CN113759942B - 一种多智能机器人水下协同围捕控制系统及方法 - Google Patents
一种多智能机器人水下协同围捕控制系统及方法 Download PDFInfo
- Publication number
- CN113759942B CN113759942B CN202111114206.3A CN202111114206A CN113759942B CN 113759942 B CN113759942 B CN 113759942B CN 202111114206 A CN202111114206 A CN 202111114206A CN 113759942 B CN113759942 B CN 113759942B
- Authority
- CN
- China
- Prior art keywords
- underwater
- robot
- information
- trapping
- main controller
- 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
- 230000008569 process Effects 0.000 claims abstract description 21
- 241000282461 Canis lupus Species 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000004891 communication Methods 0.000 claims description 15
- 230000003993 interaction Effects 0.000 claims description 9
- 230000008447 perception Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 5
- 230000004888 barrier function Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Abstract
本公开提供了一种多智能机器人水下协同围捕控制系统及方法,所述包括:水下机器人,所述水下机器人通过水下感知模块对水下环境进行扫描探测,识别出所需围捕的目标物信息;主控制器,所述主控制器读取各水下机器人位置和速度信息以及获得的目标物信息,并通过狼群算法进行路径规划并生成驱动信号;所述主控制器发送驱动信号至各水下机器人的驱动模块,水下机器人到达预设目标围捕点,完成围捕。在围捕动态目标过程中,主控制器根据各节点自身和获取目标物及水下环境数据信息的不断更新,进而对水下机器人的围捕路径不断的进行重新规划,在目标物存在逃逸的可能下,改善围捕效果,大大提高了围捕的成功率。
Description
技术领域
本公开涉及水下机器人技术领域,尤其涉及一种多智能机器人水下协同围捕控制系统及方法。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,不必然构成在先技术。
随着人类对海洋的开发不断加快和深入,水下机器人技术成为人类探索海洋的一大重要手段,引起了众多学者的重视,进而开始蓬勃发展。近年来自主水下机器人(Autonomous Underwater Vehicles,AUV)可以提供一种低成本的替代载人平台,用于特别危险的任务,如扫雷,或单调乏味的任务,如巡逻,所以在海洋环境探测、调查、水文参数测量、区域搜索、海地目标探测及等水下管道铺设维修等扮演着越来越重要的角色。但是因水下机器人承担的任务复杂度越来越大,单个AUV己经开始无法满足工作需要,其在控制与通讯方面能力不足,无法执行大范围,复杂环境下的任务。由此,研究人员开始对多水下机器人系统进行深入研宄。多水下机器人系统的作业范围和作业效率都远超单个水下机器人,而多AUV的协调控制技术是研究多水下机器人系统的重要内容,其中的关键技术将会被运用于民事、工业、军事等领域。本文中所研宄的多水下机器人围捕问题是指由多个水下机器人形成编队,通过协同合作,对一目标进行围捕。
要实现敌对目标的成功围捕,首先需要探测并准确识别出目标以及水下障碍物信息。在实际的水下环境中,可能存在水质浑浊、光线不足、等因素的干扰,导致AUV很难获取所需目标物有效数据以及障碍物信息
因此,在现有关于多智能体水下协同围捕系统,很少涉及AUV之间水下通信以及AUV和主控制器之间信息交互方面内容。
发明内容
