CN113848712A - 一种基于云的多移动机器人输出一致性控制系统 - Google Patents

一种基于云的多移动机器人输出一致性控制系统 Download PDF

Info

Publication number
CN113848712A
CN113848712A CN202111118172.5A CN202111118172A CN113848712A CN 113848712 A CN113848712 A CN 113848712A CN 202111118172 A CN202111118172 A CN 202111118172A CN 113848712 A CN113848712 A CN 113848712A
Authority
CN
China
Prior art keywords
mobile robot
group
mobile
cloud
robot
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
CN202111118172.5A
Other languages
English (en)
Other versions
CN113848712B (zh
Inventor
杨杨
王爱玲
汪雪
岳东
张腾飞
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.)
Nanjing University of Posts and Telecommunications
Original Assignee
Nanjing University of Posts and Telecommunications
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 Nanjing University of Posts and Telecommunications filed Critical Nanjing University of Posts and Telecommunications
Priority to CN202111118172.5A priority Critical patent/CN113848712B/zh
Publication of CN113848712A publication Critical patent/CN113848712A/zh
Application granted granted Critical
Publication of CN113848712B publication Critical patent/CN113848712B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • 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)
  • 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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及一种基于云的多移动机器人输出一致性控制系统，将云计算和多移动机器人系统相结合，利用云计算出色的计算能力和云的超大存储容量，实现移动机器人的输出控制和云计算的相结合，其中，每组移动机器人只需要和相应云端节点通信，执行向云端节点上传数据和从云端节点下载数据，如此不需要和邻居移动机器人通信，将大大减少每组移动机器人的通信负担，降低对移动机器人微处理器存储空间的要求，进而使得移动机器人的能量消耗和投入成本也得到有效降低；同时结合云边缘侧所设计的扰动观测器，执行扰动处理，实现多移动机器人的输出一致，提高多移动机器人的协同工作效率。

