CN115248599A - 一种变优先级的多机器人零空间行为融合编队方法 - Google Patents

一种变优先级的多机器人零空间行为融合编队方法 Download PDF

Info

Publication number
CN115248599A
CN115248599A CN202211154891.7A CN202211154891A CN115248599A CN 115248599 A CN115248599 A CN 115248599A CN 202211154891 A CN202211154891 A CN 202211154891A CN 115248599 A CN115248599 A CN 115248599A
Authority
CN
China
Prior art keywords
robot
behavior
priority
multiple robots
formation
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
CN202211154891.7A
Other languages
English (en)
Other versions
CN115248599B (zh
Inventor
陈聪聪
廖煜雷
孙加起
辛筠炜
肖振宇
李晔
王博
史长亭
刘海波
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.)
Nanhai Innovation And Development Base Of Sanya Harbin Engineering University
Harbin Engineering University
Original Assignee
Nanhai Innovation And Development Base Of Sanya Harbin Engineering University
Harbin Engineering University
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 Nanhai Innovation And Development Base Of Sanya Harbin Engineering University, Harbin Engineering University filed Critical Nanhai Innovation And Development Base Of Sanya Harbin Engineering University
Priority to CN202211154891.7A priority Critical patent/CN115248599B/zh
Publication of CN115248599A publication Critical patent/CN115248599A/zh
Application granted granted Critical
Publication of CN115248599B publication Critical patent/CN115248599B/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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles
    • 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)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明属于多机器人编队控制技术领域，具体涉及一种变优先级的多机器人零空间行为融合编队方法。本发明针对现有多机器人零空间行为融合编队控制方法中，编队控制算法工作效率低的问题，通过设置行为容错区间，根据多机器人系统是否在行为容错区间之内来更新行为的优先级，能够在保证高优先级行为完成的同时，提高低优先级行为的执行效率。

Description

一种变优先级的多机器人零空间行为融合编队方法
技术领域
本发明属于多机器人编队控制技术领域，具体涉及一种变优先级的多机器人零空间行为融合编队方法。
背景技术
机器人的应用已经越来越广泛，几乎渗透到了科学发展的各个领域，而多移动机器人系统的成本低、鲁棒性强、完成任务好的特点使得多移动机器人系统受到了越来越多的关注。近年来，多移动机器人系统的协调问题已成为一个新兴的研究热点。机器人编队控制，是指多个机器人在到达目的地的过程中，保持某种队形，同时又要适应环境约束(例如存在障碍物和空间的物理限制等)的控制技术。多机器人编队控制问题是一个典型性和通用性的多机器人协调问题，是多机器人协调问题的基础，是多机器人系统中最重要也是最基本的问题，值得深入细致的研究。
为解决多机器人编队问题，常采用两种思想：集中式编队控制、分布式编队控制。相比于集中式方法，分布式因其可靠性高、开放性强、灵活性强，而成为对机器人集群编队的研究热点。零空间行为融合为分布式编队控制的一种典型应用。
专利号：CN 108829113 A，名称为“一种多机器人编队自适应零空间行为融合方法”，提供一种多机器人的编队控制方法，该方法根据机器人在运动过程中反馈得到的运动信息，解算得到增益系数，融合运动行为步骤，得到最终的速度和方向。求解出来的速度不受概况环境的改变而改变，具有很好的自适应性。但是该方法中各个行为的优先级是固定的，当在一个时刻达到或者基本达到最高优先级行为的期望时，优先级不变就会导致低优先级行为达到期望的速度很缓慢，不利于低优先级行为的执行。
专利号：CN 107168341 B，名称为“面向溢油围捕的柔性连接式双无人艇自主协同方法”，提供了一种双无人艇溢油围捕方法，该方法采用遗传算法规划最优航迹，使用模糊零空间的行为融合方法修正航态，得到双无人艇的期望艏向和航速。该方法设置了四种行为，包括速度动态调整，队形保持，轨迹跟踪，溢油围捕。但是该方法中各个行为的优先级是固定的，导致执行溢油围捕的工作效率较低。
专利号：CN 112327872 B，名称为“面向溢油围捕的双无人艇协同轨迹跟踪方法”，提出了一种基于零空间行为融合算法的双无人艇溢油围捕方法，设计了三个行为，按照优先级由高到低分别是相互避碰行为、保持队形行为和趋向目标行为。但是该方法中各个行为的优先级是固定的，导致执行溢油围捕的工作效率较低。
综上所述，目前的零空间行为融合编队方法的应用都是把行为的优先级设置成固定的，这就导致低优先级行为执行的很缓慢。在一些任务中行为的优先级很难划分，强行划分成固定的优先级会降低任务的执行效率。
发明内容
本发明针对现有多机器人零空间行为融合编队控制方法中，编队控制算法工作效率低的问题，提供一种变优先级的多机器人零空间行为融合编队方法，通过给行为设置容错区间，根据多机器人系统是否在行为容错区间之内来更新行为的优先级，能够在保证高优先级行为完成的同时，提高低优先级行为的执行效率。
一种变优先级的多机器人零空间行为融合编队方法，其特征在于，包括以下步骤：
步骤1：采用零空间行为融合方法设计四种行为：多机器人队形保持、多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标；
步骤2：设计多机器人队形保持、多机器人环境避障、多机器人同类避障行为的容错区间；
多机器人队形保持行为的容错区间：
Figure 913020DEST_PATH_IMAGE001
Figure 482541DEST_PATH_IMAGE002
多机器人环境避障行为的容错区间：
Figure 305135DEST_PATH_IMAGE003
多机器人同类避障行为的容错区间：
Figure 948606DEST_PATH_IMAGE004
其中，
Figure 80510DEST_PATH_IMAGE005
表示第j个机器人的位置，
Figure 619551DEST_PATH_IMAGE006
，n为机器人的总数；
Figure 495103DEST_PATH_IMAGE007
表示多机器人系统中虚拟领航者的位置（根据实际情况进行设计，如多机器人系统的队 形中心）；
Figure 258660DEST_PATH_IMAGE008
为设定的机器人与虚拟领航者的安全距离；
Figure 295886DEST_PATH_IMAGE009
为这一时刻第j个机器人与虚 拟领航者的连线与坐标轴Y轴之间的夹角；
Figure 528415DEST_PATH_IMAGE010
为设定的第j个机器人与虚拟领航者的连线 与坐标轴Y轴之间的夹角期望值；
Figure 738817DEST_PATH_IMAGE011
表示多机器人编队中任意两个机器人；
Figure 356880DEST_PATH_IMAGE012
为 设定的机器人之间的安全距离；
Figure 581319DEST_PATH_IMAGE013
为环境中障碍物的位置；
Figure 347150DEST_PATH_IMAGE014
为设定的机器 人与环境障碍物之间的安全距离；
Figure 564504DEST_PATH_IMAGE015
为设定的区间余量；
步骤3：获取任务内容，设置多机器人编队的初始行为优先级，其中多机器人趋向围捕目标行为设置为最低优先级，即设为第4优先级；
步骤4：多机器人编队执行任务，根据多机器人编队中各机器人的位置
Figure 787806DEST_PATH_IMAGE016
、环境中障碍物的位置
Figure 229152DEST_PATH_IMAGE017
以及目标的位置
Figure 685541DEST_PATH_IMAGE018
调整四种行为的优先级；
对于第j个机器人，若满足
Figure 923231DEST_PATH_IMAGE019
且
Figure 781466DEST_PATH_IMAGE020
，则多机器人队形保持行为的优先级加1，否则，优先级减1；若满足
Figure 331396DEST_PATH_IMAGE021
，则多机器人环境避障行为的优先级加1，否则，优先级减1；若满足
Figure 822551DEST_PATH_IMAGE022
，则多机器人同类避障行为的优先级加1，否则，优先级减1；
将多机器人趋向围捕目标行为始终设置为最低优先级，其余行为根据调整后的优先级排序，得到新的各行为优先级；若调整后存在相同的两个行为优先级，则按照步骤3中设置的初始优先级中两个行为的顺序进行排序；
步骤5：根据步骤4中得到的新的四种行为优先级，通过零空间行为融合方法计算多机器人编队中各机器人的速度；
步骤6：若任务未完成，则返回步骤4，直至完成任务。
进一步地，所述步骤1中采用零空间行为融合方法设计四种行为具体为：
机器人完成行为i后的速度输出为：
Figure 381708DEST_PATH_IMAGE023
其中，i=a、b、c、d，i=a表示多机器人队形保持，i=b表示多机器人环境避障，i=c表示多机器人同类避障，i=d表示多机器人趋向围捕目标；
Figure 828870DEST_PATH_IMAGE024
表示行为i的雅克比矩阵
Figure 362751DEST_PATH_IMAGE025
的伪逆矩阵，
Figure 528153DEST_PATH_IMAGE026
，
Figure 625422DEST_PATH_IMAGE027
，
Figure 192670DEST_PATH_IMAGE028
；函数
Figure 100714DEST_PATH_IMAGE029
为行为i的行为控制函数；
Figure 550150DEST_PATH_IMAGE030
；
Figure 451110DEST_PATH_IMAGE031
表示
Figure 620666DEST_PATH_IMAGE032
的期望值，
Figure 948880DEST_PATH_IMAGE033
为
Figure 88874DEST_PATH_IMAGE034
的导数；
Figure 75416DEST_PATH_IMAGE035
为行为i的常数收益正定矩阵；
Figure 617255DEST_PATH_IMAGE036
其中，
Figure 850791DEST_PATH_IMAGE037
为第j个机器人在行为i中的速度系数；
Figure 478081DEST_PATH_IMAGE038
，I为单位矩阵；
Figure 268314DEST_PATH_IMAGE039
；
Figure 664660DEST_PATH_IMAGE040
；
Figure 69096DEST_PATH_IMAGE041
；函数
Figure 934415DEST_PATH_IMAGE042
表示点
Figure 777606DEST_PATH_IMAGE043
到点
Figure 28459DEST_PATH_IMAGE044
的距离；
Figure 351600DEST_PATH_IMAGE045
为限制系数；
Figure 953482DEST_PATH_IMAGE046
分别表示多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标行为中的期望位置；
Figure 334785DEST_PATH_IMAGE047
分别为多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标行为中的极限速度。
进一步地，所述步骤5中根据步骤4中得到的新的四种行为优先级，通过零空间行为融合方法计算多机器人编队中各机器人的速度具体为：
若四种行为的优先级为：①多机器人队形保持；②多机器人环境避障；③多机器人同类避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 456456DEST_PATH_IMAGE048
若四种行为的优先级为：①多机器人队形保持；②多机器人同类避障；③多机器人环境避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 468274DEST_PATH_IMAGE049
若四种行为的优先级为：①多机器人环境避障；②多机器人队形保持；③多机器人同类避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 291874DEST_PATH_IMAGE050
若四种行为的优先级为：①多机器人环境避障；②多机器人同类避障；③多机器人队形保持；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 414551DEST_PATH_IMAGE051
若四种行为的优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 187466DEST_PATH_IMAGE052
若四种行为的优先级为：①多机器人同类避障；②多机器人队形保持；③多机器人环境避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 635765DEST_PATH_IMAGE053
。
本发明的有益效果在于：
本发明针对现有多机器人零空间行为融合编队控制方法中，编队控制算法工作效率低的问题，提供一种变优先级的多机器人零空间行为融合编队方法，通过设置行为容错区间，根据多机器人系统是否在行为容错区间之内来更新行为的优先级，能够在保证高优先级行为完成的同时，提高低优先级行为的执行效率。
附图说明
图1为本发明的总体示意图。
图2为本发明中行为优先级调整方法示意图。
具体实施方式
下面结合附图对本发明做进一步描述。
本申请根据多机器人编队控制的目的（如护航，围捕等），将机器人的运动过程分解为若干个行为，得到多机器人队形保持、多机器人环境避障、多机器人同类避障（即执行编队任务的多个机器人之间互为障碍物）、多机器人趋向围捕目标四个行为，并规划出四种行为的运动模型。
对于行为i，首先定义如下的一个函数：
Figure 681081DEST_PATH_IMAGE028
上式中，
Figure 358181DEST_PATH_IMAGE054
表示的是待控制的变量，m表示函数的维度；函数
Figure 500450DEST_PATH_IMAGE029
为行为i的行为控制函数；
Figure 854071DEST_PATH_IMAGE016
，
Figure 134486DEST_PATH_IMAGE055
表示第j个机器人的位置，
Figure 864544DEST_PATH_IMAGE056
，n为机器人的总数；
机器人完成行为i后的速度输出为：
Figure 595740DEST_PATH_IMAGE023
其中，i=a、b、c、d，i=a表示多机器人队形保持，i=b表示多机器人环境避障，i=c表示多机器人同类避障，i=d表示多机器人趋向围捕目标；
Figure 667732DEST_PATH_IMAGE057
是机器人横、纵方向的合速度；
Figure 953220DEST_PATH_IMAGE024
表示行为i的雅克比矩阵
Figure 503281DEST_PATH_IMAGE025
的伪逆矩阵，
Figure 557825DEST_PATH_IMAGE026
，
Figure 253249DEST_PATH_IMAGE027
；
Figure 26033DEST_PATH_IMAGE030
；
Figure 379785DEST_PATH_IMAGE031
表示
Figure 554414DEST_PATH_IMAGE032
的期望值，
Figure 762017DEST_PATH_IMAGE033
为
Figure 756518DEST_PATH_IMAGE034
的导数；
具体的，
Figure 117223DEST_PATH_IMAGE059
表示在多机器人队形保持行为中机器人与机器人期望位置之间距离的期望值；
Figure 146359DEST_PATH_IMAGE061
表示机器人的位置与设计队形中心位置的横、纵坐标偏差；
Figure 245902DEST_PATH_IMAGE063
表示多机器人环境避障行为中机器人与机器人期望位置之间距离的期望值，
Figure 478431DEST_PATH_IMAGE065
表示机器人的位置与环境障碍物位置的横、纵坐标偏差；
Figure 626516DEST_PATH_IMAGE067
表示多机器人环境同类行为中机器人与机器人期望位置之间距离的期望值；
Figure 510158DEST_PATH_IMAGE069
表示机器人的位置与其他机器人的横、纵坐标偏差；
Figure 531335DEST_PATH_IMAGE071
表示多机器人趋向围捕目标行为中机器人与机器人期望位置之间距离的期望值，
Figure 500428DEST_PATH_IMAGE073
表示机器人的队形中心与目标的横、纵坐标偏差。
Figure 452204DEST_PATH_IMAGE035
为行为i的常数收益正定矩阵；
Figure 190352DEST_PATH_IMAGE036
其中，
Figure 582763DEST_PATH_IMAGE037
为第j个机器人在行为i中的速度系数；
Figure 835890DEST_PATH_IMAGE038
，I为单位矩阵；
Figure 591356DEST_PATH_IMAGE039
；
Figure 934744DEST_PATH_IMAGE040
；
Figure 484674DEST_PATH_IMAGE041
；函数
Figure 225097DEST_PATH_IMAGE042
表示点
Figure 534987DEST_PATH_IMAGE043
到点
Figure 247728DEST_PATH_IMAGE044
的距离；
Figure 702980DEST_PATH_IMAGE045
为限制系数；
Figure 133961DEST_PATH_IMAGE046
分别表示多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标行为中的期望位置；
Figure 778700DEST_PATH_IMAGE047
分别为多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标行为中的极限速度。
当存在多个行为时，最终的输出速度是在考虑各行为的优先级的情况下将各行为的速度进行叠加，具体的方法就是先把低优先级的行为的输出速度投影到高优先级的零空间上，以此来消除低优先级行为输出速度中对高优先级行为有影响的那部分。通过上述的分析，可以得到最终系统的输出速度可以表示为：
Figure 611527DEST_PATH_IMAGE074
上式中，速度下标数字表示该速度所对应行为的优先级，假设下标数字为1的输出速度对应的行为的优先级最高，且下标数字越大，优先级越低。
Figure 237681DEST_PATH_IMAGE075
表示将优先级为k的行为投影到优先级为1的行为的零空间所对应的零空间投影矩阵，且有：
Figure 927198DEST_PATH_IMAGE076
上式中，
Figure 624896DEST_PATH_IMAGE077
表示将优先级为k的行为投影到优先级为1的行为的零空间所对应的雅克比零空间，定义其计算方法为：
Figure 46650DEST_PATH_IMAGE078
本申请设计了多机器人队形保持、多机器人环境避障、多机器人同类避障行为的容错区间；
多机器人队形保持行为的容错区间：
Figure 860016DEST_PATH_IMAGE001
Figure 11DEST_PATH_IMAGE002
多机器人环境避障行为的容错区间：
Figure 501399DEST_PATH_IMAGE079
多机器人同类避障行为的容错区间：
Figure 793971DEST_PATH_IMAGE004
其中，
Figure 293086DEST_PATH_IMAGE055
表示第j个机器人的位置，
Figure 654797DEST_PATH_IMAGE006
，n为机器人的总数；
Figure 897559DEST_PATH_IMAGE007
表示多机器人系统中虚拟领航者的位置（根据实际情况进行设计，如多机器人系统的队 形中心）；
Figure 44638DEST_PATH_IMAGE008
为设定的机器人与虚拟领航者的安全距离；
Figure 511392DEST_PATH_IMAGE081
为这一时刻第j个机器人与虚 拟领航者的连线与坐标轴Y轴之间的夹角；
Figure DEST_PATH_IMAGE083A
为设定的第j个机器人与虚拟领航者的连线 与坐标轴Y轴之间的夹角期望值；
Figure 967256DEST_PATH_IMAGE011
表示多机器人编队中任意两个机器人；
Figure 748130DEST_PATH_IMAGE012
为 设定的机器人之间的安全距离；
Figure 749716DEST_PATH_IMAGE013
为环境中障碍物的位置；
Figure 590633DEST_PATH_IMAGE014
为设定的机器 人与环境障碍物之间的安全距离；
Figure 192515DEST_PATH_IMAGE015
为设定的区间余量；
本申请中首先根据任务内容设置多机器人编队的初始行为优先级，其中多机器人趋向围捕目标行为设置为最低优先级，即设为第4优先级；多机器人编队执行任务，根据多机器人编队中各机器人的位置
Figure 324550DEST_PATH_IMAGE016
、环境中障碍物的位置
Figure 429910DEST_PATH_IMAGE017
以及目标的位置
Figure 238466DEST_PATH_IMAGE018
调整四种行为的优先级；
对于第j个机器人，若满足
Figure 812798DEST_PATH_IMAGE019
且
Figure 201054DEST_PATH_IMAGE020
，则多机器人队形保持行为的优先级加1，否则，优先级减1；若满足
Figure 160919DEST_PATH_IMAGE021
，则多机器人环境避障行为的优先级加1，否则，优先级减1；若满足
Figure 888179DEST_PATH_IMAGE022
，则多机器人同类避障行为的优先级加1，否则，优先级减1；
将多机器人趋向围捕目标行为始终设置为最低优先级，其余行为根据调整后的优先级排序，得到新的各行为优先级；若调整后存在相同的两个行为优先级，则按照初始优先级对这两个行为进行排序；
根据得到的新的四种行为优先级，通过零空间行为融合方法计算多机器人编队中各机器人的速度；
若四种行为的优先级为：①多机器人队形保持；②多机器人环境避障；③多机器人同类避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 464654DEST_PATH_IMAGE048
若四种行为的优先级为：①多机器人队形保持；②多机器人同类避障；③多机器人环境避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 125443DEST_PATH_IMAGE049
若四种行为的优先级为：①多机器人环境避障；②多机器人队形保持；③多机器人同类避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 205394DEST_PATH_IMAGE050
若四种行为的优先级为：①多机器人环境避障；②多机器人同类避障；③多机器人队形保持；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 575327DEST_PATH_IMAGE051
若四种行为的优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 170256DEST_PATH_IMAGE052
若四种行为的优先级为：①多机器人同类避障；②多机器人队形保持；③多机器人环境避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure 900315DEST_PATH_IMAGE084
。
实施例1：
下面以围捕目标为例进行说明：
步骤1：采用零空间行为融合方法设计四种行为：多机器人队形保持、多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标；
将多机器人队形保持行为设为“行为1”；将多机器人环境避障行为设为“行为2”；将多机器人同类避障行为设为“行为3”；将多机器人趋向围捕目标行为设为“行为4”；
步骤2：设计多机器人队形保持、多机器人环境避障、多机器人同类避障行为的容错区间；
步骤3：根据任务内容，设置多机器人编队的初始行为优先级；
步骤4：多机器人编队执行任务，根据多机器人编队中各机器人的位置
Figure 319926DEST_PATH_IMAGE016
、环境中障碍物的位置
Figure 110027DEST_PATH_IMAGE017
以及目标的位置
Figure 192253DEST_PATH_IMAGE018
调整四种行为的优先级；环境中障碍物的位置
Figure 211156DEST_PATH_IMAGE017
以及目标的位置
Figure 265699DEST_PATH_IMAGE018
通过机器人搭载的视觉传感器直接获取；
优先级的改变原则为：
初始时按照初始优先级进行行为融合，当机器人系统处在所设计的容错区间内时，行为优先级减1；反之，行为优先级加1。若改变后两个行为优先级出现冲突，则按照初始优先级对两个行为进行排序。由于机器人趋向围捕目标行为的优先级永远是最低的，故只需要判断前三个行为的优先级顺序即可。
步骤5：根据步骤4中得到的新的四种行为优先级，通过零空间行为融合方法计算多机器人编队中各机器人的速度；
以当前优先级为①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标；为例，介绍具体判断过程：
若“行为1满足容错区间，行为2满足容错区间，行为3满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 961123DEST_PATH_IMAGE052
若“行为1满足容错区间，行为2满足容错区间，行为3不满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 468328DEST_PATH_IMAGE052
若“行为1满足容错区间，行为2不满足容错区间，行为3满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人环境避障行为；②多机器人同类避障；③多机器人队形保持行为；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为
Figure 84729DEST_PATH_IMAGE051
若“行为1满足容错区间，行为2不满足容错区间，行为3不满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 993779DEST_PATH_IMAGE052
若“行为1不满足容错区间，行为2满足容错区间，行为3满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人同类避障；②多机器人队形保持行为；③多机器人环境避障行为；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 860104DEST_PATH_IMAGE084
若“行为1不满足容错区间，行为2满足容错区间，行为3不满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人同类避障；②多机器人队形保持行为；③多机器人环境避障行为；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 667654DEST_PATH_IMAGE084
若“行为1不满足容错区间，行为2不满足容错区间，行为3满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人环境避障；②多机器人同类；③多机器人队形保持行为；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 277627DEST_PATH_IMAGE051
若“行为1不满足容错区间，行为2不满足容错区间，行为3不满足容错区间”，可根据上述的变优先级原则得到当前时刻新的行为优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标。则这一时刻多机器人系统的速度为：
Figure 306763DEST_PATH_IMAGE052
步骤6：若任务未完成，则返回步骤4，直至完成任务。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (3)

1.一种变优先级的多机器人零空间行为融合编队方法，其特征在于，包括以下步骤：
步骤1：采用零空间行为融合方法设计四种行为：多机器人队形保持、多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标；
步骤2：设计多机器人队形保持、多机器人环境避障、多机器人同类避障行为的容错区间；
多机器人队形保持行为的容错区间：
Figure DEST_PATH_IMAGE001
Figure DEST_PATH_IMAGE002
多机器人环境避障行为的容错区间
Figure DEST_PATH_IMAGE003
多机器人同类避障行为的容错区间：
Figure DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
表示第j个机器人的位置，
Figure DEST_PATH_IMAGE006
，n为机器人的总数；
Figure DEST_PATH_IMAGE007
表示 多机器人系统中虚拟领航者的位置；
Figure DEST_PATH_IMAGE008
为设定的机器人与虚拟领航者的安全距离；
Figure DEST_PATH_IMAGE009
为 这一时刻第j个机器人与虚拟领航者的连线与坐标轴Y轴之间的夹角；
Figure DEST_PATH_IMAGE010
为设定的第j个 机器人与虚拟领航者的连线与坐标轴Y轴之间的夹角期望值；
Figure DEST_PATH_IMAGE011
表示多机器人编队 中任意两个机器人；
Figure DEST_PATH_IMAGE012
为设定的机器人之间的安全距离；
Figure DEST_PATH_IMAGE013
为环境中障碍物 的位置；
Figure DEST_PATH_IMAGE014
为设定的机器人与环境障碍物之间的安全距离；
Figure DEST_PATH_IMAGE015
为设定的 区间余量；
步骤3：获取任务内容，设置多机器人编队的初始行为优先级，其中多机器人趋向围捕目标行为设置为最低优先级，即设为第4优先级；
步骤4：多机器人编队执行任务，根据多机器人编队中各机器人的位置
Figure DEST_PATH_IMAGE016
、环境中障碍物的位置
Figure DEST_PATH_IMAGE017
以及目标的位置
Figure DEST_PATH_IMAGE018
调整四种行为的优先级；
对于第j个机器人，若满足
Figure DEST_PATH_IMAGE019
且
Figure DEST_PATH_IMAGE020
，则多机器人队形保持行为的优先级加1，否则，优先级减1；若满足
Figure DEST_PATH_IMAGE021
，则多机器人环境避障行为的优先级加1，否则，优先级减1；若满足
Figure DEST_PATH_IMAGE022
，则多机器人同类避障行为的优先级加1，否则，优先级减1；
将多机器人趋向围捕目标行为始终设置为最低优先级，其余行为根据调整后的优先级排序，得到新的各行为优先级；若调整后存在相同的两个行为优先级，则按照步骤3中设置的初始优先级中两个行为的顺序进行排序；
步骤5：根据步骤4中得到的新的四种行为优先级，通过零空间行为融合方法计算多机器人编队中各机器人的速度；
步骤6：若任务未完成，则返回步骤4，直至完成任务。
2.根据权利要求1所述的一种变优先级的多机器人零空间行为融合编队方法，其特征在于：所述步骤1中采用零空间行为融合方法设计四种行为具体为：
机器人完成行为i后的速度输出为：
Figure DEST_PATH_IMAGE023
其中，i=a、b、c、d，i=a表示多机器人队形保持，i=b表示多机器人环境避障，i=c表示多机器人同类避障，i=d表示多机器人趋向围捕目标；
Figure DEST_PATH_IMAGE024
表示行为i的雅克比矩阵
Figure DEST_PATH_IMAGE025
的伪逆矩阵，
Figure DEST_PATH_IMAGE026
，
Figure DEST_PATH_IMAGE027
，
Figure DEST_PATH_IMAGE028
；函数
Figure DEST_PATH_IMAGE029
为行为i的行为控制函数；
Figure DEST_PATH_IMAGE030
；
Figure DEST_PATH_IMAGE031
表示
Figure DEST_PATH_IMAGE032
的期望值，
Figure DEST_PATH_IMAGE033
为
Figure DEST_PATH_IMAGE034
的导数；
Figure DEST_PATH_IMAGE035
为行为i的常数收益正定矩阵；
Figure DEST_PATH_IMAGE036
其中，
Figure DEST_PATH_IMAGE037
为第j个机器人在行为i中的速度系数；
Figure DEST_PATH_IMAGE038
，I为单位矩阵；
Figure DEST_PATH_IMAGE039
；
Figure DEST_PATH_IMAGE040
；
Figure DEST_PATH_IMAGE041
；函数
Figure DEST_PATH_IMAGE042
表示点
Figure DEST_PATH_IMAGE043
到点
Figure DEST_PATH_IMAGE044
的距离；
Figure DEST_PATH_IMAGE045
为限制系数；
Figure DEST_PATH_IMAGE046
分别表示多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标行为中的期望位置；
Figure DEST_PATH_IMAGE047
分别为多机器人环境避障、多机器人同类避障、多机器人趋向围捕目标行为中的极限速度。
3.根据权利要求2所述的一种变优先级的多机器人零空间行为融合编队方法，其特征在于：所述步骤5中根据步骤4中得到的新的四种行为优先级，通过零空间行为融合方法计算多机器人编队中各机器人的速度具体为：
若四种行为的优先级为：①多机器人队形保持；②多机器人环境避障；③多机器人同类避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure DEST_PATH_IMAGE048
若四种行为的优先级为：①多机器人队形保持；②多机器人同类避障；③多机器人环境避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure DEST_PATH_IMAGE049
若四种行为的优先级为：①多机器人环境避障；②多机器人队形保持；③多机器人同类避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure DEST_PATH_IMAGE050
若四种行为的优先级为：①多机器人环境避障；②多机器人同类避障；③多机器人队形保持；④多机器人趋向围捕目标，则计算得到的速度为：
Figure DEST_PATH_IMAGE051
若四种行为的优先级为：①多机器人同类避障；②多机器人环境避障；③多机器人队形保持；④多机器人趋向围捕目标，则计算得到的速度为：
Figure DEST_PATH_IMAGE052
若四种行为的优先级为：①多机器人同类避障；②多机器人队形保持；③多机器人环境避障；④多机器人趋向围捕目标，则计算得到的速度为：
Figure DEST_PATH_IMAGE053
。
CN202211154891.7A 2022-09-22 2022-09-22 一种变优先级的多机器人零空间行为融合编队方法 Active CN115248599B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211154891.7A CN115248599B (zh) 2022-09-22 2022-09-22 一种变优先级的多机器人零空间行为融合编队方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211154891.7A CN115248599B (zh) 2022-09-22 2022-09-22 一种变优先级的多机器人零空间行为融合编队方法

Publications (2)

Publication Number Publication Date
CN115248599A true CN115248599A (zh) 2022-10-28
CN115248599B CN115248599B (zh) 2023-01-03

Family

ID=83699423

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211154891.7A Active CN115248599B (zh) 2022-09-22 2022-09-22 一种变优先级的多机器人零空间行为融合编队方法

Country Status (1)

Country Link
CN (1) CN115248599B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9131529B1 (en) * 2009-06-29 2015-09-08 The Boeing Company System and method for demand driven network topology management
CN107168341A (zh) * 2017-07-12 2017-09-15 哈尔滨工程大学 面向溢油围捕的柔性连接式双无人艇自主协同方法
CN109116849A (zh) * 2018-09-01 2019-01-01 哈尔滨工程大学 一种考虑无人艇运动性能的零空间行为融合在线优化方法
CN110162053A (zh) * 2019-05-28 2019-08-23 哈尔滨工程大学 异构多无人艇编队的自适应行为融合方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9131529B1 (en) * 2009-06-29 2015-09-08 The Boeing Company System and method for demand driven network topology management
CN107168341A (zh) * 2017-07-12 2017-09-15 哈尔滨工程大学 面向溢油围捕的柔性连接式双无人艇自主协同方法
CN109116849A (zh) * 2018-09-01 2019-01-01 哈尔滨工程大学 一种考虑无人艇运动性能的零空间行为融合在线优化方法
CN110162053A (zh) * 2019-05-28 2019-08-23 哈尔滨工程大学 异构多无人艇编队的自适应行为融合方法

Also Published As

Publication number Publication date
CN115248599B (zh) 2023-01-03

Similar Documents

Publication Publication Date Title
CN109822554B (zh) 面向水下的双臂协同抓取、抱取及避碰一体化方法及系统
Saska et al. Coordination and navigation of heterogeneous UAVs-UGVs teams localized by a hawk-eye approach
Liu et al. Coordinated motion planning for multiple mobile robots along designed paths with formation requirement
CN110162086A (zh) 一种基于模型预测控制框架的集群无人机编队方法
CN102759357B (zh) 通信延迟下多无人机协同实时航路规划方法
CN108829113B (zh) 一种多机器人编队自适应零空间行为融合方法
CN112327872B (zh) 面向溢油围捕的双无人艇协同轨迹跟踪方法
CN111813121A (zh) 基于距离-角度优先级的多移动机器人编队避障方法
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
Qi et al. Formation tracking and obstacle avoidance for multiple quadrotors with static and dynamic obstacles
CN112083727B (zh) 基于速度障碍物的多自主体系统分布式避碰编队控制方法
CN111522351B (zh) 水下机器人三维编队及避障方法
CN110262523B (zh) 一种分布式群体机器人的自主避障蜂拥控制方法
CN111766783A (zh) 一种面向集群系统的有限时间内收敛的编队合围跟踪方法
CN111552296B (zh) 一种基于弯曲柱坐标系的局部平滑轨迹规划方法
CN115033016A (zh) 一种异构无人集群编队避障方法及系统
CN110162053A (zh) 异构多无人艇编队的自适应行为融合方法
CN112099486A (zh) 任意位置多机器人编队成形控制方法、系统、设备及应用
CN115903806A (zh) 基于自适应动态窗口法的多智能体编队避障方法
Li et al. Formation tracking and transformation of AUVs based on the improved particle swarm optimization algorithm
CN115248599A (zh) 一种变优先级的多机器人零空间行为融合编队方法
Xu et al. Optimal control of UAV elastic formation based on legendre pseudospectral method
CN112161626B (zh) 一种基于航路跟踪映射网络的高可飞性航路规划方法
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
CN113821028A (zh) 基于分布式模型预测控制的欠驱动auv编队轨迹跟踪控制方法

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