本公开为了解决上述问题,提出了一种多智能机器人水下协同围捕控制系统及方法,本公开能够有效地提高围捕的成功率。
根据一些实施例,本公开采用如下技术方案:
一种多智能机器人水下协同围捕控制系统,包括:
至少两台的水下机器人;
主控制器,所述主控制器读取各水下机器人位置和速度信息以及获得的目标物信息,并通过狼群算法进行路径规划并生成驱动信号;
所述主控制器发送驱动信号至各水下机器人的驱动模块,水下机器人到达预设目标围捕点,完成围捕;
具体的,通过狼群算法进行路径规划,包括选取距离目标最近的水下机器人为头狼,围捕过程中若头狼故障,则重新更换头狼。
进一步地,所述水下机器人包括水下感知模块,通过所述水下感知模块对水下环境进行扫描探测,识别出所需围捕的目标物信息。
进一步地,所述水下机器人通过水下感知模块建立三维空间模型判断目标物所在位置和当前速度。
进一步地,所述水下机器人之间共享其速度传感器所测量的当前速度和其位置传感器所测量的当前位置以及航向信息,实现信息交互。
进一步地,所述水下感知模块包括水下高清双目摄像头和主动声纳。
进一步地,所述水下机器人还包括速度传感器和位置传感器。
进一步地,所述水下机器人还包括水声通信模块。
进一步地,所述水声通信模块由通讯声纳完成各水下机器人的位置、航向、速度、系统状态的信息交互;所述获取模块用于接收机器人上的位置传感器发送的当前位置和速度传感器发送的当前速度。
进一步地,所述路径规划模块用于根据获得的机器人、目标物、障碍物等信息对所述多智能水下机器人进行路径规划;所述驱动模块用于接收主控制器路径规划的结果生成的驱动信号,驱动机器人进行围捕过程,直至机器人到达路径规划中所设预捕点,完成围捕。
一种多智能机器人水下协同围捕控制方法,包括以下步骤:
水下机器人通过水下感知模块对水下环境进行扫描探测,识别出所需围捕的目标物信息;
主控制器读取各水下机器人位置和速度信息以及获得的目标物信息,并通过狼群算法进行路径规划并生成驱动信号;
主控制器发送驱动信号至各水下机器人的驱动模块,水下机器人到达预设目标围捕点,完成围捕。
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行所述的一种多智能机器人水下协同围捕控制方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行所述的一种多智能机器人水下协同围捕控制方法。
与现有技术相比,本公开的有益效果为:
本公开一种多智能机器人水下围捕控制系统通过AUV集群对水下环境和目标物进行探测识别、各节点之间以及各节点与主控制器之间进行信息交互,即采用分布式控制的形式对水下机器人集群进行协同调节,配以合适的路径规划进行驱动控制,能够提高AUV集群控制的效率和灵活性,避免机器人与障碍物以及机器人之间碰撞,提高围捕成功率;在围捕动态目标过程中,主控制器根据各节点自身和获取目标物及水下环境数据信息的不断更新,进而对水下机器人的围捕路径不断的进行重新规划,在目标物存在逃逸的可能下,改善围捕效果,大大提高了围捕的成功率。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1是本实施例的流程图;
图2是本实施例的架构图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是例示性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
实施例1.
一种多智能机器人水下协同围捕控制系统,包括:
至少两台的水下机器人;
主控制器,所述主控制器读取各水下机器人位置和速度信息以及获得的目标物信息,并通过狼群算法进行路径规划并生成驱动信号;
所述主控制器发送驱动信号至各水下机器人的驱动模块,水下机器人到达预设目标围捕点,完成围捕;
具体的:
如图1所示,为本申请所提供的一种多智能机器人水下协同围捕控制系统的围捕流程图,所述水下机器人协同围捕控制方法主要包括以下步骤:
机器人集群通过所带水下感知模块对水下环境进行探测扫描,获取信息,
具体地,水下感知模块包括水下高清双目摄像头和主动声纳,所需信息为目标物所在位置和当前速度以及阻碍围捕过程的障碍物信息,其中障碍物信息包括但不限于水下静态障碍物和其他水下机器人。由于水下环境复杂多变,由水下高清摄像头和主动声纳组成的感知模块能够更好的扫描探测水下环境,获取目标和障碍物信息;多个AUV共同扫描探测水下环境,降低了出现错误的风险,提高了获取信息的效率
识别确定目标物当前位置和当前速度,
