follower Robot2采用算法1控制时对系统总和扰动的估计情况;图4和图7分别为跟随移动机器人Follower Robot1和Follower Robot2采用算法1及算法2控制时的控制信号。由图2、图5可见算法M1可以很好地实现对于具有通信时延和外部扰动的多移动机器人协同编队系统的控制,终端滑模控制可以使协同编队系统的速度跟踪误差实现有限时间收敛,而且在相同控制器参数的情况下,算法M1比算法M2有更好的控制效果,说明协同编队控制算法设计中通过对系统总和扰动的在线估计及补偿,不仅可以提高系统的鲁棒性能,而且可以提高系统的稳态控制精度。
Claims (6)
1.一种考虑通信时延的多移动机器人协同编队控制方法,其特征在于:具体步骤如下:
步骤(1):建立考虑通信时时延和外部扰动的多移动机器人协同编队控制系统数学模型,得到多移动机器人协同编队控制的误差动态方程;
步骤(2):基于多移动机器人协同编队控制的误差动态方程设计跟随移动机器人i的虚拟控制律vci,ωci;
步骤(3):根据得到的虚拟控制律设计协同编队移动机器人的控制力矩;
步骤(4):基于李亚普诺夫稳定性理论对协同编队移动机器人控制算法进行稳定性分析。
2.根据权利要求1所述的一种考虑通信时延的多移动机器人协同编队控制方法,其特征在于:步骤(1)所述的建立考虑通信时时延和外部扰动的多移动机器人协同编队控制系统数学模型,得到多移动机器人协同编队控制的误差动态方程,具体如下:
步骤(1.1)、所述多移动机器人是由两个驱动轮及一个随动轮构成的欠驱动轮式移动机器人,采用主从协同编队控制策略将n个移动机器人构成协同编队系统,其协同编队队形分解为若干个队形结构,其中,第i(i=1,2,3,…,n)个移动机器人的运动学和动力学模型描述为如下方程:
式中,qi=[xi,yi,θi]T∈R3表示移动机器人的位姿向量;ui=[vi,ωi]T∈R2表示移动机器人的速度向量,由移动机器人的线速度和角速度组成;表示正定惯性矩阵;Fi∈R2表示地面摩擦力动态向量;τdi∈R2表示外部时变有界扰动;为移动机器人输入力矩变换阵,其中,ri为驱动轮半径,bi为移动机器人的宽度;τi=[τ1i,τ2i]T∈R2表示系统输入力矩向量;
步骤(1.2)、考虑网络诱导时延的影响,移动机器人的动力学模型建模为
式中,di(t)为网络诱导时延;
由于系统控制信号为连续且有界的信号,故网络诱导时延d(t)看成系统的扰动信号:
fi=Bi[τi(t-di(t))-τi(t)] (3)
将系统的地面摩擦力动态、外部扰动以及网络诱导时延建模为系统的总和扰动,考虑网络诱导时延的移动机器人动力学模型(2)重写为
步骤(1.3)、通过领航机器人为与其组成协同编队的跟随机器人提供期望轨迹,假设领航移动机器人的轨迹由其运动学模型产生,并通过无线网络将产生的相关轨迹信息发送给跟随移动机器人,领航机器人产生的期望轨迹具有如下形式:
式中,q0=[x0,y0,θ0]T∈R3为领航移动机器人的位姿坐标;v0为领航移动机器人的线速度;ω0为领航移动机器人的角速度;
步骤(1.4)、在领航机器人本地坐标系中定义期望的协同编队相对距离lid及相对方向角θid,通过坐标变换得到跟随移动机器人i参考点需要跟踪的期望坐标:
式中,[xid,yid]T∈R2表示跟随机器人i的期望轨迹在全局坐标系XOY中的坐标表示;
步骤(1.5)、选取跟随移动机器人本地坐标系xbi轴正向上的一点pi作为跟随移动机器人的参考点,其坐标在全局坐标系XOY中表示为Li表示参考点与跟随移动机器人本地坐标系原点的间距,从而,协同编队控制误差方程定义为:
步骤(1.6)、对式(7)求时间导数,并结合式(1)和式(6)得多移动机器人协同编队控制的误差动态方程:
4.根据权利要求3所述的一种考虑通信时延的多移动机器人协同编队控制方法,其特征在于:步骤(3)所述的根据得到的虚拟控制律设计协同编队移动机器人的控制力矩,具体如下:
步骤(3.1)、结合移动机器人i的动力学模型设计控制力矩,以获得跟随移动机器人i的实际控制力矩输入,定义速度跟踪误差向量:
步骤(3.2)、设计如下的终端滑模面:
对式(19)求导得:
步骤(3.3)由式(20),跟随移动机器人i的控制力矩设计为
式中,usi=sign(Si);sign(Si)=[sign(s1i),sign(s2i)]T;为第i个跟随机器人的总和扰动估计值;K5i=diag{k51i,k52i}>0,K6i=diag{k61i,k62i}>0为正定的控制增益矩阵;设计参数β2i需要满足条件:0<β2i<1;
式中,η1i=diag{η11i,η12i},η2i=diag{η21i,η22i}为待设计的观测器增益矩阵;
步骤(3.6)、由式(22)、式(23)得观测误差动态方程:
步骤(3.7)、由式(24)得观测误差动态方程的特征多项式:
P(s)=s2I+η1is+η2i (25)
式中,I为单位阵;s为特征值;
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110743581.8A CN113268064B (zh) | 2021-07-01 | 2021-07-01 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110743581.8A CN113268064B (zh) | 2021-07-01 | 2021-07-01 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113268064A true CN113268064A (zh) | 2021-08-17 |
CN113268064B CN113268064B (zh) | 2022-09-27 |
Family
ID=77236221
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110743581.8A Active CN113268064B (zh) | 2021-07-01 | 2021-07-01 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113268064B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114489142A (zh) * | 2022-03-28 | 2022-05-13 | 中山大学 | 一种基于自适应滑模的无人机编队控制方法及相关装置 |
CN114527756A (zh) * | 2022-02-22 | 2022-05-24 | 中国人民解放军32021部队 | Gps拒止及复杂电磁条件下多机器人编队控制方法 |
CN115202349A (zh) * | 2022-07-14 | 2022-10-18 | 广州大学 | 基于通信干扰的多移动机器人协同编队控制方法、装置、设备及存储介质 |
CN115453888A (zh) * | 2022-10-10 | 2022-12-09 | 黄山学院 | 基于等效输入扰动观测器的多移动机器人编队控制方法 |
CN115556101A (zh) * | 2022-10-08 | 2023-01-03 | 深圳市智鼎自动化技术有限公司 | 一种多机械手臂协同控制方法及相关装置 |
CN115657463A (zh) * | 2022-05-27 | 2023-01-31 | 安徽大学 | 一种基于能量差异的多机器人分布式最优协同控制算法 |
CN115826417A (zh) * | 2023-02-20 | 2023-03-21 | 北京航空航天大学 | 基于拓扑重构的抗拒绝服务攻击的机器人编队控制方法 |
CN117193368A (zh) * | 2023-10-07 | 2023-12-08 | 中国电子科技集团公司第五十四研究所 | 一种多无人机协同编队避障保性能控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130283926A1 (en) * | 2012-04-26 | 2013-10-31 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Collaborative Robot Manifold Tracker |
CN105404304A (zh) * | 2015-08-21 | 2016-03-16 | 北京理工大学 | 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 |
CN107807521A (zh) * | 2017-09-20 | 2018-03-16 | 北京飞小鹰科技有限责任公司 | 面向固定时间的编队飞行器协同控制方法及系统 |
CN108594845A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种通信限制下基于预测控制的多auv编队方法 |
CN108614426A (zh) * | 2018-06-06 | 2018-10-02 | 黄山学院 | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 |
CN109445447A (zh) * | 2019-01-14 | 2019-03-08 | 北京航空航天大学 | 一种多智能体编队跟踪控制方法及系统 |
CN110879599A (zh) * | 2019-12-12 | 2020-03-13 | 大连海事大学 | 一种基于有限时间扰动观测器的固定时间编队控制方法 |
CN111781945A (zh) * | 2020-06-09 | 2020-10-16 | 南京邮电大学 | 具有随机时延的多智能体编队控制方法 |
-
2021
- 2021-07-01 CN CN202110743581.8A patent/CN113268064B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130283926A1 (en) * | 2012-04-26 | 2013-10-31 | The Government Of The United States Of America, As Represented By The Secretary Of The Navy | Collaborative Robot Manifold Tracker |
CN105404304A (zh) * | 2015-08-21 | 2016-03-16 | 北京理工大学 | 基于归一化神经网络的航天器容错姿态协同跟踪控制方法 |
CN107807521A (zh) * | 2017-09-20 | 2018-03-16 | 北京飞小鹰科技有限责任公司 | 面向固定时间的编队飞行器协同控制方法及系统 |
CN108594845A (zh) * | 2018-03-23 | 2018-09-28 | 哈尔滨工程大学 | 一种通信限制下基于预测控制的多auv编队方法 |
CN108614426A (zh) * | 2018-06-06 | 2018-10-02 | 黄山学院 | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 |
CN109445447A (zh) * | 2019-01-14 | 2019-03-08 | 北京航空航天大学 | 一种多智能体编队跟踪控制方法及系统 |
CN110879599A (zh) * | 2019-12-12 | 2020-03-13 | 大连海事大学 | 一种基于有限时间扰动观测器的固定时间编队控制方法 |
CN111781945A (zh) * | 2020-06-09 | 2020-10-16 | 南京邮电大学 | 具有随机时延的多智能体编队控制方法 |
Non-Patent Citations (1)
Title |
---|
郭一军: "具有控制输入约束的轮式移动机器人轨迹跟踪最优保性能控制", 《系统科学与数学》 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114527756A (zh) * | 2022-02-22 | 2022-05-24 | 中国人民解放军32021部队 | Gps拒止及复杂电磁条件下多机器人编队控制方法 |
CN114489142A (zh) * | 2022-03-28 | 2022-05-13 | 中山大学 | 一种基于自适应滑模的无人机编队控制方法及相关装置 |
CN115657463A (zh) * | 2022-05-27 | 2023-01-31 | 安徽大学 | 一种基于能量差异的多机器人分布式最优协同控制算法 |
CN115657463B (zh) * | 2022-05-27 | 2023-10-13 | 安徽大学 | 一种基于能量差异的多机器人分布式最优协同控制算法 |
CN115202349A (zh) * | 2022-07-14 | 2022-10-18 | 广州大学 | 基于通信干扰的多移动机器人协同编队控制方法、装置、设备及存储介质 |
CN115556101A (zh) * | 2022-10-08 | 2023-01-03 | 深圳市智鼎自动化技术有限公司 | 一种多机械手臂协同控制方法及相关装置 |
CN115453888A (zh) * | 2022-10-10 | 2022-12-09 | 黄山学院 | 基于等效输入扰动观测器的多移动机器人编队控制方法 |
CN115826417A (zh) * | 2023-02-20 | 2023-03-21 | 北京航空航天大学 | 基于拓扑重构的抗拒绝服务攻击的机器人编队控制方法 |
CN117193368A (zh) * | 2023-10-07 | 2023-12-08 | 中国电子科技集团公司第五十四研究所 | 一种多无人机协同编队避障保性能控制方法 |
CN117193368B (zh) * | 2023-10-07 | 2024-02-27 | 中国电子科技集团公司第五十四研究所 | 一种多无人机协同编队避障保性能控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113268064B (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113268064B (zh) | 一种考虑通信时延的多移动机器人协同编队控制方法 | |
CN106444799B (zh) | 基于模糊扩张状态观测器和自适应滑模的四旋翼无人机控制方法 | |
CN108614426B (zh) | 一种基于干扰观测器的多移动机器人编队鲁棒控制方法 | |
CN106773713B (zh) | 针对欠驱动海洋航行器的高精度非线性路径跟踪控制方法 | |
CN107491081B (zh) | 一种抗干扰四旋翼无人机姿态控制方法 | |
CN106406325B (zh) | 基于模糊扩张状态观测器的四旋翼无人机反馈线性化控制方法 | |
CN104865829A (zh) | 多机器人系统分布式自适应神经网络连续跟踪控制方法 | |
Wang et al. | Nonlinear augmented observer design and application to quadrotor aircraft | |
Cong et al. | Formation control for multiquadrotor aircraft: Connectivity preserving and collision avoidance | |
Ali et al. | A Leader‐Follower Formation Control of Multi‐UAVs via an Adaptive Hybrid Controller | |
Rojo-Rodriguez et al. | Robust consensus-based formation flight for multiple quadrotors | |
CN106707749A (zh) | 一种针对仿生扑翼飞行机器人的控制方法 | |
CN112148036A (zh) | 网络化机器人系统的固定时间估计器的双边跟踪控制方法 | |
Wei et al. | Distributed guidance law design for multi-UAV multi-direction attack based on reducing surrounding area | |
CN115576341A (zh) | 基于函数微分和自适应变增益的无人机轨迹跟踪控制方法 | |
CN116382332A (zh) | 一种基于ude的战斗机大机动鲁棒飞行控制方法 | |
Wang et al. | Adaptive fractional‐order nonsingular fast terminal sliding mode formation control of multiple quadrotor UAVs‐based distributed estimator | |
Jia et al. | Distributed control of target cooperative encirclement and tracking using range‐based measurements | |
Enjiao et al. | Finite-time control of formation system for multiple flight vehicles subject to actuator saturation | |
CN112008728B (zh) | 基于选择性扰动补偿的全向移动机器人轨迹跟踪控制方法 | |
CN115453888B (zh) | 基于等效输入扰动观测器的多移动机器人编队控制方法 | |
CN116954258A (zh) | 未知扰动下多四旋翼无人机编队的分层控制方法及装置 | |
Jin et al. | Nonlinear ELM estimator-based path-following control for perturbed unmanned marine systems with prescribed performance | |
Juan et al. | Trajectory tracking control of multi-AUVs formation based on virtual leader | |
Zheng et al. | Prescribed-Time Maneuvering Target Closing for Multiple Fixed-wing UAVs |
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 |