Description

一种基于云的多移动机器人输出一致性控制系统
技术领域
本发明涉及一种基于云的多移动机器人输出一致性控制系统，属于机器人控制技术领域。
背景技术
多移动机器人协同搬运控制是多移动机器人系统的典型应用,在一些特殊场合中具有较强的应用潜力。与单组的移动机器人系统相比，多组多移动机器人能够完成更复杂的任务。然而，随着系统规模的增大，移动机器人的数量在不断增加，那么对于配备存储空间有限的微处理器的移动机器人，计算速度就会变慢，影响多移动机器人的工作效率。
发明内容
本发明所要解决的技术问题是提供一种基于云的多移动机器人输出一致性控制系统，考虑系统中所存在的扰动情况，通过网络延迟补偿的设计，处理扰动、并实现多移动机器人的输出一致，减少单个移动机器人的通信负担。
本发明为了解决上述技术问题采用以下技术方案：本发明设计了一种基于云的多移动机器人输出一致性控制系统，用于针对M分组、共计N个移动机器人执行一致性移动控制，其特征在于：系统包括各组分别一一对应的各云端节点，以及各移动机器人分别连接的传感器，各云端节点中分别均包括状态观测器、状态预估器、辅助单元、预测控制器、延迟单元；
一致性移动控制过程中，基于移动控制信号r0的出现，首先初始化最大延迟移动机器人所在组为第1组，其余各组的序号依次为2至M，且各组中最大延迟移动机器人分别为其所在组中的第1移动机器人，各组中其余各移动机器人的序号依次位2至Nm，1≤m≤M，Nm表示第m组中移动机器人的数量，
Figure BDA0003272433870000011
然后全部各个移动机器人分别经各模块执行如下工作：
传感器：
由移动机器人所连传感器，获得进行该移动机器人在当前时刻t的位置信息
Figure BDA0003272433870000012
并获得
Figure BDA0003272433870000013
执行网络传输经该移动机器人所对应其上传至云端的网络传输延迟
Figure BDA0003272433870000014
至对应云端节点的位置信息
Figure BDA0003272433870000015
其中，1≤nm≤Nm，nm表示第m组中第nm移动机器人，第1组中第1移动机器人在当前时刻t的位置信息
Figure BDA0003272433870000021
由其所连传感器结合移动控制信号r0获得；
状态观测器：
该移动机器人所在组对应云节点中的状态观测器接收
Figure BDA0003272433870000022
并结合同组中延迟单元所输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000023
的预测控制力
Figure BDA0003272433870000024
输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000025
的位置估计信息与速度估计信息组成的估计向量
Figure BDA0003272433870000026
并传输至同组中的状态预估器；
状态预估器：
该移动机器人所在组对应云节点中的状态预估器接收
Figure BDA0003272433870000027
并结合同组中延迟单元输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000028
的预测控制力
Figure BDA0003272433870000029
输出该移动机器人由当前时刻t经云端下传至该移动机器人的网络传输延迟
Figure BDA00032724338700000210
的预测位置信息
Figure BDA00032724338700000211
并分别传输至同组中的辅助单元与预测控制器，其中，k表示第m组中第nm移动机器人上传数据网络传输延迟与下载数据网络传输延迟之和，k的取值范围为2至
Figure BDA00032724338700000212
辅助单元：
若该移动机器人为第1组中第1移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure BDA00032724338700000213
并结合移动控制信号r0，输出该移动机器人在
Figure BDA00032724338700000214
的辅助变量
Figure BDA00032724338700000215
若该移动机器人为第2组至第M组中的第1移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure BDA00032724338700000216
并结合第1组中第1移动机器人的
Figure BDA00032724338700000217
输出该移动机器人在
Figure BDA00032724338700000218
的辅助变量
Figure BDA00032724338700000219
若该移动机器人为各组中第2移动机器人至第Nm移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure BDA00032724338700000220
并结合该移动机器人所在组中第1移动机器人的
Figure BDA00032724338700000221
输出该移动机器人在
Figure BDA00032724338700000222
的辅助变量
Figure BDA00032724338700000223
预测控制器：
该移动机器人所在组对应云节点中的预测控制器接收
Figure BDA0003272433870000031
并基于1≤i≤M、1≤j≤Ni，结合全部移动机器人中除该移动机器人以外各移动机器人分别经对应状态预估器输出的
Figure BDA0003272433870000032
输出该移动机器人在
Figure BDA0003272433870000033
的预测控制力
Figure BDA0003272433870000034
并传输至同组中的延迟单元，以及执行网络传输经网络传输延迟
Figure BDA0003272433870000035
至该移动机器人执行器的预测控制力
Figure BDA0003272433870000036
实现对该移动机器人的控制；其中，n'm表示全部移动机器人中除该移动机器人以外第m组中第n'm移动机器人，ji表示第i组中第j移动机器人；
延迟单元：
该移动机器人所在组对应云节点中的延迟单元接收
Figure BDA0003272433870000037
输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000038
的预测控制力
Figure BDA0003272433870000039
以及该移动机器人由当前时刻t经网络传输延迟
Figure BDA00032724338700000310
的预测控制力
Figure BDA00032724338700000311
作为本发明的一种优选技术方案：还包括各移动机器人分别均对应的扰动观测器、综合单元；
所述一致性移动控制过程中：
移动机器人所在组对应云节点中状态预估器输出该移动机器人预测位置信息
Figure BDA00032724338700000312
分别传输至同组中辅助单元与预测控制器的同时，执行网络传输经网络传输延迟
Figure BDA00032724338700000313
至该移动机器人所对应扰动观测器的预测位置信息
Figure BDA00032724338700000314
该移动机器人所在组对应云节点中预测控制器输出该移动机器人在
Figure BDA00032724338700000315
的预测控制力
Figure BDA00032724338700000316
执行网络传输经网络传输延迟
Figure BDA00032724338700000317
至该移动机器人所对应综合单元的预测控制力
Figure BDA00032724338700000318
扰动观测器：
该移动机器人所在组对应云节点中的扰动观测器接收
Figure BDA00032724338700000319
并结合该移动机器人在当前时刻t的位置信息
Figure BDA00032724338700000320
输出该移动机器人所受到的扰动估计值
Figure BDA00032724338700000321
并传输至对应综合单元；
综合单元：
该移动机器人所在组对应云节点中的综合单元接收
Figure BDA0003272433870000041
输出该移动机器人的控制力
Figure BDA0003272433870000042
并传输至该移动机器人执行器，实现对该移动机器人的控制。
作为本发明的一种优选技术方案，所述扰动观测器按如下模型：
Figure BDA0003272433870000043
输出该移动机器人所受到的扰动估计值
Figure BDA0003272433870000044
Figure BDA0003272433870000045
表示第m组中第nm移动机器人在扰动观测器中的观测矩阵。
作为本发明的一种优选技术方案，所述状态预估器按如下模型：
Figure BDA0003272433870000046
Figure BDA0003272433870000047
输出该移动机器人由当前时刻t经云端下传至该移动机器人的网络传输延迟
Figure BDA0003272433870000048
的预测位置信息
Figure BDA0003272433870000049
其中，
Figure BDA00032724338700000410
分别表示第m组中第nm移动机器人对应状态预估器的系统矩阵、输入矩阵、输出矩阵，
Figure BDA00032724338700000411
表示第m组中第nm移动机器人对应状态观测器中的观测矩阵。
作为本发明的一种优选技术方案，所述辅助单元的执行中：
若该移动机器人为第1组中第1移动机器人，则辅助单元按如下模型：
Figure BDA00032724338700000412
输出该移动机器人在
Figure BDA00032724338700000413
的辅助变量
Figure BDA00032724338700000414
若该移动机器人为第2组至第M组中的第1移动机器人，则辅助单元按如下模型：
Figure BDA00032724338700000415
输出该移动机器人在
Figure BDA00032724338700000416
的辅助变量
Figure BDA00032724338700000417
若该移动机器人为各组中第2移动机器人至第Nm移动机器人，则辅助单元按如下模型：
Figure BDA00032724338700000418
输出该移动机器人在
Figure BDA00032724338700000419
的辅助变量
Figure BDA00032724338700000420
作为本发明的一种优选技术方案，所述预测控制器按如下模型：
Figure BDA0003272433870000051
实现该移动机器人所在组对应云节点中的预测控制器接收
Figure BDA0003272433870000052
并结合全部移动机器人中除该移动机器人以外各移动机器人分别经对应状态预估器输出的
Figure BDA0003272433870000053
输出该移动机器人在
Figure BDA0003272433870000054
的预测控制力
Figure BDA0003272433870000055
其中,
Figure BDA0003272433870000056
是第m组中第nm移动机器人对应预测控制器中用于调节辅助单元所输出辅助变量的控制增益，
Figure BDA0003272433870000057
是预测控制器中用于调节第m组中第nm移动机器人与其邻居移动机器人预测输出误差的控制增益，
Figure BDA0003272433870000058
Figure BDA0003272433870000059
是第m组中第nm移动机器人在
Figure BDA00032724338700000510
的辅助变量。
作为本发明的一种优选技术方案，所述各移动机器人、以及其分别所连接的传感器位于云边缘侧，所述执行网络传输的各数据信息经网络层执行网络传输。
本发明所述一种基于云的多移动机器人输出一致性控制系统，采用以上技术方案与现有技术相比，具有以下技术效果：
本发明所设计一种基于云的多移动机器人输出一致性控制系统，将云计算和多移动机器人系统相结合，利用云计算出色的计算能力和云的超大存储容量，实现移动机器人的输出控制和云计算的相结合，其中，每组移动机器人只需要和相应云端节点通信，执行向云端节点上传数据和从云端节点下载数据，如此不需要和邻居移动机器人通信，将大大减少每组移动机器人的通信负担，降低对移动机器人微处理器存储空间的要求，进而使得移动机器人的能量消耗和投入成本也得到有效降低；同时结合云边缘侧所设计的扰动观测器，执行扰动处理，实现多移动机器人的输出一致，提高多移动机器人的协同工作效率。
附图说明
图1是本发明所设计基于云的多移动机器人输出一致性控制系统的框架示意图；
图2至图4依次表示实施例中第一组至第三组移动机器人经过本专利应用的位置示意图；
图5至图7依次表示实施例中第一组至第三组移动机器人的控制力示意图；
图8至图10依次表示实施例中第一组至第三组移动机器人的受到扰动、以及扰动估计值示意。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
移动机器人的系统模型为：
Figure BDA0003272433870000061
其中ri(t)是第i个跟随者移动机器人的位置，Mi是第i个跟随者移动机器人的质量，Bi是第i个跟随者移动机器人的阻尼系数，ki是第i个跟随者移动机器人的瞬态响应的系数，ui(t)是第i个跟随者移动机器人的控制力；di(t)是第i个跟随者移动机器人受到的扰动。令ri(t)＝xi,1(t),
Figure BDA0003272433870000062
yi(t)＝xi,1(t),xi,1(t)＝ri(t)表示第i个移动机器人的位置；
Figure BDA0003272433870000063
表示移动机器人位置ri(t)的导数，也就是移动机器人的速度；yi(t)＝xi,1(t)表示移动机器人的输出，也就是移动机器人的位置，则转化后的系统可以写成
Figure BDA0003272433870000064
其中xi,1(t)是第i个跟随者移动机器人的位置，xi,2(t)是第i个跟随者移动机器人的速度。让xi(t)＝[xi,1（t),xi,2(t)]T，xi(t)表示一个向量，移动机器人的位置和速度组成的列向量,
Figure BDA0003272433870000065
Ci＝[1 0]。(Ai、Bi、Ci表示由移动机器人的质量Mi，阻尼系数Bi，瞬态响应的系数ki组成的系统矩阵
将系统离散化得到
xi(t+1)＝Aixi(t)+Biui(t)+Bidi(t)
yi(t)＝Cixi(t)
基于上述关于移动机器人系统模型的转化，本发明设计了一种基于云的多移动机器人输出一致性控制系统，用于针对M分组、共计N个移动机器人执行一致性移动控制，实际应用当中，如图1所示，系统包括各组分别一一对应的各云端节点，以及各移动机器人分别均对应的传感器、扰动观测器、综合单元，各云端节点中分别均包括状态观测器、状态预估器、辅助单元、预测控制器、延迟单元，各移动机器人、以及其分别所连接的传感器位于云边缘侧，基于网络层实现云边缘侧与云端节点之间网络传输各数据信息。
一致性移动控制过程中，基于移动控制信号r0的出现，首先初始化最大延迟移动机器人所在组为第1组，其余各组的序号依次为2至M，且各组中最大延迟移动机器人分别为其所在组中的第1移动机器人，各组中其余各移动机器人的序号依次位2至Nm，1≤m≤M，Nm表示第m组中移动机器人的数量，
Figure BDA0003272433870000071
然后全部各个移动机器人分别经各模块执行如下工作。
传感器：由移动机器人所连传感器，获得进行该移动机器人在当前时刻t的位置信息
Figure BDA0003272433870000072
并获得
Figure BDA0003272433870000073
执行网络传输经该移动机器人所对应其上传至云端的网络传输延迟
Figure BDA0003272433870000074
至对应云端节点的位置信息
Figure BDA0003272433870000075
其中，1≤nm≤Nm，nm表示第m组中第nm移动机器人，第1组中第1移动机器人在当前时刻t的位置信息
Figure BDA0003272433870000076
由其所连传感器结合移动控制信号r0获得。
状态观测器：该移动机器人所在组对应云节点中的状态观测器接收
Figure BDA0003272433870000077
并结合同组中延迟单元所输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000078
的预测控制力
Figure BDA0003272433870000079
输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA00032724338700000710
的位置估计信息与速度估计信息组成的估计向量
Figure BDA00032724338700000711
并传输至同组中的状态预估器。
状态预估器：该移动机器人所在组对应云节点中的状态预估器接收
Figure BDA00032724338700000712
并结合同组中延迟单元输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA00032724338700000713
的预测控制力
Figure BDA00032724338700000714
按如下模型：
Figure BDA00032724338700000715
Figure BDA00032724338700000716
输出该移动机器人由当前时刻t经云端下传至该移动机器人的网络传输延迟
Figure BDA00032724338700000717
的预测位置信息
Figure BDA00032724338700000718
并分别传输至同组中的辅助单元与预测控制器，同时，执行网络传输经网络传输延迟
Figure BDA00032724338700000719
至该移动机器人所对应扰动观测器的预测位置信息
Figure BDA00032724338700000720
其中，k表示第m组中第nm移动机器人上传数据网络传输延迟与下载数据网络传输延迟之和，k的取值范围为2至
Figure BDA00032724338700000721
其中，
Figure BDA00032724338700000722
分别表示第m组中第nm移动机器人对应状态预估器的系统矩阵、输入矩阵、输出矩阵，
Figure BDA0003272433870000081
表示第m组中第nm移动机器人对应状态观测器中的观测矩阵。
辅助单元：若该移动机器人为第1组中第1移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure BDA0003272433870000082
并结合移动控制信号r0，按如下模型：
Figure BDA0003272433870000083
输出该移动机器人在
Figure BDA0003272433870000084
的辅助变量
Figure BDA0003272433870000085
若该移动机器人为第2组至第M组中的第1移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure BDA0003272433870000086
并结合第1组中第1移动机器人的
Figure BDA0003272433870000087
按如下模型：
Figure BDA0003272433870000088
输出该移动机器人在
Figure BDA0003272433870000089
的辅助变量
Figure BDA00032724338700000810
若该移动机器人为各组中第2移动机器人至第Nm移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure BDA00032724338700000811
并结合该移动机器人所在组中第1移动机器人的
Figure BDA00032724338700000812
按如下模型：
Figure BDA00032724338700000813
输出该移动机器人在
Figure BDA00032724338700000814
的辅助变量
Figure BDA00032724338700000815
预测控制器：预测控制器按如下模型：
Figure BDA00032724338700000816
实现该移动机器人所在组对应云节点中的预测控制器接收
Figure BDA00032724338700000817
并基于1≤i≤M、1≤j≤Ni，结合全部移动机器人中除该移动机器人以外各移动机器人分别经对应状态预估器输出的
Figure BDA00032724338700000818
输出该移动机器人在
Figure BDA00032724338700000819
的预测控制力
Figure BDA00032724338700000820
并传输至同组中的延迟单元，以及执行网络传输经网络传输延迟
Figure BDA00032724338700000821
至该移动机器人所对应综合单元的预测控制力
Figure BDA00032724338700000822
其中，n'm表示全部移动机器人中除该移动机器人以外第m组中第n'm移动机器人，ji表示第i组中第j移动机器人；其中,
Figure BDA0003272433870000091
是第m组中第nm移动机器人对应预测控制器中用于调节辅助单元所输出辅助变量的控制增益，
Figure BDA0003272433870000092
是预测控制器中用于调节第m组中第nm移动机器人与其邻居移动机器人预测输出误差的控制增益，
Figure BDA0003272433870000093
Figure BDA0003272433870000094
是第m组中第nm移动机器人在
Figure BDA0003272433870000095
的辅助变量。
延迟单元：该移动机器人所在组对应云节点中的延迟单元接收
Figure BDA0003272433870000096
输出该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000097
的预测控制力
Figure BDA0003272433870000098
以及该移动机器人由当前时刻t经网络传输延迟
Figure BDA0003272433870000099
的预测控制力
Figure BDA00032724338700000910
扰动观测器：该移动机器人所在组对应云节点中的扰动观测器接收
Figure BDA00032724338700000911
并结合该移动机器人在当前时刻t的位置信息
Figure BDA00032724338700000912
按如下模型：
Figure BDA00032724338700000913
输出该移动机器人所受到的扰动估计值
Figure BDA00032724338700000914
并传输至对应综合单元；其中，
Figure BDA00032724338700000915
表示第m组中第nm移动机器人在扰动观测器中的观测矩阵。
综合单元：该移动机器人所在组对应云节点中的综合单元接收
Figure BDA00032724338700000916
输出该移动机器人的控制力
Figure BDA00032724338700000917
并传输至该移动机器人执行器，实现对该移动机器人的控制。
将本发明所设计基于云的多移动机器人输出一致性控制系统，应用于实际当中，诸如移动控制信号
Figure BDA00032724338700000918
移动机器人所受的扰动为：
Figure BDA00032724338700000919
Figure BDA00032724338700000920
Figure BDA00032724338700000921
Figure BDA00032724338700000922
Figure BDA0003272433870000101
网络层每个移动机器人的延迟时间设为
Figure BDA0003272433870000102
Figure BDA0003272433870000103
Figure BDA0003272433870000104
依据该系统设计控制器为：
Figure BDA0003272433870000105
依靠反复仿真实验来确定控制器参数，参数选取如下：
Figure BDA0003272433870000106
Figure BDA0003272433870000107
Figure BDA0003272433870000108
Figure BDA0003272433870000109
Figure BDA00032724338700001010
Figure BDA00032724338700001011
Figure BDA00032724338700001012
Figure BDA00032724338700001013
Figure BDA00032724338700001014
各状态观测器，状态预估器和辅助单元的初始值都为0。仿真结果如图2-10所示。其中，图2-4可以看出三组中的移动机器人都能够很好的跟踪参考信号r0；图5-7表示这三组移动机器人的控制力；图8-10是每组移动机器人受到的扰动以及扰动的估计值。
上述技术方案所设计基于云的多移动机器人输出一致性控制系统，将云计算和多移动机器人系统相结合，利用云计算出色的计算能力和云的超大存储容量，实现移动机器人的输出控制和云计算的相结合，其中，每组移动机器人只需要和相应云端节点通信，执行向云端节点上传数据和从云端节点下载数据，如此不需要和邻居移动机器人通信，将大大减少每组移动机器人的通信负担，降低对移动机器人微处理器存储空间的要求，进而使得移动机器人的能量消耗和投入成本也得到有效降低；同时结合云边缘侧所设计的扰动观测器，执行扰动处理，实现多移动机器人的输出一致，提高多移动机器人的协同工作效率。
下面结合附图对本发明的实施方式作了详细说明，但是本发明并不限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims (7)

1.一种基于云的多移动机器人输出一致性控制系统，用于针对M分组、共计N个移动机器人执行一致性移动控制，其特征在于：系统包括各组分别一一对应的各云端节点，以及各移动机器人分别连接的传感器，各云端节点中分别均包括状态观测器、状态预估器、辅助单元、预测控制器、延迟单元；
一致性移动控制过程中，基于移动控制信号r0的出现，首先初始化最大延迟移动机器人所在组为第1组，其余各组的序号依次为2至M，且各组中最大延迟移动机器人分别为其所在组中的第1移动机器人，各组中其余各移动机器人的序号依次位2至Nm，1≤m≤M，Nm表示第m组中移动机器人的数量，
Figure FDA0003272433860000011
然后全部各个移动机器人分别经各模块执行如下工作：
传感器：
由移动机器人所连传感器，获得进行该移动机器人在当前时刻t的位置信息
Figure FDA0003272433860000012
并获得
Figure FDA0003272433860000013
执行网络传输经该移动机器人所对应其上传至云端的网络传输延迟
Figure FDA0003272433860000014
至对应云端节点的位置信息
Figure FDA0003272433860000015
其中，1≤nm≤Nm，nm表示第m组中第nm移动机器人，第1组中第1移动机器人在当前时刻t的位置信息
Figure FDA0003272433860000016
由其所连传感器结合移动控制信号r0获得；
状态观测器：
该移动机器人所在组对应云节点中的状态观测器接收
Figure FDA0003272433860000017
并结合同组中延迟单元所输出该移动机器人由当前时刻t经网络传输延迟
Figure FDA0003272433860000018
的预测控制力
Figure FDA0003272433860000019
输出该移动机器人由当前时刻t经网络传输延迟
Figure FDA00032724338600000110
的位置估计信息与速度估计信息组成的估计向量
Figure FDA00032724338600000111
并传输至同组中的状态预估器；
状态预估器：
该移动机器人所在组对应云节点中的状态预估器接收
Figure FDA00032724338600000112
并结合同组中延迟单元输出该移动机器人由当前时刻t经网络传输延迟
Figure FDA00032724338600000113
的预测控制力
Figure FDA00032724338600000114
输出该移动机器人由当前时刻t经云端下传至该移动机器人的网络传输延迟
Figure FDA00032724338600000115
的预测位置信息
Figure FDA00032724338600000116
并分别传输至同组中的辅助单元与预测控制器，其中，k表示第m组中第nm移动机器人上传数据网络传输延迟与下载数据网络传输延迟之和，k的取值范围为2至
Figure FDA0003272433860000021
辅助单元：
若该移动机器人为第1组中第1移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure FDA0003272433860000022
并结合移动控制信号r0，输出该移动机器人在
Figure FDA0003272433860000023
的辅助变量
Figure FDA0003272433860000024
若该移动机器人为第2组至第M组中的第1移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure FDA0003272433860000025
并结合第1组中第1移动机器人的
Figure FDA0003272433860000026
输出该移动机器人在
Figure FDA0003272433860000027
的辅助变量
Figure FDA0003272433860000028
若该移动机器人为各组中第2移动机器人至第Nm移动机器人，则该移动机器人所在组对应云节点中的辅助单元接收
Figure FDA0003272433860000029
并结合该移动机器人所在组中第1移动机器人的
Figure FDA00032724338600000210
输出该移动机器人在
Figure FDA00032724338600000211
的辅助变量
Figure FDA00032724338600000212
预测控制器：
该移动机器人所在组对应云节点中的预测控制器接收
Figure FDA00032724338600000213
并基于1≤i≤M、1≤j≤Ni，结合全部移动机器人中除该移动机器人以外各移动机器人分别经对应状态预估器输出的
Figure FDA00032724338600000214
输出该移动机器人在
Figure FDA00032724338600000215
的预测控制力
Figure FDA00032724338600000216
并传输至同组中的延迟单元，以及执行网络传输经网络传输延迟
Figure FDA00032724338600000217
至该移动机器人执行器的预测控制力
Figure FDA00032724338600000218
实现对该移动机器人的控制；其中，n'm表示全部移动机器人中除该移动机器人以外第m组中第n'm移动机器人，ji表示第i组中第j移动机器人；
延迟单元：
该移动机器人所在组对应云节点中的延迟单元接收
Figure FDA00032724338600000219
输出该移动机器人由当前时刻t经网络传输延迟
Figure FDA00032724338600000220
的预测控制力
Figure FDA00032724338600000221
以及该移动机器人由当前时刻t经网络传输延迟
Figure FDA00032724338600000222
的预测控制力
Figure FDA00032724338600000223
2.根据权利要求1所述一种基于云的多移动机器人输出一致性控制系统，其特征在于：还包括各移动机器人分别均对应的扰动观测器、综合单元；
所述一致性移动控制过程中：
移动机器人所在组对应云节点中状态预估器输出该移动机器人预测位置信息
Figure FDA0003272433860000031
分别传输至同组中辅助单元与预测控制器的同时，执行网络传输经网络传输延迟
Figure FDA0003272433860000032
至该移动机器人所对应扰动观测器的预测位置信息
Figure FDA0003272433860000033
该移动机器人所在组对应云节点中预测控制器输出该移动机器人在
Figure FDA0003272433860000034
的预测控制力
Figure FDA0003272433860000035
执行网络传输经网络传输延迟
Figure FDA0003272433860000036
至该移动机器人所对应综合单元的预测控制力
Figure FDA0003272433860000037
扰动观测器：
该移动机器人所在组对应云节点中的扰动观测器接收
Figure FDA0003272433860000038
并结合该移动机器人在当前时刻t的位置信息
Figure FDA0003272433860000039
输出该移动机器人所受到的扰动估计值
Figure FDA00032724338600000310
并传输至对应综合单元；
综合单元：
该移动机器人所在组对应云节点中的综合单元接收
Figure FDA00032724338600000311
输出该移动机器人的控制力
Figure FDA00032724338600000312
并传输至该移动机器人执行器，实现对该移动机器人的控制。
3.根据权利要求1所述一种基于云的多移动机器人输出一致性控制系统，其特征在于，所述扰动观测器按如下模型：
Figure FDA00032724338600000313
输出该移动机器人所受到的扰动估计值
Figure FDA00032724338600000314
Figure FDA00032724338600000315
表示第m组中第nm移动机器人在扰动观测器中的观测矩阵。
4.根据权利要求1所述一种基于云的多移动机器人输出一致性控制系统，其特征在于，所述状态预估器按如下模型：
Figure FDA00032724338600000316
Figure FDA00032724338600000317
输出该移动机器人由当前时刻t经云端下传至该移动机器人的网络传输延迟
Figure FDA00032724338600000318
的预测位置信息
Figure FDA0003272433860000041
其中，
Figure FDA0003272433860000042
分别表示第m组中第nm移动机器人对应状态预估器的系统矩阵、输入矩阵、输出矩阵，
Figure FDA0003272433860000043
表示第m组中第nm移动机器人对应状态观测器中的观测矩阵。
5.根据权利要求1所述一种基于云的多移动机器人输出一致性控制系统，其特征在于，所述辅助单元的执行中：
若该移动机器人为第1组中第1移动机器人，则辅助单元按如下模型：
Figure FDA0003272433860000044
输出该移动机器人在
Figure FDA0003272433860000045
的辅助变量
Figure FDA0003272433860000046
若该移动机器人为第2组至第M组中的第1移动机器人，则辅助单元按如下模型：
Figure FDA0003272433860000047
输出该移动机器人在
Figure FDA0003272433860000048
的辅助变量
Figure FDA0003272433860000049
若该移动机器人为各组中第2移动机器人至第Nm移动机器人，则辅助单元按如下模型：
Figure FDA00032724338600000410
输出该移动机器人在
Figure FDA00032724338600000411
的辅助变量
Figure FDA00032724338600000412
6.根据权利要求1所述一种基于云的多移动机器人输出一致性控制系统，其特征在于，所述预测控制器按如下模型：
Figure FDA00032724338600000413
实现该移动机器人所在组对应云节点中的预测控制器接收
Figure FDA00032724338600000414
并结合全部移动机器人中除该移动机器人以外各移动机器人分别经对应状态预估器输出的
Figure FDA00032724338600000415
输出该移动机器人在
Figure FDA00032724338600000416
的预测控制力
Figure FDA00032724338600000417
其中,
Figure FDA00032724338600000418
是第m组中第nm移动机器人对应预测控制器中用于调节辅助单元所输出辅助变量的控制增益，
Figure FDA00032724338600000419
∈是预测控制器中用于调节第m组中第nm移动机器人与其邻居移动机器人预测输出误差的控制增益，
Figure FDA00032724338600000420
Figure FDA00032724338600000421
是第m组中第nm移动机器人在
Figure FDA00032724338600000422
的辅助变量。
7.根据权利要求1至6中任意一项所述一种基于云的多移动机器人输出一致性控制系统，其特征在于，所述各移动机器人、以及其分别所连接的传感器位于云边缘侧，所述执行网络传输的各数据信息经网络层执行网络传输。
CN202111118172.5A 2021-09-22 2021-09-22 一种基于云的多移动机器人输出一致性控制系统 Active CN113848712B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111118172.5A CN113848712B (zh) 2021-09-22 2021-09-22 一种基于云的多移动机器人输出一致性控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111118172.5A CN113848712B (zh) 2021-09-22 2021-09-22 一种基于云的多移动机器人输出一致性控制系统

Publications (2)

Publication Number Publication Date
CN113848712A true CN113848712A (zh) 2021-12-28
CN113848712B CN113848712B (zh) 2023-10-31

Family

ID=78979428

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111118172.5A Active CN113848712B (zh) 2021-09-22 2021-09-22 一种基于云的多移动机器人输出一致性控制系统

Country Status (1)

Country Link
CN (1) CN113848712B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646758A (zh) * 2018-03-20 2018-10-12 南京邮电大学 一种多移动机器人预设性能编队控制器结构及设计方法
CN108710302A (zh) * 2018-06-20 2018-10-26 天津大学 无源性全方位移动机器人轨迹跟踪自抗扰控制方法
CN112445132A (zh) * 2019-08-30 2021-03-05 天津大学 一种多智能体系统最优状态一致性控制方法
CN112596395A (zh) * 2020-12-24 2021-04-02 中国科学院重庆绿色智能技术研究院 一种多重信息约束下的多智能体一致性协同控制方法
WO2021112255A2 (en) * 2019-12-06 2021-06-10 Mitsubishi Electric Corporation Systems and methods for advance anomaly detection in a discrete manufacturing process with a task performed by a human-robot team
US20210208545A1 (en) * 2020-01-06 2021-07-08 Petuum Inc. Autonomous industrial process control system and method that provides autonomous retraining of forecast model

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108646758A (zh) * 2018-03-20 2018-10-12 南京邮电大学 一种多移动机器人预设性能编队控制器结构及设计方法
CN108710302A (zh) * 2018-06-20 2018-10-26 天津大学 无源性全方位移动机器人轨迹跟踪自抗扰控制方法
CN112445132A (zh) * 2019-08-30 2021-03-05 天津大学 一种多智能体系统最优状态一致性控制方法
WO2021112255A2 (en) * 2019-12-06 2021-06-10 Mitsubishi Electric Corporation Systems and methods for advance anomaly detection in a discrete manufacturing process with a task performed by a human-robot team
US20210208545A1 (en) * 2020-01-06 2021-07-08 Petuum Inc. Autonomous industrial process control system and method that provides autonomous retraining of forecast model
CN112596395A (zh) * 2020-12-24 2021-04-02 中国科学院重庆绿色智能技术研究院 一种多重信息约束下的多智能体一致性协同控制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
倪洪杰;朱俊威;俞立;禹鑫?;: "切换拓扑下多舞台移动机器人编队容错跟踪控制", 高技术通讯, no. 08 *

Also Published As

Publication number Publication date
CN113848712B (zh) 2023-10-31

Similar Documents

Publication Publication Date Title
CN110065070B (zh) 一种基于动力学模型的机器人自适应阻抗控制系统
He et al. Design and adaptive control for an upper limb robotic exoskeleton in presence of input saturation
CN108445748B (zh) 一种基于事件触发机制的自适应航天器姿态跟踪控制方法
CN108803344B (zh) 一种基于模态切换的机器人双边遥操作对称预测控制方法
CN110262256B (zh) 一种非线性遥操作系统的多边自适应滑模控制方法
CN106976804B (zh) 双摆吊车能耗最优轨迹规划方法
CN108710373B (zh) 一种网络化欠驱动无人艇分布式编队控制器及其设计方法
CN108445892A (zh) 一种欠驱动无人船编队控制器结构及设计方法
CN103955218A (zh) 一种基于非线性控制理论的无人艇轨迹跟踪控制装置及方法
CN108663939A (zh) 考虑通讯丢包的uuv集群水平面路径跟踪控制方法
CN107861382B (zh) 一种多执行水下机器人鲁棒自适应运动控制装置及其方法
CN106774379A (zh) 一种智能超螺旋强鲁棒姿态控制方法
CN114516047B (zh) 基于径向基神经网络终端滑模控制机械臂轨迹方法及系统
Jamali et al. Intelligent modeling of double link flexible robotic manipulator using artificial neural network
CN116638507A (zh) 一种自适应阻抗控制与预测控制相结合的遥操作控制方法
CN111439392A (zh) 一种航天器编队位置协同控制方法
CN113342010B (zh) 一种自触发通信的水下滑翔机协同控制系统
CN108829132A (zh) 一种考虑大时滞的多uuv空间机动控制方法
CN113848712A (zh) 一种基于云的多移动机器人输出一致性控制系统
CN108829109B (zh) 基于分布式模型预测控制的中性浮力机器人姿态与轨迹控制方法
CN106527134A (zh) 大规模液压系统的分布式协同控制方法
CN111427264B (zh) 一种复杂遥操作技术的神经自适应固定时间控制方法
CN113625781A (zh) 基于事件的欧拉-拉格朗日系统跟踪控制方法
CN114859847B (zh) 一种适用于互联非线性系统的可靠优化控制系统及方法
CN116256970A (zh) 一种基于扰动观测器的数据驱动云边协同控制方法及系统

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