CN115129085A - 一种多群组机器人协同执行任务的方法 - Google Patents
一种多群组机器人协同执行任务的方法 Download PDFInfo
- Publication number
- CN115129085A CN115129085A CN202210878874.1A CN202210878874A CN115129085A CN 115129085 A CN115129085 A CN 115129085A CN 202210878874 A CN202210878874 A CN 202210878874A CN 115129085 A CN115129085 A CN 115129085A
- Authority
- CN
- China
- Prior art keywords
- robot
- robots
- group
- formation
- gas leakage
- 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
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 133
- 238000001514 detection method Methods 0.000 claims abstract description 39
- 230000000007 visual effect Effects 0.000 claims abstract description 18
- 241000238631 Hexapoda Species 0.000 claims description 27
- 239000003795 chemical substances by application Substances 0.000 claims description 27
- 239000011664 nicotinic acid Substances 0.000 claims description 27
- 238000009826 distribution Methods 0.000 claims description 24
- 230000003044 adaptive effect Effects 0.000 claims description 21
- 230000033001 locomotion Effects 0.000 claims description 17
- 238000004891 communication Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 238000005507 spraying Methods 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 230000007480 spreading Effects 0.000 claims description 4
- 238000003892 spreading Methods 0.000 claims description 4
- 239000007921 spray Substances 0.000 claims description 3
- 238000005755 formation reaction Methods 0.000 description 112
- 239000007789 gas Substances 0.000 description 108
- 241000510032 Ellipsaria lineolata Species 0.000 description 19
- 239000011159 matrix material Substances 0.000 description 17
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 239000010432 diamond Substances 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 229910003460 diamond Inorganic materials 0.000 description 3
- 230000009977 dual effect Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 239000002609 medium Substances 0.000 description 3
- 239000013587 production medium Substances 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 2
- 239000004917 carbon fiber Substances 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000003209 petroleum derivative Substances 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000002390 adhesive tape Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000004517 catalytic hydrocracking Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000010892 electric spark Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000005504 petroleum refining Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 231100000419 toxicity Toxicity 0.000 description 1
- 230000001988 toxicity 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 or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
-
- 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)
- Manipulator (AREA)
Abstract
本发明涉及一种多群组机器人协同执行任务的方法，包括：包括由多个引导机器人组成探测群组在搜索空间中进行气体泄漏探测，在同一气体泄漏区域内探测到气体泄漏的多个引导机器人通过位置移动分布于泄漏点的气体泄漏区域内，通过机器人发出灯光指示信号表征气体浓度强弱，指示出气体泄漏区域的范围；由多个任务机器人组成任务群组；在探测群组的灯光指示信号引导下，进行视觉图像导航定位行进至气体泄漏区域；到达气体泄漏区域后，任务群组的多个任务机器人建立领航‑跟随者的编队结构，在编队控制器的控制下，进行编队队形展开和变换，执行气体泄漏的控制任务。本发明通过群组机器人协同实现了气体泄漏区域确定和对泄漏事故的控制。
Description
技术领域
本发明属于机器人技术领域，具体涉及一种多群组机器人协同执行任务的方法。
背景技术
石化场站是指以石油、天然气及其它产品为原料通过石化设备进行分离。液化等操作而存储输运的场所，石化生产主要由原料处理、化学反应及产品精制三大工艺过程构成，原料经预处理满足加工要求，再通过复合化学反应制得高质量产品。为满足生产介质及工艺过程的多样化需求，石油炼制及加氢裂化等生产环节通常要求设备多元化、功能多样化及输出最大化，故对石化设备性能与工况提出了严格要求。
石化设备通常面临不同压力及温度、多介质的工况条件。由于生产介质具有强腐蚀、易燃易爆及有毒有害等特性，当设备长期高负荷运行或超出阈值时，设备强度、塑性及韧性等力学性能与耐腐蚀、抗氧化等化学性能将逼近最大承载值，对设备造成不可逆变化，增加企业设备成本。
生产介质易燃﹑易爆及有毒等特性极易造成泄漏安全事故。石化场站因占地面积大，生产设备类型复杂及数量庞大，电气设备运行时极易产生电火花、撞击火花等可燃源，当介质泄漏达到一定浓度时，因可控性低一旦接触可燃源即会造成火灾爆炸事故，造成巨大损失。
发明内容
鉴于上述的分析，本发明旨在公开了一种多群组机器人协同执行任务的方法，利用探测群组确定气体泄漏区域，引导任务群组到达气体泄漏区域，以与气体泄漏情况相适应的队形实现对泄漏事故的对应性控制。
本发明公开了一种多群组机器人协同执行任务的方法，包括：
由多个引导机器人组成探测群组；探测群组在搜索空间中进行气体泄漏探测，在同一气体泄漏区域内探测到气体泄漏的多个引导机器人，通过机器人的位置移动分布于泄漏点的整个的气体泄漏区域内，并通过引导机器人自身发出灯光指示信号的强弱来表征探测的机器人所在的区域点气体浓度强弱；在空间中通过灯光指示出气体泄漏区域的范围；
由多个任务机器人组成任务群组；在探测群组的灯光指示信号引导下，通过视觉图像导航，使任务群组行进至气体泄漏区域；
到达气体泄漏区域后，任务群组的多个任务机器人建立领航-跟随者的编队结构，在编队控制器的控制下，进行编队队形展开和变换，执行气体泄漏的控制任务。
进一步地，在建立的领航-跟随者的多机器人编队结构中，指定其中一个机器人为领航机器人，其余机器人为跟随机器人；并对编队结构中的每个跟随机器人设置一个对应的虚拟跟随机器人，所述虚拟跟随机器人所处位置为对应的跟随机器人在编队中保持队形所要达到的期望位置；
在编队控制器的控制下，使领航机器人对给定的编队运动参考轨迹的轨迹点位置进行实时跟踪，使跟随机器人对虚拟跟随机器人的实时位置进行跟踪。
进一步地，所述编队控制器为采用双闭环自适应PID调节的编队控制器；编队控制器中包括采用基于运动学模型的PID调节和基于动力学模型的自适应PID调节的双闭环PID调节方式。
进一步地，在对领航机器人的双闭环自适应PID调节中，建立领航机器人的运动学模型和动力学模型，采用双闭环自适应PID调节的编队控制器，对领航机器人的位置和姿态进行控制，使领航机器人的位置收敛到给定的编队运动参考轨迹的轨迹点位置；
在对跟随机器人的双闭环自适应PID调节中，建立跟随机器人的运动学模型和动力学模型，采用双闭环自适应PID调节的编队控制器，对跟随机器人的位置和姿态进行控制，使跟随机器人的位置收敛到对应的虚拟跟随机器人的位置；
所述虚拟跟随机器人的位置为根据领航机器人的位置和姿态数据进行坐标转换获得。
进一步地，任务群组中领航机器人搭载有摄像装置，跟踪探测群组的灯光指示信号得到视觉图像信号，进行视觉图像导航定位，引导任务群组行进至气体泄漏区域；
所述领航机器人还与气体泄漏区域内的引导机器人建立无线通信链路；在任务机器人视觉图像信号丢失后，通过无线通信链路的信号强度进行信号强度指示测距；根据对气体泄漏区域内的多个引导机器人的测距，进行任务机器人的二次定位。
进一步地，所述探测群组在搜索空间中进行气体泄漏探测的方法，包括：
探测群组内的多个引导机器人预先随机分布于搜索空间中，每个引导机器人均具有气体浓度感知功能，并将感知的气体浓度通过灯光亮度值进行标识；
引导机器人感知其所在空间位置的泄漏气体浓度，对标识感知气体浓度的灯光亮度值进行更新；
引导机器人根据与群组内其他引导机器人的距离，将灯光亮度值进行折算得到亮度值分发量，分发到对应的引导机器人，距离越远亮度值分发量越小；
每个引导机器人根据自身感知气体浓度得到的灯光亮度值和接收到的群组内其他引导机器人发送的亮度值分发量，进行机器人配对，确定出与自身进行配对的引导机器人；
在确定出与自身进行配对的引导机器人后，朝向该配对的引导机器人移动，更新机器人自身位置；
通过群组中引导机器人的位置更新，使群组内的多个引导机器人的空间位置遍布在气体的泄漏区域。
进一步地，所述引导机器人通过搭载的气体传感器感知气体浓度；并将感知气体浓度值转换为灯光亮度值；
当前时刻t探测到气体泄漏的第i个引导机器人更新的灯光亮度值XYi(t)＝max{0,b1·XYi(t-1)+b2·fi(t)}；式中，XYi(t-1)为上一时刻第i个引导机器人的灯光信号强度值，fi(t)为第i个引导机器人在当前时刻t所探测的泄露气体浓度值；b1和b2为常量，并满足0≤b1≤1和b2>1。
进一步地，当前时刻t第i个引导机器人对群组内的第j个引导机器人的灯光亮度值分发量：
式中，i＝1,2,…,N，j＝1,2,…,N，k＝1,2,…,N，i≠k，i≠j；dij是第i个引导机器人与第j个引导机器人之间的欧氏距离，N为群组内机器人的数量。
进一步地，所述引导机器人为仿生飞行昆虫机器人，能够在狭小空间内飞行；
仿生飞行昆虫机器人体内搭载的气体传感器，机器人的尾部设置气体浓度指示灯；所述仿生飞行昆虫机器人设有用于与群组内引导机器人之间以及与领航机器人之间建立数据通信链路的Zigbee模块。
进一步地，所述任务群组中包括多个行走机器人和一个移动灭火剂基站；
多个行走机器人和移动灭火剂基站依次连接在一起，第一个行走机器人为任务群组中的领航机器人，其余行走机器人和移动灭火剂基站为跟随机器人；
领航机器人通过牵引绳与第一个跟随机器人连接，其余的行走机器人通过牵引绳和消防管道依次连接，最后一个行走机器人通过牵引绳和消防管道与移动灭火剂基站连接；
所述领航机器人，用于在探测群组的引导下，牵引着跟随机器人行进至气体泄漏区域；在执行任务的过程中，领航机器人根据泄漏源特征选择合适的队形结构，为跟随机器人的队形展开和队形变换提供期望位置和期望角度；
作为跟随机器人的行走机器人均搭载有灭火剂喷射头，并通过消防管道与移动灭火剂基站连接；在在执行任务的过程中，根据编队队形展开的跟随机器人通过灭火剂喷射头向泄漏点喷射灭火剂，对气体泄漏进行早期控制，防止气体发生燃烧。
本发明至少可实现以下有益效果之一：
本发明的多群组机器人协同执行任务的方法，采用探测群组和任务群组的协同工作，利用探测群组确定气体泄漏区域，引导任务群组到达气体泄漏区域，以与气体泄漏情况相适应的队形实现对泄漏事故的对应性控制。
本发明的探测群组中多个引导机器人按照泄漏气体浓度大小分布进行排布，并按照气体浓度大小进行泄漏指示灯亮度控制，形成从泄漏点的中心到泄漏边缘由亮到暗的气体泄漏空间区域指示，实现对泄漏区域的报警和泄漏区域的指示。
本发明的探测群组采用包括蝴蝶式机器人在内的仿生飞行昆虫机器人进行探测和空间区域确定，便于在石化场站管路复杂的区域中的狭小空间通行的停留，以确定泄漏气体的空间区域。
本发明任务群组，基于视觉图像导航定位和基于信号强度指示测距定位两种定位方式对任务机器人进行导航定位，确保任务机器人被引导到气体泄漏区域。
本发明任务群组，基于双闭环自适应PID的多机器人编队控制，利用双闭环自适应PID方法解决多移动机器人编队控制问题，并且使编队控制具有防碰撞功能和良好的抗扰动能力。
附图说明
附图仅用于示出具体实施例的目的，而并不认为是对本发明的限制，在整个附图中，相同的参考符号表示相同的部件。
图1为本发明实施例中的多群组机器人协同执行任务的方法流程图；
图2为本发明实施例中的用于空间区域确定的多机器人探测方法流程图。
图3为本发明实施例中的为蝴蝶式机器人的顶视图；
图4为本发明实施例中的为蝴蝶式机器人的侧视图；
图5为本发明实施例中的为蝴蝶式机器人的前视图；
图6为本发明实施例中的为蝴蝶式机器人的立体图；
图7为本发明实施例中的一个蝴蝶式机器人探测到气体泄漏的示意图；。
图8为本发明实施例中的任务机器人进行二次定位示意图。
图9为本发明实施例中的领航-跟随者的多机器人编队运动结构图
图10为本发明实施例中的本发明实施例中的队列形状示例图；
图11为本发明实施例中的球形机器人运动学模型示意图；
图12为本发明实施例中的双闭环自适应PID的编队控制器框图。
附图标记：1-微型舵机，2-炭纤维杆，3-弹性薄膜，4-塑料连接组件，5-翅膀组件，6-翅膀驱动组件，7-主躯干，8-前翅，9-后翅，10-无线传感器，11-微控、供电系统，12-蝴蝶机器人，13-石油气体管道，14-无线传感器，15-警示灯光，16-泄漏气体，17-裂缝，18-引导机器人组，19-任务群组，20-领航机器人，21-跟随机器人，22-移动灭火剂基站。
具体实施方式
下面结合附图来具体描述本发明的优选实施例，其中，附图构成本申请一部分，并与本发明的实施例一起用于阐释本发明的原理。
本发明的一个实施例公开了一种多群组机器人协同执行任务的方法，如图1所示，包括：
步骤S101、由多个引导机器人组成探测群组；探测群组在搜索空间中进行气体泄漏探测，在同一气体泄漏区域内探测到气体泄漏的多个引导机器人，通过机器人的位置移动分布于泄漏点的整个的气体泄漏区域内，并通过引导机器人自身发出灯光指示信号的强弱来表征探测的机器人所在的区域点气体浓度强弱；在空间中通过灯光指示出气体泄漏区域的范围；
步骤S102、由多个任务机器人组成任务群组；在探测群组的灯光指示信号引导下，通过视觉图像导航，使任务群组行进至气体泄漏区域；
步骤S103、到达气体泄漏区域后，任务群组的多个任务机器人建立领航-跟随者的编队结构，在编队控制器的控制下，进行编队队形展开和变换，执行气体泄漏的控制任务。
具体的，在步骤S101中探测群组在搜索空间中进行气体泄漏探测的方法，如图2所示，包括：
S201、探测群组内的多个引导机器人预先随机分布于搜索空间中，每个引导机器人均具有气体浓度感知功能，并将感知的气体浓度通过灯光亮度值进行标识；
所述引导机器人通过搭载的气体传感器感知气体浓度，通过搭载的指示灯的灯光亮度值标识本地气体浓度值；
S202、引导机器人感知其所在空间位置的泄漏气体浓度，对标识感知气体浓度的灯光亮度值进行更新；
具体的，在对气体浓度标识值进行更新中，结合前一时刻的灯光亮度和当前时刻探测的气体泄露浓度值，确定当前时刻灯光亮度值；
当前时刻t探测到气体泄漏的第i个引导机器人更新的灯光亮度值XYi(t)＝max{0,b1·XYi(t-1)+b2·fi(t)}；式中，XYi(t-1)为上一时刻第i个引导机器人的灯光信号强度，fi(t)为第i个引导机器人在当前时刻t所探测的泄露气体浓度值；b1和b2为常量，并满足0≤b1≤1和b2>1。
S203、引导机器人根据与群组内其他引导机器人的距离，将灯光亮度值进行折算得到亮度值分发量，分发到对应的引导机器人，距离越远亮度值分发量越小；
当前时刻t第i个引导机器人对群组内的第j个引导机器人的灯光亮度值分发量：
式中，i＝1,2,…,N，j＝1,2,…,N，k＝1,2,…,N，i≠k，i≠j；dij是第i个引导机器人与第j个引导机器人之间的欧氏距离，dik是第i个引导机器人与第k个引导机器人之间的欧氏距离；N为群组内机器人的数量。
S204、每个引导机器人根据自身感知气体浓度得到的灯光亮度值和接收到的群组内其他引导机器人发送的亮度值分发量，进行机器人配对，确定出与自身进行配对的引导机器人；
在进行机器人配对时，引导机器人将接收到的群组内其他引导机器人发送的灯光亮度值分发量和自身传感器测量的灯光亮度值一起依照由大到小进行降序排列；选择降序排列中与自身灯光亮度值相邻的前一位的机器人作为配对机器人。
其中，机器人配对可用下式表示：
XY(ithBF)＜XY(jthBF)
式中，i＝1,2,...,N；j＝1,2,...,N；ith、jth指的是引导机器人的降序指数，BF指代引导机器人，将与第i个引导机器人的降序指数ith相邻降序指数jth(即降序中相邻的前一位)的引导机器人与第i个引导机器人进行配对。
S205、在确定出与自身进行配对的引导机器人后，朝向该配对的引导机器人移动，更新机器人自身位置；
具体的，向配对机器人移动的目标位置
其中，xi(t+1)和xi(t)分别是第i个引导机器人在下一个时刻和当前时刻的位置；xl-mate(t)第i个引导机器人的配对机器人的当前时刻的位置，BS为引导机器人的移动步长。
S206、通过群组中引导机器人的位置更新，使群组内的多个引导机器人的空间位置遍布在气体的泄漏区域。
为实现在一定的空间区域内使机器人能够散开，形成覆盖到整个泄漏气体区域的机器人分布。特别是在石化场站中管路复杂的区域中，通过存在狭小空间进行泄漏气体的空间区域确定，优选的，所述引导机器人为仿生飞行昆虫机器人，能够在狭小空间内飞行；
仿生飞行昆虫机器人体内搭载的气体传感器，机器人的尾部设置气体浓度指示灯。
述仿生飞行昆虫机器人设有用于与群组内机器人之间以及与任务机器人之间建立数据通信链路的Zigbee模块；设置有用于感应光强度的光传感器；设置有用于避障的超声波传感器；设置有用于定位的卫星导航模块和/微型惯导模块。
在探测过程中，如果泄漏区域中只有一个泄漏点，在该泄漏点附近有一个仿生飞行昆虫机器人，则该仿生机器人探测到泄漏气体后，通过设置在尾部的气体浓度指示灯指示出泄漏气体的浓度；附近的群组内其他的仿生飞行昆虫机器人，根据接收到的探测到泄漏气体的仿生飞行昆虫机器人的亮度值分发量，朝向该仿生飞行昆虫机器人飞行移动，当其他仿生飞行昆虫机器人飞到泄漏区域后，其搭载的气体传感器探测到泄漏气体后，通过设置在尾部的气体浓度指示灯指示出泄漏气体的浓度；当多个飞行昆虫机器人都探测到泄漏气体，通过相互分发的亮度值分发量和自身感知气体浓度得到的灯光亮度值进行机器人配对，确定出与自身进行配对的机器人，以配对机器人之间相对移动，通过群组中机器人的位置更新，使群组内多个机器人的空间位置遍布在气体的泄漏区域，泄漏区域越大，探测到泄漏气体的仿生飞行昆虫机器人越多，遍布的空间就越大，且位于泄漏区域浓度高位置的仿生飞行昆虫机器人的气体浓度指示灯的亮度更亮，浓度低位置的气体浓度指示灯的亮度低。以此在仿生飞行机器人确定的气体泄漏空间区域中，形成一个从泄漏中心到泄漏边缘从亮到暗的气体泄漏空间区域指示。
在探测过程中，如果泄漏区域中有多个泄漏点，则每个泄漏点附近仿生飞行昆虫机器人最先探测到泄漏气体，通过设置在尾部的气体浓度指示灯指示出泄漏气体的浓度；并向周围的其他仿生飞行昆虫机器人分发亮度值分发量；依照上述的探测过程，会形成围绕每个泄漏点的呈区域的仿生飞行昆虫机器人位置分布，并从每个泄漏点的中心到泄漏边缘从亮到暗的气体泄漏空间区域指示。方便对泄漏区域的报警和泄漏区域指示以及泄漏区域中心指示。
优选的，所述仿生飞行昆虫机器人为蝴蝶式机器人，所述仿生飞行昆虫机器人为蝴蝶式机器人，包括主躯干、翅膀驱动组件与翅膀组件；主躯干内搭载的气体传感器，主躯干的尾部设置气体浓度指示灯。
其中，翅膀组件包括左翅膀组件和右翅膀组件，分别安装于主躯干前端两侧安装的翅膀驱动组件上，且镜像对称；翅膀组件中，外轮廓通过碳纤维杆弯折后通过塑料连接组件固定成型，构成蝴蝶式机器人的整体骨架，弹性薄膜根据翅膀骨架整体切割而成，并利用粘性胶带固定于翅膀骨架之上，形成弹性翅膀；翅膀组件通过主躯干前部安装的驱动舵机驱动，带动翅膀扑打，转化为飞行的推力和升力，并独立控制双翅的始末相位实现蝴蝶的俯仰及偏航；且通过主躯干后部安装的微控制系统与供电系统，实现仿生蝴蝶扑翼飞行器的控制及供电。
如图3、4、5、6所示，为蝴蝶式机器人的顶视图、侧视图、前视图和立体图。
采用蝴蝶式机器人，搭载检测石油气体泄露的传感器，在危险源地方附着，当发生泄露时，传感器探测信号，蝴蝶尾部发出可识别的灯光。蝴蝶式机器人上设有无线传感器，通过平台分发指令给100个群体为单位，寻找危险源，检测到危险源时，一个蝴蝶留下，用灯光示意泄露危险的强度，当一群蝴蝶发生同样的灯光亮度时，蝴蝶群体以队形展开寻找泄露源大小，以捕捉危险源扩散大小。见图7。
具体的，在步骤S102中的任务群组中指定一个任务机器人搭载摄像装置，跟踪探测群组的灯光指示信号得到视觉图像信号，进行视觉图像导航，引导任务群组行进至气体泄漏区域；
优选的，所述搭载摄像装置的任务机器人为步骤S103的领航-跟随者的编队结构中的领航机器人；由领航机器人搭载有摄像装置，跟踪探测群组的灯光指示信号得到视觉图像信号，采用现有的视觉导航定位方法，跟踪引导机器人发出的灯光指示信号，进行导航定位，引导任务群组行进至气体泄漏区域。
并且，所述领航机器人还与气体泄漏区域内的引导机器人建立无线通信链路；在任务机器人视觉图像信号丢失后，通过无线通信链路的信号强度进行信号强度指示测距；根据对气体泄漏区域内的多个引导机器人的测距，进行任务机器人的二次定位。
具体的，在领航机器人视觉图像信号丢失后，通过无线通信链路的信号强度进行信号强度指示(RSSI)测距的方法中，
RSSI定位的对数-常态分布模型的数学表达式为：
其中d为发射节点(引导机器人)到接收节点(领航机器人)的距离，单位为m；d0为单位距离，通常取1m；PL(d)为经过距离d后的路径损耗，PL(d0)为经过单位距离后的路径损耗；X0为均值为0的高斯随机数，其标准差范围为4～10；n为信号衰减因子，表示路径损失随距离增加而增大的快慢，当n取值越小时，信号在传播过程中衰减越小，信号就可以传播更远，范围一般为2～4。
接收节点(领航机器人)接收到的RSSI值表达式如下：
RSSI＝Pt-PL(d)
其中Pt为发射节点的发射功率。
由上式可知:PL(d0)＝Pt-A；
由于d0通常取为1m且X0的均值为0，所以上式简化为：
PL(d)＝Pt-A+10nlg(d)；
则RSSI值的表达式为：
RSSI＝A-10nlg(d)；
式中，A为在单位距离d0处的信号强度，n为信号衰减因子；d为发射节点到接收节点的距离。
如果接收节点测量到发射节点的信号在其位置的信号强度指示值RSSI，根据通过环境参数A和n就可以计算出接收节点到发射节点的距离。
利用对于最少三个引导机器人的信号强度指示测距值，通过三边定位法确定出引导机器人的位置。
如图8所示，任务群组进行二次定位示意图。
在图中，领航机器人与引导机器人建立无线通信链路，根据通过无线通信链路的信号强度进行信号强度指示测距进行二次定位，牵引着任务群组中其他任务机器人行进至气体泄漏区域。
具体的，步骤S103中，在建立的领航-跟随者的多机器人编队结构中，指定其中一个机器人为领航机器人，其余机器人为跟随机器人；并对编队结构中的每个跟随机器人设置一个对应的虚拟跟随机器人，所述虚拟跟随机器人所处位置为对应的跟随机器人在编队中保持队形所要达到的期望位置；
在编队控制器的控制下，使领航机器人对给定的编队运动参考轨迹的轨迹点位置进行实时跟踪，使跟随机器人对虚拟跟随机器人的实时位置进行跟踪。
具体的，如图9所示为领航-跟随者的多机器人编队运动结构图，领航机器人对给定的编队运动参考轨迹的轨迹点位置pd(xd,yd)进行实时跟踪；跟随机器人与领航机器人之间保持期望距离和方位角，构成编队队形。通过将跟随机器人与领航机器人之间保持期望的距离和方位角转换到跟随机器人与其对应的虚拟跟随机器人之间的位姿差收敛到零。
本实施例中的领航-跟随者结构设计的好处在于领航机器人负责整个系统规划和协调，跟随者最终要达到的位置是虚拟机器人的位置，从而以一定的编队队形行进或在行进中变换队形。
具体的，所述多机器人编队的队形为采用有向无环图进行描述的可伸缩队形；每个机器人看作成一个顶点，两个机器人之间的关系看作是边；每个机器人都有唯一的ID号，这里将领航机器人设为RL，其余跟随机器人依次设为RF1，RF2，…，RF(n-1)。
所述队形的参数矩阵的通式为：
其中，Fd为队形的形状参数信息矩阵，i∈[0,n-1]为机器人的ID号；机器人i的形状参数
中，fi1为机器人i的编号，fi2为机器人i与领航机器人之间需要保持的期望距离
fi3为机器人i与领航机器人之间的期望方位角
则任务群组的多任务机器人编队的队形形状可以描述为：
在本实施例中，对包括一字型、锲形、柱状型、三角形、菱形和圆形在内的队形建立期望队形参数矩阵，构成队形知识库，在执行任务时，任务群组中的多任务机器人以指定的任务队形进行队列展开，根据感知到的环境变化选择目标队形进行队形变换，在队形变换时，从队形知识库中调取目标队形的期望队形参数矩阵，各任务机器人按照各自的形状参数运动，形成目标队形。
具体的，本实施例中还给出了一字型、锲形、柱状型、三角形、菱形和圆形等多种编队队形形状的期望队形参数矩阵表示：构成他一字型、锲形、柱状型、三角形、菱形和圆形的队列形状如图10所示：
(a)一字队形：
(b)柱状队形：
(c)三角队形：
(d)锲形队形：
(e)菱形队形：
(f)圆形队形：
上述建立的期望队形参数矩阵并不能表示这类队形所有的结构，只是这类形状的一个特例，比如一字队形，通过调整机器人的顺序或者各机器人与领航机器人之间的距离可以得到新的一字队形，但是所有的队形形状都可以通过调整
和
得到。
若要实现多机器人系统以指定队形运动，并且能根据感知到的环境变化进行有效的队形变换，根据反馈控制的时变编队控制器，使得领航机器人能够跟踪提前规划好的一系列轨迹点，跟随机器人与领航机器人之间保持期望的距离和方位角，即满足
在如图8所示的方案中，所述任务群组中的多个机器人包括多个行走机器人和一个移动灭火剂基站；
多个机器人和移动灭火剂基站依次连接在一起，第一个机器人为队列中的领航机器人RL，其余机器人和移动灭火剂基站为跟随机器人RF1，RF2，…，RF(n-1)；
领航机器人RL通过牵引绳与第一个跟随机器人RF1连接，其余的机器人通过牵引绳和消防管道依次连接，最后一个机器人RF(n-2)通过牵引绳和消防管道与移动灭火剂基站RF(n-1)连接；
所述领航机器人，用于在探测群组的引导下，牵引着跟随机器人行进至气体泄漏区域；在执行任务的过程中，领航机器人根据泄漏源特征选择合适的队形结构，为跟随机器人的队形展开和队形变换提供期望位置和期望角度；
作为跟随机器人的机器人均搭载有灭火剂喷射头，并通过消防管道与移动灭火剂基站连接。在执行任务的过程中，根据编队队形展开的跟随机器人通过灭火剂喷射头向泄漏点喷射灭火剂，对气体泄漏进行早期控制，防止气体发生燃烧。
移动灭火剂基站中存储有灭火剂。
在本实施例中，所述机器人为球形-六足变形机器人；所述球形-六足变形机器人，在收起状态为球形机器人，可以在地面上滚动行进，在展开状态为六足机器人，可以通过六个足进行移动。移动灭火剂基站可采用与球形机器人相同的方式移动。
在多机器编队控制时，机器人保持球形时体积更小，通过滚动的方式行进，对路面要求低。在到达着火点或泄漏源附近后，展开为六足机器人，可将搭载的灭火剂喷射头伸出，对准气体泄漏区域喷射灭火剂。
具体的，在步骤S103中，所述编队控制器为采用双闭环自适应PID调节的编队控制器；编队控制器中包括采用基于运动学模型的PID调节和基于动力学模型的自适应PID调节的双闭环PID调节方式。
具体的，在对领航机器人的双闭环自适应PID调节中，建立领航机器人的运动学模型和动力学模型，采用双闭环自适应PID调节的编队控制器，对领航机器人的位置和姿态进行控制，使领航机器人的位置收敛到给定的编队运动参考轨迹的轨迹点位置；
在对跟随机器人的双闭环自适应PID调节中，建立跟随机器人的运动学模型和动力学模型，采用双闭环自适应PID调节的编队控制器，对跟随机器人的位置和姿态进行控制，使跟随机器人的位置收敛到对应的虚拟跟随机器人的位置；
所述虚拟跟随机器人的位置为根据领航机器人的位置和姿态数据进行坐标转换获得。
其中，所述虚拟跟随机器人的位置获得方法，包括：
根据编队的队形形状，从建立的队形知识库中调取跟随机器人与领航机器人之间需要保持的期望距离
和期望方位角
获得编队中所述领航机器人的位置数据(xL,yL)和方位角数据φL；
根据公式
得到所述虚拟跟随机器人的位置数据(xV,yV)和方位角数据φV。
在本实施例中，编队中机器人都为球形机器人条件下，建立机器人的运动学模型和动力学模型。球形机器人在平面上运动时，其球壳的运动模型可简化为如图11所示。其中∑{O,X,Y,Z}为惯性坐标系与地面固联，∑{Ob,Xb,Yb,Zb}为球形机器人的载体坐标系，其中Ob与球壳的中心固联，球体的半径为r,(xc,yc)为球壳与平面接触点pc在惯性坐标系下的位置，τψ、τθ分别为绕Xb和Yb的剪切应力。球体的位姿可以用广义坐标向量q＝[x,y,φ,θ,ψ]T表示,其中(x,y)为球体与平面接触点的位置坐标，(φ,θ,ψ)为球体的三轴欧拉角，φ为球体绕Zb轴旋转对应偏航角，θ为球体绕Yb轴旋转对应横滚角，ψ为球体绕Xb轴旋转对应俯仰角。
利用欧拉角与旋转矩阵之间的关系建立球形机器人的运动学模型为：
其中，q＝[x,y,φ,θ,ψ]T，
(x,y)为球体与平面接触点的位置坐标；(φ,θ,ψ)为球体的三轴欧拉角，φ为球体绕其载体坐标系Zb轴旋转对应偏航角，θ为球体绕其载体坐标系Yb轴旋转对应横滚角，ψ为球体绕其载体坐标系Xb轴旋转对应俯仰角，r为球体的半径。
建立的机器人动力学模型为：
其中，
为对称正定惯性矩阵，
为向心力矩阵，
为输入变换矩阵，
为作用于球形机器人的控制力矩，τθ为Yb轴的旋转控制力矩、τψ为Xb轴的旋转控制力矩；
为雅可比矩阵，
为拉格朗日乘子；m为球壳的质量，Is为转动惯量。
所述对领航机器人和对跟随机器人采用的双闭环自适应PID调节的编队控制器的结构是相同的。
在所述双闭环自适应PID调节的编队控制器中采用基于运动学模型的PID调节的PID控制器为位置环控制器，其目的是将各机器人的位置收敛到期望值，并给下面的姿态环提供期望的姿态信息。
其中，PID调节的控制律
其中，kp＞0、ki≥0、kd≥0为机器人位置误差的比例、积分和微分调节系数；
在进行领航机器人的基于运动学模型的PID调节时，ex＝xd-xL；ey＝yd-yL；(xL,yL)为领航机器人的位置数据，(xd,yd)为编队运动参考轨迹的轨迹点位置数据；
在进行跟随机器人的基于运动学模型的PID调节时，ex＝xV-xF；ey＝yV-yF；(xV,yV)为所述虚拟跟随机器人的位置数据，(xF,yF)为跟随机器人的位置数据。
并将机器人运动学方程简化为：
通过PID控制器和机器人运动学方程得到其姿态环中期望姿态角为：
优选的，在本实施例中，考虑到机器人在队形变换以及行进过程中不可避免地会其他成员发生碰撞，因此在编队控制中增加了避障控制。将避障控制与基于运动学模型的PID调节控制结合得到其姿态环中期望姿态角。
具体的，同时考虑机器人的位置控制和避障控制，得到具有避障效果的机器人运动学控制律u＝εup+(1-ε)ua；u＝[ux，uy]T
其中，up为基于运动学模型的PID调节的控制律；ua为进行避障控制的控制律；ε≥0是权重因子。
将具有避障效果的机器人运动学控制律输入到机器人运动学方程中得到包括避障控制的姿态环中期望姿态角。
具体的，本实施例中的避障控制采用基于人工势场法的避障控制，通过引入了仅考虑斥力势场的人工势场法来避免机器人之间产生碰撞。
所述避障控制的控制律：
其中，
表示机器人j对机器人i施加的斥力势场力，定义为：
其中，ka为斥力系数，dij为机器人i与机器人j之间的距离，d0为机器人避障响应距离，r为机器人半径，pi为机器人i的位置，pj为机器人j的位置，n为编队机器人的数量。
当两机器人之间的距离小于避障响应距离时，产生斥力，这时机器人进入避障控制，并随着距离的缩小，其斥力也随着变大。但是当两机器人之间的距离大于避障响应距离时，不产生斥力，这时机器人只进行位置跟踪控制。
在所述双闭环自适应PID调节的编队控制器中采用基于动力学模型的自适应PID调节的PID控制器为姿态环控制器，在姿态控制中考虑机器人系统的扰动和不确定性，建立动态模型。
建立的动态模型为：
式中，
为姿态环中对应的姿态角速度，
为系统中的扰动力矩；τ为输出的控制力矩；
是应用零空间法后对应的对称正定惯性矩阵、向心力矩阵、输入变换矩阵；
其中，UM、UV分别为
和
的不确定性因素；
为无扰动情况下的
和
进一步地，定义姿态角跟踪误差为
则
定义
vη＝η+v，则
因此，动力学方程
中力矩可以转换为：
其中，
力矩控制器输出的力矩为：
其中，
其中，Kp、Ki、Kd分别为比例、积分和微分的对角增益矩阵，K为对角正定增益矩阵，τm是无任何扰动或不确定性因素的基于名义模型的力矩控制律，
是系统的扰动和不确定性的估计误差。
更为具体的，本实施例中多机器人编队的双闭环自适应PID的编队控制器框图如图12所示。
图中的控制器分为领航机器人编队控制器和跟随机器人编队控制器两部分，两个部分采用结构相同的双闭环自适应PID调节。
领航机器人编队控制器的输入为给定的编队运动参考轨迹的轨迹点位置(xd,yd)；经双闭环自适应PID的编队控制器的控制下输出领航机器人的实时位置(xL,yL)，使领航机器人的实时位置收敛到参考轨迹的轨迹点位置；领航机器人编队控制器输出的实时位置(xL,yL)输出到跟随机器人编队控制器，根据保持或变化的编队队形参数，进行坐标变化，得到虚拟跟随机器人的实时位置(xV,yV)；经双闭环自适应PID的编队控制器的控制下输出跟随机器人的实时位置(xF,yF)；使跟随机器人的实时位置收敛到虚拟跟随机器人的实时位置；实现多机器人的编队控制。
综上所述，本发明实施例的多群组机器人协同执行任务的方法，采用探测群组和任务群组的协同工作，利用探测群组确定气体泄漏区域，引导任务群组到达气体泄漏区域，以与气体泄漏情况相适应的队形实现对泄漏的对应性控制。
其中，探测群组中多个引导机器人按照泄漏气体浓度大小分布进行排布，并按照气体浓度大小进行泄漏指示灯亮度控制，形成从泄漏点的中心到泄漏边缘由亮到暗的气体泄漏空间区域指示，实现对泄漏区域的报警和泄漏区域的指示。
任务群组基于视觉图像导航定位和基于信号强度指示测距定位两种定位方式对任务机器人进行导航定位，确保任务机器人被引导到气体泄漏区域。
任务群组基于双闭环自适应PID的多机器人编队控制，利用双闭环自适应PID方法解决多移动机器人编队控制问题，并且使编队控制具有防碰撞功能和良好的抗扰动能力。
并且，探测群组中采用包括蝴蝶式机器人在内的仿生飞行昆虫机器人进行探测和空间区域确定，便于在石化场站管路复杂的区域中的狭小空间通行的停留，以确定泄漏气体的空间区域。任务群组中采用球形-六足变形机器人更便于在石化场站的复杂环境中通行。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种多群组机器人协同执行任务的方法，其特征在于，包括：
由多个引导机器人组成探测群组；探测群组在搜索空间中进行气体泄漏探测，在同一气体泄漏区域内探测到气体泄漏的多个引导机器人，通过机器人的位置移动分布于泄漏点的整个的气体泄漏区域内，并通过引导机器人自身发出灯光指示信号的强弱来表征探测的机器人所在的区域点气体浓度强弱；在空间中通过灯光指示出气体泄漏区域的范围；
由多个任务机器人组成任务群组；在探测群组的灯光指示信号引导下，通过视觉图像导航，使任务群组行进至气体泄漏区域；
到达气体泄漏区域后，任务群组的多个任务机器人建立领航-跟随者的编队结构，在编队控制器的控制下，进行编队队形展开和变换，执行气体泄漏的控制任务。
2.根据权利要求1所述的多群组机器人协同执行任务的方法，其特征在于，
在建立的领航-跟随者的多机器人编队结构中，指定其中一个机器人为领航机器人，其余机器人为跟随机器人；并对编队结构中的每个跟随机器人设置一个对应的虚拟跟随机器人，所述虚拟跟随机器人所处位置为对应的跟随机器人在编队中保持队形所要达到的期望位置；
在编队控制器的控制下，使领航机器人对给定的编队运动参考轨迹的轨迹点位置进行实时跟踪，使跟随机器人对虚拟跟随机器人的实时位置进行跟踪。
3.根据权利要求2所述的多群组机器人协同执行任务的方法，其特征在于，所述编队控制器为采用双闭环自适应PID调节的编队控制器；编队控制器中包括采用基于运动学模型的PID调节和基于动力学模型的自适应PID调节的双闭环PID调节方式。
4.根据权利要求3所述的多群组机器人协同执行任务的方法，其特征在于，
在对领航机器人的双闭环自适应PID调节中，建立领航机器人的运动学模型和动力学模型，采用双闭环自适应PID调节的编队控制器，对领航机器人的位置和姿态进行控制，使领航机器人的位置收敛到给定的编队运动参考轨迹的轨迹点位置；
在对跟随机器人的双闭环自适应PID调节中，建立跟随机器人的运动学模型和动力学模型，采用双闭环自适应PID调节的编队控制器，对跟随机器人的位置和姿态进行控制，使跟随机器人的位置收敛到对应的虚拟跟随机器人的位置；
所述虚拟跟随机器人的位置为根据领航机器人的位置和姿态数据进行坐标转换获得。
5.根据权利要求2所述的多群组机器人协同执行任务的方法，其特征在于，
任务群组中领航机器人搭载有摄像装置，跟踪探测群组的灯光指示信号得到视觉图像信号，进行视觉图像导航定位，引导任务群组行进至气体泄漏区域；
所述领航机器人还与气体泄漏区域内的引导机器人建立无线通信链路；在任务机器人视觉图像信号丢失后，通过无线通信链路的信号强度进行信号强度指示测距；根据对气体泄漏区域内的多个引导机器人的测距，进行任务机器人的二次定位。
6.根据权利要求1-5任一项所述的多群组机器人协同执行任务的方法，其特征在于，所述探测群组在搜索空间中进行气体泄漏探测的方法，包括：
探测群组内的多个引导机器人预先随机分布于搜索空间中，每个引导机器人均具有气体浓度感知功能，并将感知的气体浓度通过灯光亮度值进行标识；
引导机器人感知其所在空间位置的泄漏气体浓度，对标识感知气体浓度的灯光亮度值进行更新；
引导机器人根据与群组内其他引导机器人的距离，将灯光亮度值进行折算得到亮度值分发量，分发到对应的引导机器人，距离越远亮度值分发量越小；
每个引导机器人根据自身感知气体浓度得到的灯光亮度值和接收到的群组内其他引导机器人发送的亮度值分发量，进行机器人配对，确定出与自身进行配对的引导机器人；
在确定出与自身进行配对的引导机器人后，朝向该配对的引导机器人移动，更新机器人自身位置；
通过群组中引导机器人的位置更新，使群组内的多个引导机器人的空间位置遍布在气体的泄漏区域。
7.根据权利要求6所述的多群组机器人协同执行任务的方法，其特征在于，所述引导机器人通过搭载的气体传感器感知气体浓度；并将感知气体浓度值转换为灯光亮度值；
当前时刻t探测到气体泄漏的第i个引导机器人更新的灯光亮度值XYi(t)＝max{0,b1·XYi(t-1)+b2·fi(t)}；式中，XYi(t-1)为上一时刻第i个引导机器人的灯光信号强度值，fi(t)为第i个引导机器人在当前时刻t所探测的泄露气体浓度值；b1和b2为常量，并满足0≤b1≤1和b2>1。
8.根据权利要求7所述的多群组机器人协同执行任务的方法，其特征在于，
当前时刻t第i个引导机器人对群组内的第j个引导机器人的灯光亮度值分发量：
式中，i＝1,2,…,N，j＝1,2,…,N，k＝1,2,…,N，i≠k，i≠j；dij是第i个引导机器人与第j个引导机器人之间的欧氏距离，N为群组内机器人的数量。
9.根据权利要求6所述的多群组机器人协同执行任务的方法，其特征在于，所述引导机器人为仿生飞行昆虫机器人，能够在狭小空间内飞行；
仿生飞行昆虫机器人体内搭载的气体传感器，机器人的尾部设置气体浓度指示灯；所述仿生飞行昆虫机器人设有用于与群组内引导机器人之间以及与领航机器人之间建立数据通信链路的Zigbee模块。
10.根据权利要求6所述的多群组机器人协同执行任务的方法，其特征在于，所述任务群组中包括多个行走机器人和一个移动灭火剂基站；
多个行走机器人和移动灭火剂基站依次连接在一起，第一个行走机器人为任务群组中的领航机器人，其余行走机器人和移动灭火剂基站为跟随机器人；
领航机器人通过牵引绳与第一个跟随机器人连接，其余的行走机器人通过牵引绳和消防管道依次连接，最后一个行走机器人通过牵引绳和消防管道与移动灭火剂基站连接；
所述领航机器人，用于在探测群组的引导下，牵引着跟随机器人行进至气体泄漏区域；在执行任务的过程中，领航机器人根据泄漏源特征选择合适的队形结构，为跟随机器人的队形展开和队形变换提供期望位置和期望角度；
作为跟随机器人的行走机器人均搭载有灭火剂喷射头，并通过消防管道与移动灭火剂基站连接；在执行任务的过程中，根据编队队形展开的跟随机器人通过灭火剂喷射头向泄漏点喷射灭火剂，对气体泄漏进行早期控制，防止气体发生燃烧。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210878874.1A CN115129085B (zh) | 2022-07-25 | 2022-07-25 | 一种多群组机器人协同执行任务的方法 |
| JP2022212177A JP7397962B1 (ja) | 2022-07-25 | 2022-12-28 | 多群ロボットが協働してタスクを実行する方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210878874.1A CN115129085B (zh) | 2022-07-25 | 2022-07-25 | 一种多群组机器人协同执行任务的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115129085A true CN115129085A (zh) | 2022-09-30 |
| CN115129085B CN115129085B (zh) | 2024-04-30 |
Family
ID=83385197
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210878874.1A Active CN115129085B (zh) | 2022-07-25 | 2022-07-25 | 一种多群组机器人协同执行任务的方法 |
Country Status (2)
| Country | Link |
|---|---|
| JP (1) | JP7397962B1 (zh) |
| CN (1) | CN115129085B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116608851A (zh) * | 2023-07-19 | 2023-08-18 | 中山大学 | 地下管道双机器人步进式协同导航方法、系统及服务器 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080024290A (ko) * | 2006-09-13 | 2008-03-18 | 에스케이 텔레콤주식회사 | 로봇을 이용한 가스 누출 감지 시스템 및 방법 |
| CN105518377A (zh) * | 2014-10-31 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 一种气体泄漏的处理方法、装置及飞行器 |
| CN105527960A (zh) * | 2015-12-18 | 2016-04-27 | 燕山大学 | 一种基于领航跟随的移动机器人编队控制方法 |
| CN111189975A (zh) * | 2020-01-08 | 2020-05-22 | 北京航天试验技术研究所 | 一种气体泄漏定位装置及定位方法 |
| CN112214025A (zh) * | 2020-10-23 | 2021-01-12 | 浙江疆锋科技有限公司 | 智能侦察灭火系统及其灭火控制方法 |
| CN112774073A (zh) * | 2021-02-05 | 2021-05-11 | 燕山大学 | 无人机引导的多机协作灭火方法及其灭火系统 |
| CN114326745A (zh) * | 2022-01-04 | 2022-04-12 | 安徽工业大学 | 一种多机器人协同搜寻气体泄漏源的方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112454353B (zh) | 2020-05-08 | 2022-04-15 | 北京理工大学 | 一种危险气体泄露检测巡检机器人及巡检方法 |
-
2022
- 2022-07-25 CN CN202210878874.1A patent/CN115129085B/zh active Active
- 2022-12-28 JP JP2022212177A patent/JP7397962B1/ja active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20080024290A (ko) * | 2006-09-13 | 2008-03-18 | 에스케이 텔레콤주식회사 | 로봇을 이용한 가스 누출 감지 시스템 및 방법 |
| CN105518377A (zh) * | 2014-10-31 | 2016-04-20 | 深圳市大疆创新科技有限公司 | 一种气体泄漏的处理方法、装置及飞行器 |
| CN105527960A (zh) * | 2015-12-18 | 2016-04-27 | 燕山大学 | 一种基于领航跟随的移动机器人编队控制方法 |
| CN111189975A (zh) * | 2020-01-08 | 2020-05-22 | 北京航天试验技术研究所 | 一种气体泄漏定位装置及定位方法 |
| CN112214025A (zh) * | 2020-10-23 | 2021-01-12 | 浙江疆锋科技有限公司 | 智能侦察灭火系统及其灭火控制方法 |
| CN112774073A (zh) * | 2021-02-05 | 2021-05-11 | 燕山大学 | 无人机引导的多机协作灭火方法及其灭火系统 |
| CN114326745A (zh) * | 2022-01-04 | 2022-04-12 | 安徽工业大学 | 一种多机器人协同搜寻气体泄漏源的方法 |
Non-Patent Citations (4)
| Title |
|---|
| HERU SUPRIYONO: "Designing a wheeled robot model for flammable gas leakage tracking", 2017 SECOND INTERNATIONAL CONFERENCE ON INFORMATICS AND COMPUTING (ICIC), 31 December 2017 (2017-12-31) * |
| 程磊: "基于无线传感器网络的气体泄漏源定位机器人设计", 传感器与微系统, vol. 34, no. 2, 31 December 2015 (2015-12-31) * |
| 钟茂华: "复杂地铁火灾烟流控制技术研究的若干进展", 第二十届海峡两岸及香港、澳门地区职业安全健康学术研讨会论文集, 31 December 2012 (2012-12-31) * |
| 陈寅生: "危险气体泄漏源搜寻多机器人系统的设计与实现", 传感技术学报, vol. 31, no. 7, 31 July 2018 (2018-07-31) * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116608851A (zh) * | 2023-07-19 | 2023-08-18 | 中山大学 | 地下管道双机器人步进式协同导航方法、系统及服务器 |
| CN116608851B (zh) * | 2023-07-19 | 2023-09-26 | 中山大学 | 地下管道双机器人步进式协同导航方法、系统及服务器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115129085B (zh) | 2024-04-30 |
| JP7397962B1 (ja) | 2023-12-13 |
| JP2024015951A (ja) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102591358B (zh) | 一种多无人机的动态编队控制方法 | |
| CN107390706B (zh) | 一种基于预演机动规则系统的无人机近距格斗决策方法 | |
| Lunni et al. | Nonlinear model predictive control for aerial manipulation | |
| Muscio et al. | Experiments on coordinated motion of aerial robotic manipulators | |
| Xiao et al. | Autonomous visual assistance for robot operations using a tethered uav | |
| Perhinschi et al. | Simulation environment for UAV fault tolerant autonomous control laws development | |
| Zhang et al. | Review of modeling and control in UAV autonomous maneuvering flight | |
| Wakabayashi et al. | Dynamic obstacle avoidance for Multi-rotor UAV using chance-constraints based on obstacle velocity | |
| Jeong et al. | A quad-rotor system for driving and flying missions by tilting mechanism of rotors: From design to control | |
| CN115129085A (zh) | 一种多群组机器人协同执行任务的方法 | |
| Cacan et al. | Human-in-the-loop control of guided airdrop systems | |
| Gautam et al. | Application of guidance laws to quadrotor landing | |
| Oliveira et al. | Three dimensional moving path following for fixed-wing unmanned aerial vehicles | |
| Rosales et al. | UAVs formation control with dynamic compensation using Neuro adaptive SMC | |
| Karas | UAV simulation environment for autonomous flight control algorithms | |
| CN115129086B (zh) | 一种基于多引导机器人引导的多任务机器人任务执行方法 | |
| Jetley et al. | Safe landing of fixed wing UAVs | |
| Yu et al. | Real-time motion planning and trajectory tracking in complex environments based on bézier curves and nonlinear mpc controller | |
| CN115236972A (zh) | 一种基于双闭环自适应pid的多机器人编队控制方法 | |
| CN115237130A (zh) | 基于虚拟领航-跟随者的多机器人编队控制方法 | |
| CN115097849B (zh) | 一种基于队形变换的多任务机器人任务执行方法 | |
| Thakar et al. | Rendezvous guidance laws for aerial recovery using mothership-cable-drogue system | |
| CN114943168A (zh) | 一种水上浮桥组合方法及系统 | |
| Zhou et al. | Deep learning for unmanned aerial vehicles landing carrier in different conditions | |
| Yılmaz | Modeling and nonlinear adaptive control of an aerial manipulation system |
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 |