具体的,通过用AUV所带摄像机拍摄环境图像,将采集图像中相对静止的特征点当作参考点,再辅以主动声纳系统进行三维定位,确定目标物当前位置和当前速度。通过基于视觉的水下双目摄像头和声纳系统,建立起三维空间模型,定位准确性更高,定位精度更好,驱动系统计算量大幅减小
各个节点共享其位置信息和速度信息等,实现信息交互,
具体的,关于多智能机器人水下协同围捕控制过程,最主要的就是对各个机器人位置和速度的控制,所以每个机器人上都装有速度传感器和位置传感器对实时速度和实时位置进行测量,本申请推荐使用北斗定位系统,
其中共享的信息包括但不限于每个机器人当前的位置和速度信息,还包括机器人的系统状态,位姿信息,艏向等,
各节点通过水声通信将已知信息分别发送至各节点接收器,共享编队信息,其中水声通信相比无线电通信,技术成熟,传输距离远
主控制器接收所有已知信息,并根据上述信息,通过主控制器内存储介质上存储的计算机程序,进行路径规划,并将路径规划的结果生成驱动信号
其中主控制器接收的信息不仅包括各机器人的实时位置和实时速度,还包括所测量识别的障碍物信息以及目标物的当前速度和当前位置,根据上述信息进行围捕过程中的路径规划,特别的,围捕过程中,要考虑的障碍物信息包括水下静态障碍物和编队中其他机器人
具体的,可以根据主控制器内存储的狼群算法进行路径规划,选取距离目标物最近的AUV为头狼,再进行围捕过程,若领导者出现故障或毁坏,编队根据上述重新更换头狼,本申请仅举例狼群算法的部分实例,特别的,路径规划的算法并不唯一,也可以选择其他路径规划,例如选择移动距离较小的路径等,但必须确保是和其他系统节点无冲突的路径,具体的路径规划算法由设计者自行确定
在路径规划过程中本实施例通过智能算法局部调整为协同路径,在避免碰撞的同时,提升了机器人围捕过程的灵活性,提高了围捕效率
主控制器将生成的驱动信号不断发送至水下机器人的驱动系统,直至机器人到达预捕点,
具体的,围捕是一个持续的连续不断的控制过程,根据水下机器人传输数据的不断更新,路径规划的结果也是逐渐改变的,因此主控制器不断调整驱动信号的强弱,直至最终围捕的完成。由于规划的路径不断更新,目标逃逸率降低,围捕成功率增强。
在围捕控制过程中,避障也是控制过程不可忽略的重要内容,本申请推荐使用人工势场法进行避障,人工势场法是航行器避碰的一种简单实用的方法。势场中存在的引力极和斥力极分别代表障碍物和目标点。在引力极和斥力极的周围通过势函数产生相应的势。航行器在势场中具有抽象势能,它的负梯度方向表达了航行器系统所受抽象力的方向。正这种抽象力,促使航行器绕过障碍物,朝目标前进。
具体的,
本公开的一种多智能机器人水下协同围捕控制系统,所述控制系统包括主控制器、安装在所述机器人上的控制器和定位传感器和速度传感器;
所述主控制器用于根据所述机器人的初始位置和初始速度、目标物的初始位置和初始速度以及障碍物信息,通过主控制器内存储介质上存储的计算机程序,进行路径规划,通过狼群算法生成预围捕点,再根据所述路径规划的结果生成驱动信号并发送至所述机器人的驱动系统,完成围捕
本申请所提供的一种多智能机器人水下围捕控制系统应用于无人水下机器人集群中的单个AUV上的控制器,包括:通过水下高清双目摄像头和主动声纳对环境进行扫描、识别目标及障碍物;建立三维空间模型并确定目标物所在位置和当前速度等信息;与所有节点共享位置信息和速度信息等、实现信息交互;主控制器读取各节点信息以及获得的目标物信息,并根据所获信息通过狼群算法进行路径规划并生成驱动信号;发送驱动信号至机器人驱动系统直至各节点到达路径规划结果所设的预捕点、完成围捕
由上述内容可知,本申请提出的一种多智能机器人水下协同围捕控制系统,系统的构建方法简单,易于实现,并且每一个水下机器人都是独立的个体,具有一定的自主性,相较于传统集中式控制方法,本申请采用的分布式系统在围捕过程中的灵活性更强,围捕效率更高。
实施例2.
如图2所示为本申请所提供的一种多智能机器人水下协同围捕控制系统结构框图,水下机器人安装有定位模块,水下感知模块,水声通信模块,获取模块,路径规划模块,驱动模块
定位模块用于测量机器人自身当前位置和当前速度并通过通信模块完成信息传递
水下感知模块由水下高清双目摄像头和主动声纳完成对水下环境探测识,建立三维空间模型,确定目标物当前位置和当前速度以及障碍物信息
水声通信模块由通讯声纳完成各节点位置、艏向、速度、系统状态等多种信息交互
获取模块用于接收机器人上的位置传感器发送的当前位置和速度传感器发送的当前速度
路径规划模块用于根据机器人、目标物以及障碍物信息对所述多智能水下机器人进行路径规划
驱动模块用于接收主控制器路径规划的结果生成的驱动信号,驱动机器人进行围捕过程
实施例3.
一种计算机可读存储介质,其中存储有多条指令,所述指令适于由终端设备的处理器加载并执行本实施例提供的一种多智能机器人水下协同围捕控制方法。
一种终端设备,包括处理器和计算机可读存储介质,处理器用于实现各指令;计算机可读存储介质用于存储多条指令,所述指令适于由处理器加载并执行本实施例提供的一种多智能机器人水下协同围捕控制方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (8)
1.一种多智能机器人水下协同围捕控制系统,其特征在于,包括:
至少两台的水下机器人;
主控制器,所述主控制器读取各水下机器人位置和速度信息以及获得的目标物信息,并通过狼群算法进行路径规划并生成驱动信号;
所述主控制器不断发送驱动信号至各水下机器人的驱动模块,直至水下机器人到达预设目标围捕点,完成围捕;
具体的,通过狼群算法进行路径规划,包括选取距离目标最近的水下机器人为头狼,围捕过程中若头狼故障,则重新更换头狼;
围捕是一个持续的连续不断的控制过程,根据水下机器人传输数据的不断更新,路径规划的结果也是逐渐改变的,因此主控制器不断调整驱动信号的强弱,直至最终围捕的完成;
主控制器接收的信息不仅包括各机器人的实时位置和实时速度,还包括所测量识别的障碍物信息以及目标物的当前速度和当前位置,根据上述信息进行围捕过程中的路径规划,围捕过程中,要考虑的障碍物信息包括水下静态障碍物和编队中其他机器人;
所述水下机器人包括水下感知模块;
所述水下机器人通过水下感知模块建立三维空间模型判断目标物所在位置和当前速度;
所述水下机器人之间共享其速度传感器所测量的当前速度和其位置传感器所测量的当前位置以及航向信息,实现信息交互。
2.如权利要求1所述的一种多智能机器人水下协同围捕控制系统,其特征在于,通过所述水下感知模块对水下环境进行扫描探测,识别出所需围捕的目标物信息。
3.如权利要求1所述的一种多智能机器人水下协同围捕控制系统,其特征在于,所述水下感知模块包括水下高清双目摄像头和主动声纳。
4.如权利要求1所述的一种多智能机器人水下协同围捕控制系统,其特征在于,所述水下机器人还包括速度传感器和位置传感器。
5.如权利要求1所述的一种多智能机器人水下协同围捕控制系统,其特征在于,所述水下机器人还包括水声通信模块。
6.如权利要求5所述的一种多智能机器人水下协同围捕控制系统,其特征在于,所述水声通信模块由通讯声纳完成各水下机器人的位置、航向、速度、系统状态的信息交互;获取模块用于接收机器人上的位置传感器发送的当前位置和速度传感器发送的当前速度。
7.如权利要求1所述的一种多智能机器人水下协同围捕控制系统,其特征在于,路径规划模块用于根据获得的机器人、目标物、障碍物信息对多智能水下机器人进行路径规划;所述驱动模块用于接收主控制器路径规划的结果生成的驱动信号,驱动机器人进行围捕过程,直至机器人到达路径规划中所设预捕点,完成围捕。
8.一种基于权利要求1-7任一项所述系统的多智能机器人水下协同围捕控制方法,其特征在于,包括以下步骤:
水下机器人通过水下感知模块对水下环境进行扫描探测,识别出所需围捕的目标物信息;
主控制器读取各水下机器人位置和速度信息以及获得的目标物信息,并通过狼群算法进行路径规划并生成驱动信号;
主控制器发送驱动信号至各水下机器人的驱动模块,水下机器人到达预设目标围捕点,完成围捕。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111114206.3A CN113759942B (zh) | 2021-09-23 | 一种多智能机器人水下协同围捕控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111114206.3A CN113759942B (zh) | 2021-09-23 | 一种多智能机器人水下协同围捕控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113759942A CN113759942A (zh) | 2021-12-07 |
CN113759942B true CN113759942B (zh) | 2024-05-31 |
Family
ID=
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101299134B1 (ko) * | 2012-03-19 | 2013-08-22 | 한국과학기술연구원 | 다수 로봇의 협력을 통한 동적 환경에서의 동적 목표물 탐색 시스템 및 방법 |
CN108446481A (zh) * | 2018-03-15 | 2018-08-24 | 西北工业大学 | 一种基于灰狼群智能优化的低阻低噪便携式auv外形设计方法 |
CN108733078A (zh) * | 2018-06-08 | 2018-11-02 | 广东工业大学 | 一种无人系统集群的编队控制方法、装置及系统 |
CN109753068A (zh) * | 2019-01-14 | 2019-05-14 | 哈尔滨工程大学 | 一种考虑通信情况的多usv群体协同避碰规划方法 |
CN110377059A (zh) * | 2019-08-29 | 2019-10-25 | 哈尔滨工程大学 | 一种基于狮群算法的多auv围捕者协同控制方法 |
CN110647147A (zh) * | 2019-09-10 | 2020-01-03 | 青岛理工大学 | 基于灰狼算法优化pid的路径跟踪控制方法 |
CN110940985A (zh) * | 2019-12-13 | 2020-03-31 | 哈尔滨工程大学 | 一种多uuv跟踪围捕系统及围捕方法 |
CN111045453A (zh) * | 2019-12-25 | 2020-04-21 | 南京工程学院 | 一种基于无人艇与多水下机器人的协同控制系统及方法 |
CN113253738A (zh) * | 2021-06-22 | 2021-08-13 | 中国科学院自动化研究所 | 多机器人协作围捕方法、装置、电子设备及存储介质 |
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101299134B1 (ko) * | 2012-03-19 | 2013-08-22 | 한국과학기술연구원 | 다수 로봇의 협력을 통한 동적 환경에서의 동적 목표물 탐색 시스템 및 방법 |
CN108446481A (zh) * | 2018-03-15 | 2018-08-24 | 西北工业大学 | 一种基于灰狼群智能优化的低阻低噪便携式auv外形设计方法 |
CN108733078A (zh) * | 2018-06-08 | 2018-11-02 | 广东工业大学 | 一种无人系统集群的编队控制方法、装置及系统 |
CN109753068A (zh) * | 2019-01-14 | 2019-05-14 | 哈尔滨工程大学 | 一种考虑通信情况的多usv群体协同避碰规划方法 |
CN110377059A (zh) * | 2019-08-29 | 2019-10-25 | 哈尔滨工程大学 | 一种基于狮群算法的多auv围捕者协同控制方法 |
CN110647147A (zh) * | 2019-09-10 | 2020-01-03 | 青岛理工大学 | 基于灰狼算法优化pid的路径跟踪控制方法 |
CN110940985A (zh) * | 2019-12-13 | 2020-03-31 | 哈尔滨工程大学 | 一种多uuv跟踪围捕系统及围捕方法 |
CN111045453A (zh) * | 2019-12-25 | 2020-04-21 | 南京工程学院 | 一种基于无人艇与多水下机器人的协同控制系统及方法 |
CN113253738A (zh) * | 2021-06-22 | 2021-08-13 | 中国科学院自动化研究所 | 多机器人协作围捕方法、装置、电子设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
Improved cluster collaboration algorithm based on wolf pack behavior;Weihao Liang;《Cluster Computing》;20180223;第22卷;第6181-6196页 * |
Research on Cooperative Encirclement Strategy of Multiple Underwater Robots based on Wolf Swarm Algorithm;Xiaolin Luan;Journal of Physics: Conference Series;20200426;第1570卷;第1-7页 * |
基于狼群算法的多水下机器人协同围捕策略;李宏达;中国优秀硕士学位论文全文数据库信息科技辑(第4期);I140-37 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109032178B (zh) | 全驱动auv回收控制系统及自主回收方法 | |
CN104049634B (zh) | 基于Camshift算法的智能体模糊动态避障方法 | |
Balasuriya et al. | Vision based autonomous underwater vehicle navigation: underwater cable tracking | |
CN111348161B (zh) | 一种应用于海洋牧场的资源环境监测系统及其操作方法 | |
CN113467500B (zh) | 一种基于双目视觉的无人机非合作目标追踪系统 | |
CN103869824A (zh) | 基于生物触角模型的多机器人水下目标搜寻方法及装置 | |
CN113848974B (zh) | 一种基于深度强化学习的飞行器轨迹规划方法及系统 | |
CN109784201A (zh) | 基于四维风险评估的auv动态避障方法 | |
CN109623815B (zh) | 一种用于无人打捞船的波浪补偿双机器人系统及方法 | |
Sousselier et al. | Line formation algorithm in a swarm of reactive robots constrained by underwater environment | |
CN112965507B (zh) | 一种基于智能优化的集群无人机协同工作系统及方法 | |
Ribas et al. | Ictineuauv wins the first sauc-e competition | |
Rahmati et al. | Slam-based underwater adaptive sampling using autonomous vehicles | |
Inzartsev et al. | Underwater pipeline inspection method for AUV based on laser line recognition: Simulation results | |
CN108121347A (zh) | 用于控制设备运动的方法、装置及电子设备 | |
CN111572737A (zh) | 一种基于声学和光学引导的auv捕获引导方法 | |
CN113759942B (zh) | 一种多智能机器人水下协同围捕控制系统及方法 | |
CN114217303A (zh) | 目标定位跟踪方法及装置、水下机器人和存储介质 | |
Wang et al. | Research on autonomous planning method based on improved quantum Particle Swarm Optimization for Autonomous Underwater Vehicle | |
Praczyk | Neural control system for a swarm of autonomous underwater vehicles | |
Inzartsev et al. | Detection and inspection of local bottom objects with the help of a group of special-purpose AUVs | |
CN113759942A (zh) | 一种多智能机器人水下协同围捕控制系统及方法 | |
CN113252861B (zh) | 一种水质检测方法、装置、电子设备及存储介质 | |
CN115576324A (zh) | 机器人巡检方法、装置、存储介质及机器人 | |
CN115373383A (zh) | 一种垃圾回收无人艇的自主避障方法、装置及相关设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |