CN113325852A - 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 - Google Patents

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 Download PDF

Info

Publication number
CN113325852A
CN113325852A CN202110646791.5A CN202110646791A CN113325852A CN 113325852 A CN113325852 A CN 113325852A CN 202110646791 A CN202110646791 A CN 202110646791A CN 113325852 A CN113325852 A CN 113325852A
Authority
CN
China
Prior art keywords
leader
agent
formation
follower
obstacles
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
Application number
CN202110646791.5A
Other languages
English (en)
Other versions
CN113325852B (zh
Inventor
陈正
杨霄
陈宣霖
聂勇
唐建中
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang University ZJU
Original Assignee
Zhejiang University ZJU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang University ZJU filed Critical Zhejiang University ZJU
Priority to CN202110646791.5A priority Critical patent/CN113325852B/zh
Publication of CN113325852A publication Critical patent/CN113325852A/zh
Application granted granted Critical
Publication of CN113325852B publication Critical patent/CN113325852B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

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

本发明公开了一种领导跟随者方式的多智能体行进中编队变换控制方法。多个智能体形成队形，构建障碍物检测算法，在智能体实时接近障碍物过程中，判断生成队形形状信号；选取一领导者，剩余作为跟随者，建立路径规划系统，将队形形状信号输入按照所设置的队形形状处理生成领导者和跟随者的预期坐标位置；建立轨迹跟踪控制系统，将领导者和跟随者的预期坐标位置输入生成跟踪控制信号对领导者和跟随者的智能体的移动进行控制。本发明解决了现有不能在避障的同时保持一定的编队形状的问题，实现了多智能体在遇到障碍物的情况下，既具有在常用控制器下良好的编队跟踪性能，又能形成新的编队形状，能有效地实现整体编队完成躲避障碍物的功能。

Description

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
技术领域
本发明属于多智能体群体控制领域的一种多智能体行进移动控制方法，具体来说是一种针对在具有障碍物的环境下多智能体实现在行进中编队变换的控制方法，在保证多智能体轨迹跟踪正常实现的同时，编队可以在遇到障碍物时实现行进中队形的变换，从而躲避障碍物，并在通过障碍物后完成编队的重构。
背景技术
随着自动化技术的发展，多智能体编队控制的水平也在不断提升。由于多智能体的编队控制具有鲁棒性强、效率高和智能化等优势，在军事和民用领域具有广泛需求。在军事领域，多智能体编队可以代替士兵完成情报搜集、区域侦察、巡逻排查、协助排雷等多种作战任务。在民用领域，多智能体编队可以扩大侦察范围、探索海底地形，也可用于海洋环境的监测、海洋地质的勘探以及海上搜救行动中。
目前现有算法在遇到障碍物时不能很好地保持编队的跟踪性能，或者是通过结合势函数的方式达到避障的目的，不能在避障的同时保持一定的编队形状。
发明内容
本发明针对现有的编队控制技术的不足，提出了一种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，用以解决现有的编队控制方式不能在避障的同时保持一定的编队形状的问题，从而实现在领导跟随者方式下，既具有良好的编队跟踪性能，又能形成新的编队形状，同时实现障碍物躲避的功能。
方法将智能体分为领导者和跟随者，领导者跟踪给定的轨迹，跟随者的跟踪轨迹由领导者当前的状态所决定。
为了实现上述目的，本发明具体技术方案如下：
第一步：多个智能体形成队形，构建障碍物检测算法，在智能体实时接近障碍物过程中，判断生成队形形状信号；
第二步：多个智能体中选取一个作为领导者，其他剩余的智能体作为跟随者，建立路径规划系统，将队形形状信号输入到路径规划系统中，按照所设置的队形形状处理生成领导者和跟随者在遇障碍物时在行进中路径规划的预期坐标位置，在遇障碍物时，实现在行进中进行队形的变换；
第三步：建立轨迹跟踪控制系统，将领导者和跟随者的预期坐标位置输入到轨迹跟踪控制系统中生成对应的跟踪控制信号对领导者和跟随者的智能体的移动进行控制，以对路径规划系统的输出结果进行轨迹跟踪。
本发明方法中，包括两个障碍物和多个智能体，两个障碍物的位置已知固定；多个智能体进行移动且实时位置已知进行运动控制。智能体和障碍物在同一平面上，通过本发明进行多个智能体的运动关系的控制。
本发明所述的智能体是指移动机器人。
所述的第一步具体为：
首先，计算智能体在两个障碍物连线方向上的投影：
Figure BDA0003110168090000021
ro＝(xo1-xo2，yo1-yo2)
rij＝(xi-xj，yi-yj)
其中，ro表示两个障碍物之间的距离向量，(xo1，yo1)和(xo2，yo2)表示两个障碍物在全局坐标系上的坐标位置，rij表示第i个智能体和第j个智能体之间的距离向量，(xi，yi)表示第i个智能体在全局坐标系上的位置，(xj，yj)表示第j个智能体在全局坐标系上的位置，N表示智能体的总个数，pij表示第i个智能体和第j个智能体之间的连线到两障碍物连线上的投影长度；||.||表示二范数，|.|表示绝对值；
所述的全局坐标系是在智能体和障碍物所在平面上构建的平面坐标系。
然后，计算各个智能体分别到两个障碍物之间的距离：
Figure BDA0003110168090000022
其中，di1和di2表示第i个智能体分别到两个障碍物之间的距离；
最后，按照以下公式确认设计队形形状信号为：
Figure BDA0003110168090000023
其中，η表示队形形状信号；max{pij}表示所有智能体的投影长度pij中的最大值，min{di1，di2}表示所有智能体到障碍物间的距离中的最小值，k表示小于1的第一正可调参数，r表示队形调整起始距离，为可调参数。
所述第二步具体为：
在第二步中，设计路径规划系统：
Figure BDA0003110168090000024
Figure BDA0003110168090000031
其中，R0(t)表示领导者当前在全局坐标系下的位置，Rfi(t)表示除了领导者以外的作为跟随者的第i个智能体相对于领导者的相对位置；t表示时刻，x0(t)、y0(t)表示t时刻的领导者的横纵坐标位置；Rd0(t)表示领导者路径规划的预期坐标位置，Rdi(t)表示除了领导者以外的作为跟随者的第i个智能体路径规划的预期坐标位置；
结合障碍物检测算法，相对位置Rfi(t)按照以下公式处理获得：
Rfi(t)＝(1-η)Rf1i(t)+ηRf2i(t)
其中，Rf1i(t)表示预设的在未遇到障碍物的情况下作为跟随者的第i个智能体相对于领导者的相对位置，Rf2i(t)表示在遇到障碍物时作为跟随者的第i个智能体相对于领导者的相对位置。
若队形形状信号η＝0，则多个智能体采用Rf1i(t)所决定形状的队形；
若队形形状信号η＝1，则多个智能体采用Rf2i(t)所决定形状的队形。
所述的第二步中，在遇到障碍物时作为跟随者的第i个智能体相对于领导者的相对位置Rf2i(t)计算为：
Figure BDA0003110168090000032
其中，li表示调整队形后作为跟随者的第i个智能体与领导者之间的参考距离，φ(t)为调整角度；
调整角度φ(t)计算为：
Figure BDA0003110168090000033
式中，c为小于1的第二正可调参数，
Figure BDA0003110168090000034
为两个障碍物之间连线的法线方向角度，θ0(t)为当前领导者的方向角。
与现有技术相比，本发明具有如下有益效果：
1、本发明通过设计障碍物检测算法以及路径规划系统，采用基于领导跟随者方式控制多智能体，结合障碍物检测算法设计路径规划系统，用以解决现有的编队控制方式不能在避障的同时保持一定的编队形状的问题，从而实现多智能体在遇到障碍物的情况下，既具有在常用控制器下良好的编队跟踪性能，又能形成新的编队形状。
2、本发明设计的路径规划系统根据障碍物和领导者的位置，对跟随者编队形状进行重新规划，能有效地实现整体编队完成躲避障碍物的功能。
附图说明
图1是本发明方法控制流程框图，具体描述多智能体在编队形成和变换过程中各部分信号的传递情况。
图2是本发明实施例仿真实验中的领导者的预期轨迹图。
图3是本发明实施例仿真实验中的多智能体轨迹示意图。
图4是本发明所设计的编队变换算法在CoppliaSim中的仿真过程图；图4(a)表示多智能体在遇到障碍物前的队形，图4(b)表示多智能体通过障碍物时的队形，图4(c)表示多智能体通过障碍物后的队形。图中粗实线表示领导者的轨迹，细实线表示跟随者的轨迹。
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。
如图1所示，本发明的实施例子及其实施过程具体情况如下：
第一步：多个智能体形成队形，构建障碍物检测算法，在智能体实时接近障碍物过程中，判断生成队形形状信号；
首先，计算智能体在两个障碍物连线方向上的投影：
Figure BDA0003110168090000041
ro＝(xo1-xo2，yo1-yo2)
rij＝(xi-xj，yi-yj)
其中，ro表示两个障碍物之间的距离向量，(xo1，yo1)和(xo2，yo2)表示两个障碍物在全局坐标系上的坐标位置，rij表示第i个智能体和第j个智能体之间的距离向量，(xi，yi)表示第i个智能体在全局坐标系上的位置，(xj，yj)表示第j个智能体在全局坐标系上的位置，N表示智能体的总个数，pij表示第i个智能体和第j个智能体之间的连线到两障碍物连线上的投影长度；||.||表示二范数，|.|表示绝对值；
全局坐标系是在智能体和障碍物所在平面上构建的平面坐标系。
然后，计算各个智能体分别到两个障碍物之间的距离：
Figure BDA0003110168090000042
其中，di1和di2表示第i个智能体分别到两个障碍物之间的距离；
最后，按照以下公式确认设计队形形状信号为：
Figure BDA0003110168090000051
其中，η表示队形形状信号；max{pij}表示所有智能体的投影长度pij中的最大值，min{di1，di2}表示所有智能体到障碍物间的距离中的最小值，k表示小于1的第一正可调参数，r表示队形调整起始距离，为可调参数；
具体实施中，
若队形形状信号η＝0，则多个智能体采用三角形形状的队形；
若队形形状信号η＝1，则多个智能体采用直线形状的队形。
第二步：多个智能体中选取一个作为领导者，其他剩余的智能体作为跟随者，建立路径规划系统，将队形形状信号输入到路径规划系统中，按照所设置的队形形状处理生成领导者和跟随者在遇障碍物时在行进中路径规划的预期坐标位置，实现在遇障碍物时在行进中进行队形的变换；
在第二步中，设计路径规划系统：
Figure BDA0003110168090000052
Figure BDA0003110168090000053
其中，R0(t)表示领导者当前在全局坐标系下的位置，Rfi(t)表示除了领导者以外的作为跟随者的第i个智能体相对于领导者的相对位置；t表示时刻，x0(t)、y0(t)表示t时刻的领导者的横纵坐标位置；Rd0(t)表示领导者路径规划的预期坐标位置，Rdi(t)表示除了领导者以外的作为跟随者的第i个智能体路径规划的预期坐标位置；
结合障碍物检测算法，相对位置Rfi(t)按照以下公式处理获得：
Rfi(t)＝(1-η)Rf1i(t)+ηRf2i(t)
其中，Rf1i(t)表示预设的在未遇到障碍物的情况下作为跟随者的第i个智能体相对于领导者的相对位置，Rf2i(t)表示在遇到障碍物时作为跟随者的第i个智能体相对于领导者的相对位置。
若队形形状信号η＝0，则多个智能体采用Rf1i(t)所决定形状的队形；
若队形形状信号η＝1，则多个智能体采用Rf2i(t)所决定形状的队形。
上述中，Rf1i(t)是预设的值，在遇到障碍物时作为跟随者的第i个智能体相对于领导者的相对位置Rf2i(t)计算为：
Figure BDA0003110168090000061
其中，li表示调整队形后作为跟随者的第i个智能体与领导者之间的参考距离，φ(t)为调整角度；
调整角度φ(t)计算为：
Figure BDA0003110168090000062
式中，c为小于1的第二正可调参数，
Figure BDA0003110168090000063
为两个障碍物之间连线的法线方向角度，θ0(t)为当前领导者的方向角。
第三步：建立轨迹跟踪控制系统，将领导者和跟随者的预期坐标位置输入到轨迹跟踪控制系统中生成对应的跟踪控制信号对领导者和跟随者的智能体的移动进行控制，以对路径规划系统的输出结果进行轨迹跟踪。
最后，对上述的控制方法进行MATLAB/Simulink与CoppeliaSim联合仿真，验证本发明提出的在障碍物下实现行进中编队变换的控制效果。
验证时，取N＝3，即共三个智能体，其中一个领导者，两个跟随者，以这三个智能体作为验证对象。并设置两个障碍物的全局坐标为(9，5.5)和(12，0.5)。
步骤1中第一正可调参数取
Figure BDA0003110168090000064
队形调整起始距离r＝7；步骤2中取l1＝3，l2＝1，第二正可调参数取c＝0.5，对与两个跟随者，设置
Figure BDA0003110168090000065
Figure BDA0003110168090000066
在本例子中，若队形形状信号η＝0，则多个智能体采用三角形形状的队形；
若队形形状信号η＝1，则多个智能体采用直线形状的队形。
建立领导者的目标轨迹为：
Figure BDA0003110168090000067
Figure BDA0003110168090000071
Figure BDA0003110168090000072
式中，t表示时刻，xd表示领导者的预期横坐标随时间变化的函数，yd表示领导者的预期纵坐标随时间变化的函数，θd表示领导者的预期方向角随时间变化的函数，T1表示第一段轨迹的转折时刻，T2表示第二段轨迹的转折时刻，T3表示第三段轨迹的转折时刻，T4表示轨迹的结束时刻。
具体实施在上式中，T1＝4，T2＝4+π，T3＝4+11π，T4＝4+15π。
仿真结果如图2、图3、图4所示。
领导者的预期轨迹如图2所示。
多智能体的仿真轨迹如图3所示，粗实线表示领导者的轨迹曲线，细实线表示跟随者1的轨迹曲线，虚线表示跟随者2的轨迹曲线，圆圈表示障碍物的位置。
图4表示在仿真软件CoppeliaSim中多智能体在运动中关键时刻的编队示意图。图4(a)表示多智能体在遇到障碍物前的队形，在该时刻多智能体形成的队形是三角形；图4(b)表示多智能体通过障碍物时的队形，在该时刻多智能体形成的队形是直线；图4(c)表示多智能体通过障碍物后的队形，在该时刻多智能体形成的队形是三角形。图中粗实线表示领导者的轨迹，细实线表示跟随者的轨迹。由图4可以看出，本发明设计的基于领导跟随者方式控制多智能体队形变换的算法可以解决现有的编队控制方式不能在避障的同时保持一定的编队形状的问题，实现了既具有在常用控制器下良好的编队跟踪性能，又能形成新的编队形状的目的。
同时，本发明设计的路径规划系统根据障碍物和领导者的位置，对跟随者编队形状进行重新规划，能有效地实现整体编队完成躲避障碍物的功能。
以上内容仅为本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (5)

1.一种领导跟随者方式的多智能体行进中编队变换控制方法，其特征在于，方法包括以下步骤：
第一步：多个智能体形成队形，构建障碍物检测算法，在智能体实时接近障碍物过程中，判断生成队形形状信号；
第二步：多个智能体中选取一个作为领导者，其他剩余的智能体作为跟随者，建立路径规划系统，将队形形状信号输入到路径规划系统中，按照所设置的队形形状处理生成领导者和跟随者在遇障碍物时在行进中路径规划的预期坐标位置；
第三步：建立轨迹跟踪控制系统，将领导者和跟随者的预期坐标位置输入到轨迹跟踪控制系统中生成跟踪控制信号对领导者和跟随者的智能体的移动进行控制。
2.根据权利要求1所述的一种领导跟随者方式的多智能体行进中编队变换控制方法，其特征在于：包括两个障碍物和多个智能体，两个障碍物的位置已知固定；多个智能体进行移动且实时位置已知。
3.根据权利要求1所述的一种领导跟随者方式的多智能体行进中编队变换控制方法，其特征在于：所述的第一步具体为：
首先，计算智能体在障碍物连线方向上的投影：
Figure FDA0003110168080000011
ro＝(xo1-xo2，yo1-yo2)
rij＝(xi-xj，yi-yj)
其中，ro表示两个障碍物之间的距离向量，(xo1，yo1)和(xo2，yo2)表示两个障碍物在全局坐标系上的坐标位置，rij表示第i个智能体和第j个智能体之间的距离向量，(xi，yi)表示第i个智能体在全局坐标系上的位置，(xj，yj)表示第j个智能体在全局坐标系上的位置，N表示智能体的总个数，pij表示第i个智能体和第j个智能体之间的连线到两障碍物连线上的投影长度；||.||表示二范数，|.|表示绝对值；
然后，计算各个智能体分别到两个障碍物之间的距离：
Figure FDA0003110168080000012
其中，di1和di2表示第i个智能体分别到两个障碍物之间的距离；
最后，按照以下公式确认设计队形形状信号为：
Figure FDA0003110168080000021
其中，η表示队形形状信号；max{pij}表示所有智能体的投影长度pij中的最大值，min{di1，di2}表示所有智能体到障碍物间的距离中的最小值，k表示小于1的第一正可调参数，r表示队形调整起始距离。
4.根据权利要求1所述的一种领导跟随者方式的多智能体行进中编队变换控制方法，其特征在于：所述第二步具体为：
在第二步中，设计路径规划系统：
Figure FDA0003110168080000022
Figure FDA0003110168080000023
其中，R0(t)表示领导者当前在全局坐标系下的位置，Rfi(t)表示除了领导者以外的作为跟随者的第i个智能体相对于领导者的相对位置；t表示时刻，x0(t)、y0(t)表示t时刻的领导者的横纵坐标位置；Rd0(t)表示领导者路径规划的预期坐标位置，Rdi(t)表示除了领导者以外的作为跟随者的第i个智能体路径规划的预期坐标位置；
相对位置Rfi(t)按照以下公式处理获得：
Rfi(t)＝(1-η)Rf1i(t)+ηRf2i(t)
其中，Rf1i(t)表示预设的在未遇到障碍物的情况下作为跟随者的第i个智能体相对于领导者的相对位置，Rf2i(t)表示在遇到障碍物时作为跟随者的第i个智能体相对于领导者的相对位置。
5.根据权利要求4所述的一种领导跟随者方式的多智能体行进中编队变换控制方法，其特征在于：所述的第二步中，在遇到障碍物时作为跟随者的第i个智能体相对于领导者的相对位置Rf2i(t)计算为：
Figure FDA0003110168080000024
其中，li表示调整队形后作为跟随者的第i个智能体与领导者之间的参考距离，φ(t)为调整角度；
调整角度φ(t)计算为：
Figure FDA0003110168080000031
式中，c为小于1的第二正可调参数，
Figure FDA0003110168080000032
为两个障碍物之间连线的法线方向角度，θ0(t)为当前领导者的方向角。
CN202110646791.5A 2021-06-10 2021-06-10 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 Active CN113325852B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110646791.5A CN113325852B (zh) 2021-06-10 2021-06-10 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

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110646791.5A CN113325852B (zh) 2021-06-10 2021-06-10 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

Publications (2)

Publication Number Publication Date
CN113325852A true CN113325852A (zh) 2021-08-31
CN113325852B CN113325852B (zh) 2022-08-30

Family

ID=77420404

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110646791.5A Active CN113325852B (zh) 2021-06-10 2021-06-10 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

Country Status (1)

Country Link
CN (1) CN113325852B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114879484A (zh) * 2022-04-25 2022-08-09 同济大学 多个非完整移动智能体连接保持的协同控制器设计方法
CN117193335A (zh) * 2023-11-08 2023-12-08 山东大学 一种多智能体系统规避动态障碍物方法及系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
CN108594846A (zh) * 2018-03-23 2018-09-28 哈尔滨工程大学 一种障碍环境下多auv编队队形优化控制方法
US20190286145A1 (en) * 2018-03-14 2019-09-19 Omron Adept Technologies, Inc. Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots
CN110554709A (zh) * 2019-09-06 2019-12-10 哈尔滨工业大学（深圳） 一种分布式的仿生的多智能体自主集群控制方法
CN111123984A (zh) * 2019-11-05 2020-05-08 东莞理工学院 一种基于位置与速度人工势场法的无人机路径规划方法
CN111506079A (zh) * 2020-05-13 2020-08-07 浙江大学 一种考虑障碍物避让的新型无人船虚拟结构编队控制方法
CN112859596A (zh) * 2021-01-07 2021-05-28 浙江大学 一种考虑编队避障的非线性遥操作多边控制方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180074520A1 (en) * 2016-09-13 2018-03-15 Arrowonics Technologies Ltd. Formation flight path coordination of unmanned aerial vehicles
US20190286145A1 (en) * 2018-03-14 2019-09-19 Omron Adept Technologies, Inc. Method and Apparatus for Dynamic Obstacle Avoidance by Mobile Robots
CN108594846A (zh) * 2018-03-23 2018-09-28 哈尔滨工程大学 一种障碍环境下多auv编队队形优化控制方法
CN110554709A (zh) * 2019-09-06 2019-12-10 哈尔滨工业大学（深圳） 一种分布式的仿生的多智能体自主集群控制方法
CN111123984A (zh) * 2019-11-05 2020-05-08 东莞理工学院 一种基于位置与速度人工势场法的无人机路径规划方法
CN111506079A (zh) * 2020-05-13 2020-08-07 浙江大学 一种考虑障碍物避让的新型无人船虚拟结构编队控制方法
CN112859596A (zh) * 2021-01-07 2021-05-28 浙江大学 一种考虑编队避障的非线性遥操作多边控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王中成: "基于NAO多机器人队形保持技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114879484A (zh) * 2022-04-25 2022-08-09 同济大学 多个非完整移动智能体连接保持的协同控制器设计方法
CN114879484B (zh) * 2022-04-25 2024-02-27 同济大学 多个非完整移动智能体连接保持的协同控制器设计方法
CN117193335A (zh) * 2023-11-08 2023-12-08 山东大学 一种多智能体系统规避动态障碍物方法及系统
CN117193335B (zh) * 2023-11-08 2024-04-12 山东大学 一种多智能体系统规避动态障碍物方法及系统

Also Published As

Publication number Publication date
CN113325852B (zh) 2022-08-30

Similar Documents

Publication Publication Date Title
CN108445879B (zh) 一种基于预测碰撞危险区域的无人艇避障方法
Cai et al. Vision-based trajectory planning via imitation learning for autonomous vehicles
CN104049634B (zh) 基于Camshift算法的智能体模糊动态避障方法
CN113325852B (zh) 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
CN107966153B (zh) 水下航行器路径规划算法
CN107168309B (zh) 一种基于行为的多水下机器人路径规划方法
CN108279563B (zh) 一种速度自适应的无人车轨迹跟踪pid控制方法
CN109871031B (zh) 一种固定翼无人机的轨迹规划方法
CN109270933A (zh) 基于圆锥曲线的无人驾驶避障方法、装置、设备及介质
CN109976321A (zh) 一种用于智能驾驶系统的轨迹规划方法及智能驾驶系统
Chen et al. Tracking with UAV using tangent-plus-Lyapunov vector field guidance
Fan et al. Formation control of multiple unmanned surface vehicles using the adaptive null-space-based behavioral method
CN111522351A (zh) 水下机器人三维编队及避障方法
Kim Control laws to avoid collision with three dimensional obstacles using sensors
Zhou et al. A hybrid path planning and formation control strategy of multi-robots in a dynamic environment
CN112327872A (zh) 面向溢油围捕的双无人艇协同轨迹跟踪方法
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
Zhang et al. Multi-UUV path planning based on improved artificial potential field method
CN114564008A (zh) 基于改进A-Star算法的移动机器人路径规划方法
CN116859928A (zh) 一种基于领航者自适应的集群目标跟踪方法
Li et al. An efficient deep reinforcement learning algorithm for Mapless navigation with gap-guided switching strategy
CN113110458B (zh) 一种无人船虚拟目标跟踪控制系统
Liu et al. Research on local real-time obstacle avoidance path planning of unmanned vehicle based on improved artificial potential field method
Mathew et al. Development of waypoint tracking controller for differential drive mobile robot
CN114545971A (zh) 一种通讯约束下多智能体分布式可飞路径规划方法、系统、计算机设备及介质

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
CB03 Change of inventor or designer information

Inventor after: Nie Yong

Inventor after: Chen Zheng

Inventor after: Yang Xiao

Inventor after: Chen Xuanlin

Inventor after: Tang Jianzhong

Inventor before: Chen Zheng

Inventor before: Yang Xiao

Inventor before: Chen Xuanlin

Inventor before: Nie Yong

Inventor before: Tang Jianzhong

CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Nie Yong

Inventor after: Yang Xiao

Inventor after: Chen Xuanlin

Inventor after: Chen Zheng

Inventor after: Tang Jianzhong

Inventor before: Nie Yong

Inventor before: Chen Zheng

Inventor before: Yang Xiao

Inventor before: Chen Xuanlin

Inventor before: Tang Jianzhong

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant