CN115453888A - 基于等效输入扰动观测器的多移动机器人编队控制方法 - Google Patents
基于等效输入扰动观测器的多移动机器人编队控制方法 Download PDFInfo
- Publication number
- CN115453888A CN115453888A CN202211235111.1A CN202211235111A CN115453888A CN 115453888 A CN115453888 A CN 115453888A CN 202211235111 A CN202211235111 A CN 202211235111A CN 115453888 A CN115453888 A CN 115453888A
- Authority
- CN
- China
- Prior art keywords
- formation
- mobile robot
- formula
- equivalent input
- mobile
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000013178 mathematical model Methods 0.000 claims abstract description 5
- 238000013461 design Methods 0.000 claims description 22
- 150000001875 compounds Chemical class 0.000 claims description 21
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 5
- 230000003094 perturbing effect Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
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)
- Feedback Control In General (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种基于等效输入扰动观测器的多移动机器人编队控制方法,包括以下步骤:1)建立考虑编队机器人间通信时延的多移动机器人控制系统数学模型以及编队控制问题描述。2)由编队控制误差动态方程设计多移动机器人编队速度控制律。3)基于等效输入扰动观测器设计编队移动机器人力矩控制律。4)基于等效输入干扰观测器的多移动机器人编队控制系统稳定性分析。本发明可以全面考虑到多移动机器人编队系统所受到的多种不确定因素,并可简化系统对不确定因素的建模过程,可以提高编队系统扰动估计的准确性和快速性,实现编队的可靠稳定控制。
Description
技术领域
本发明涉及多移动机器人控制技术领域,尤其涉及一种基于等效输入扰动观测器的多移动机器人编队控制方法。
背景技术
多移动机器人编队控制可以完成一些单一移动机器人无法完成的作业任务,因此,相比于单个机器人,多移动机器人系统具有诸多优势。但伴随着多移动机器人控制系统中机器人数量的增加,其控制的复杂度也相应的增加了。在多移动机器人系统中,机器人间通信时延问题以及其他一些不确定性因素的存在都对系统的有效控制带来了极大的挑战。
为了提高编队系统的控制精度,一种有效的解决方案是在控制系统中引入主动抗扰技术,即通过设计扰动观测器对系统的总和扰动进行快速有效的观测,并在系统控制律设计中加以补偿处理,进而抵消总和扰动对系统控制性能的影响。等效输入扰动技术,将作用于系统的总和扰动建模为仅作用于系统控制输入通道的等效输入扰动,然后通过设计扰动观测器对控制输入通道的等效输入扰动加以观测,即可快速抑制总和扰动的不利影响,提高编队系统的控制性能。
本发明采用Zhijun Li论文(Vision-based model predictive control forsteering of a nonholonomic mobile robot)中的移动机器人模型给出了一种基于等效输入扰动观测器的多移动机器人编队控制方法,该方法可实现对系统总和扰动的快速有效估计,及时消除编队系统中存在的多种不确定性因素的消极影响,提高多移动机器人编队系统的控制精度。
发明内容
本发明目的就是为了实现对多移动机器人协同编队系统控制过程中存在的总和扰动的快速、准确估计,提高编队系统的控制精度以及鲁棒性能,提供一种基于等效输入扰动观测器的多移动机器人编队控制方法。
本发明是通过以下技术方案实现的:
一种基于等效输入扰动观测器的多移动机器人编队控制方法,具体步骤如下:
步骤1,建立考虑编队机器人间通信时延的多移动机器人控制系统数学模型以及编队控制问题描述;
1.1定义qi=[xi yi θi]T∈R3为第i个移动机器人的位姿向量,其中,xi,yi为移动机器人参考点的位置坐标,θi为移动机器人的方向角;ui=[vi ωi]T∈R2为移动机器人的速度向量,具体由移动机器人的线速度和角速度构成;为移动机器人的正定惯性矩阵,其中,mi为移动机器人的质量,Ii为移动机器人关于质心的转动惯量;Fi∈R2为地面摩擦力向量;τdi∈R2为移动机器人所受到的外部时变有界扰动;为移动机器人输入力矩变换阵,其中,ri为驱动轮半径,2bi为移动机器人驱动轮的间距;τi(t)=[τ1i τ2i]T∈R2为移动机器人的输入力矩向量,其中,τ1i,τ2i为τi(t)的两个分量;di(t)为网络诱导时延。则轮式移动机器人i的运动学和动力学模型可描述为:
1.2将网络诱导时延di(t)建模为系统的扰动信号:
fi=Bi[τi(t-di(t))-τi(t)] (2)
由此,可以将系统的地面摩擦力、外部扰动以及网络诱导时延建模为系统的总和扰动,考虑网络诱导时延的移动机器人动力学模型可重写为
1.3基于等效输入扰动技术,将作用于系统的总和扰动替换为作用于系统控制输入通道的等效输入扰动Ωi,则系统态方程(3)可重写为
1.4假设领航移动机器人产生的参考轨迹为:
式中,q0=[x0 y0 θ0]T∈R3为领航移动机器人的运动轨迹;v0为领航移动机器人的线速度;ω0为领航移动机器人的角速度。
1.5定义期望的编队队形参数lid,θid,其中,lid为期望的编队相对距离,θid为期望的相对方向角。进而通过坐标变换可得跟随移动机器人i参考点的期望轨迹:
式中,[xid yid]T∈R2,i=1,2,3,…,N,表示跟随移动机器人i的期望轨迹,领航机器人通过无线通信网络将该轨迹发送给与其编队的跟随移动机器人。
1.6若选取跟随移动机器人本地坐标系xbi轴正向上的一点pi作为参考点,那么该点的坐标在全局坐标系XOY中可表示为:
式中,Li表示参考点与跟随移动机器人本地坐标系坐标原点的间距。
1.7定义编队控制误差向量:
对式(8)求时间导数,并结合式(6)、式(7)可得多移动机器人编队控制误差动态方程:
步骤2,由编队控制误差动态方程设计多移动机器人编队速度控制律;
2.1由式(9),uvi,uωi可设计为
式中,β1i>0,β2i>0为编队速度控制律设计参数。
2.2设计李雅普诺夫函数:
2.3对式(11)、式(12)求导可得:
2.4结合式(9),可得编队速度控制律为:
步骤3,基于等效输入扰动观测器的编队移动机器人力矩控制律设计;
3.1由式(4),系统的等效输入扰动观测器可设计为
sigα(e1i)=[|e11i|αsign(e11i)|e12i|αsign(e12i)]T,0<α<1。
3.2状态观测误差的动态方程为
3.3为方便分析,式(18)的分量形式可以表示为
3.4下面以式(19)的前两个方程为例来分析所设计的等效输入扰动观测器的稳定性。
设计李雅普诺夫函数:
V3i=XTPX (21)
式中,P为对称正定阵。
3.5对式(20)求导可得:
式中,c1=[0 2],c2=[-2k1i 0]。
式中,λmin{Q}为矩阵Q的最小特征值。
3.9编队移动机器人力矩控制律设计。
首先,定义速度跟踪误差向量:
3.10对式(25)求时间导数可得:
3.11设计滑模变量si=Ei+γi∫Eidt,其中γi>0为滑模变量设计参数。
3.12由滑模变量,跟随移动机器人i的力矩控制律可设计为
步骤4,基于等效输入干扰观测器的多移动机器人编队控制系统稳定性分析;
4.1设计李雅普诺夫函数:
4.2对式(28)求时间的导数并将式(13)、式(14)以及式(27)代入可得:
式中,k3min=min{k31i,k32i},ξ=min{2k3min-1,2β1i,2β2i}。
4.3进一步,由式(29)可得如下不等式:
4.4由V的定义及式(30)可知,exi,eyi,Ei渐近稳定。
本发明的优点是:本发明将系统所受到的多种不确定因素建模为作用于控制输入通道的等效输入扰动,这可以全面考虑到系统所受到的多种不确定因素对系统控制性能的影响,并可简化系统对不确定因素的建模过程,可以提高扰动估计的准确性以及快速性,实现对编队的可靠稳定控制。
附图说明
图1是所述控制系统原理框图;
图2a是所述等效输入扰动观测器对跟随移动机器人1的等效输入扰动向量分量一的观测误差;
图2b是所述等效输入扰动观测器对跟随移动机器人1的等效输入扰动向量分量二的观测误差;
图3是所述控制方法编队误差示意图;
图4是领航移动机器人与跟随移动机器人1的编队轨迹示意图;
图5是本发明所述多移动机器人编队结构示意图。
具体实施方式
以下结合附图对本发明的实施做进一步的描述。
参照图1--图5,一种基于等效输入扰动观测器的多移动机器人编队控制方法,具体技术步骤如下:
步骤1,建立考虑编队机器人间通信时延的多移动机器人控制系统数学模型以及编队控制问题描述。
1.1定义qi=[xi yi θi]T∈R3为第i个移动机器人的位姿向量,其中,xi,yi为移动机器人参考点的位置坐标,θi为移动机器人的方向角;ui=[vi ωi]T∈R2为移动机器人的速度向量,具体由移动机器人的线速度和角速度构成;为移动机器人的正定惯性矩阵,其中,mi为移动机器人的质量,Ii为移动机器人关于质心的转动惯量;Fi∈R2为地面摩擦力向量;τdi∈R2为移动机器人所受到的外部时变有界扰动;为移动机器人输入力矩变换阵,其中,ri为驱动轮半径,2bi为移动机器人驱动轮的间距;τi(t)=[τ1i τ2i]T∈R2为移动机器人的输入力矩向量,其中,τ1i,τ2i为τi(t)的两个分量;di(t)为网络诱导时延。则轮式移动机器人i的运动学和动力学模型可描述为:
1.2将网络诱导时延di(t)建模为系统的扰动信号:
fi=Bi[τi(t-di(t))-τi(t)] (2)
由此,可以将系统的地面摩擦力、外部扰动以及网络诱导时延建模为系统的总和扰动,考虑网络诱导时延的移动机器人动力学模型可重写为
1.3基于等效输入扰动技术,将作用于系统的总和扰动替换为作用于系统控制输入通道的等效输入扰动Ωi,则系统态方程(3)可重写为
1.4假设领航移动机器人产生的参考轨迹为:
式中,q0=[x0 y0 θ0]T∈R3为领航移动机器人的运动轨迹;v0为领航移动机器人的线速度;ω0为领航移动机器人的角速度。
1.5定义期望的编队队形参数lid,θid,其中,lid为期望的编队相对距离,θid为期望的相对方向角。进而通过坐标变换可得跟随移动机器人i参考点的期望轨迹:
式中,[xid yid]T∈R2,i=1,2,3,…,N,表示跟随移动机器人i的期望轨迹,领航机器人通过无线通信网络将该轨迹发送给与其编队的跟随移动机器人。
1.6若选取跟随移动机器人本地坐标系xbi轴正向上的一点pi作为参考点,那么该点的坐标在全局坐标系XOY中可表示为:
式中,Li表示参考点与跟随移动机器人本地坐标系坐标原点的间距。
1.7定义编队控制误差向量:
对式(8)求时间导数,并结合式(6)、式(7)可得多移动机器人编队控制误差动态方程:
步骤2,由编队控制误差动态方程设计多移动机器人编队速度控制律。
2.1由式(9),uvi,uωi可设计为
式中,β1i>0,β2i>0为编队速度控制律设计参数。
2.2设计李雅普诺夫函数:
2.3对式(11)、式(12)求导可得:
2.4结合式(9),可得编队速度控制律为:
步骤3,基于等效输入扰动观测器的编队移动机器人力矩控制律设计。
3.1由式(4),系统的等效输入扰动观测器可设计为
sigα(e1i)=[|e11i|αsign(e11i) |e12i|αsign(e12i)]T,0<α<1。
3.2状态观测误差的动态方程为
3.3为方便分析,式(18)的分量形式可以表示为
3.4下面以式(19)的前两个方程为例来分析所设计的等效输入扰动观测器的稳定性。
设计李雅普诺夫函数:
V3i=XTPX (21)
式中,P为对称正定阵。
3.5对式(20)求导可得:
式中,c1=[0 2],c2=[-2k1i 0]。
式中,λmin{Q}为矩阵Q的最小特征值。
3.9编队移动机器人力矩控制律设计。
首先,定义速度跟踪误差向量:
3.10对式(25)求时间导数可得:
3.11设计滑模变量si=Ei+γi∫Eidt,其中γi>0为滑模变量设计参数。
3.12由滑模变量,跟随移动机器人i的力矩控制律可设计为
步骤4,基于等效输入干扰观测器的多移动机器人编队控制系统稳定性分析。
4.1设计李雅普诺夫函数:
4.2对式(28)求时间的导数并将式(13)、式(14)以及式(27)代入可得:
式中,k3min=min{k31i,k32i},ξ=min{2k3min-1,2β1i,2β2i}。
4.3进一步,由式(29)可得如下不等式:
4.4由V的定义及式(30)可知,exi,eyi,Ei渐近稳定。
为更好地说明本发明所述控制方法的有效性,本发明通过Matlab仿真软件对所述控制方法进行了仿真研究。仿真研究中有二个移动机器人:领航移动机器人,跟随移动机器人1。
领航移动机器人的线速度v0设置为v0=0.5m/s,角速度ω0设置为初始位姿坐标设置为q0=[0,0,0]T。跟随移动机器人1的物理参数设置为m1=9.4kg,I1=2.91kg·m2,r1=0.25m,b1=0.4m,L1=1.6m,初始位姿坐标设置为[-20.1π/9]T。期望的编队相对距离设置为lid=1.5m,期望的相对方向角设置为
跟随移动机器人控制器参数设置为:β11=16,β21=18,α=0.6,k11=7,k21=0.04,k311=k321=6.3,γ1=0.1。
假设跟随移动机器人所受到的地面摩擦力动态矢量为F1=[0.4*sin(t)+3.6,cos(t)+3.1]T,所受到的外部时变有界扰动τd1=[0.2sin(t)+0.9,0.3cos(t)+0.8]T,两控制输入通道的网路诱导时延均假设为10毫秒。
所述控制方法的仿真实验结果如图2-图4所示,图2a和图2b为本发明所述等效输入扰动观测器对跟随移动机器人1的等效输入扰动向量的观测情况。图3为本发明所述控制方法编队控制误差示意图。图4为领航移动机器人与跟随移动机器人1的编队轨迹示意图。从图2可见,所述观测器具有响应速度快,观测精度高等特点,即使在编队期望轨迹发生瞬间切换的情况下,所述观测器也能做到观测误差的快速收敛性能。从图3,图4可见,所述控制方法在编队系统存在网络诱导时延、地面摩擦力动态以及外部扰动的情况下也能实现良好的编队控制性能。
Claims (5)
1.一种基于等效输入扰动观测器的多移动机器人编队控制方法,其特征在于:具体包括如下步骤:
步骤1、建立考虑编队机器人间通信时延的多移动机器人控制系统数学模型以及编队控制问题描述;
步骤2、由编队控制误差动态方程设计多移动机器人编队速度控制律;
步骤3、设计基于等效输入扰动观测器的编队移动机器人力矩控制律;
步骤4、基于等效输入干扰观测器的多移动机器人编队控制系统稳定性分析。
2.根据权利要求1所述的一种基于等效输入扰动观测器的多移动机器人编队控制方法,其特征在于:步骤1所述的建立考虑编队机器人间通信时延的多移动机器人控制系统数学模型以及编队控制问题描述,具体如下:
1.1定义qi=[xi yi θi]T∈R3为第i个移动机器人的位姿向量,其中,xi,yi为移动机器人参考点的位置坐标,θi为移动机器人的方向角;ui=[vi ωi]T∈R2为移动机器人的速度向量,由移动机器人的线速度和角速度构成;为移动机器人的正定惯性矩阵,其中,mi为移动机器人的质量,Ii为移动机器人关于质心的转动惯量;Fi∈R2为地面摩擦力向量;τdi∈R2为移动机器人所受到的外部时变有界扰动;为移动机器人输入力矩变换阵,其中,ri为驱动轮半径,2bi为移动机器人驱动轮的间距;τi(t)=[τ1i τ2i]T∈R2为移动机器人的输入力矩向量,其中,τ1i、τ2i为τi(t)的两个分量;di(t)为网络诱导时延,则轮式移动机器人i的运动学和动力学模型描述为:
1.2将网络诱导时延di(t)建模为系统的扰动信号:
fi=Bi[τi(t-di(t))-τi(t)] (2)
由此,将系统的地面摩擦力、外部扰动以及网络诱导时延建模为系统的总和扰动,考虑网络诱导时延的移动机器人动力学模型重写为
1.3基于等效输入扰动技术,将作用于系统的总和扰动替换为作用于系统控制输入通道的等效输入扰动Ωi,则系统态方程(3)重写为
1.4假设领航移动机器人产生的参考轨迹为:
式中,q0=[x0 y0 θ0]T∈R3为领航移动机器人的运动轨迹;v0为领航移动机器人的线速度;ω0为领航移动机器人的角速度;
1.5定义期望的编队队形参数lid、θid,其中,lid为期望的编队相对距离,θid为期望的相对方向角,进而通过坐标变换得到跟随移动机器人i参考点的期望轨迹:
式中,[xid yid]T∈R2,i=1,2,3,…,N,表示跟随移动机器人i的期望轨迹,领航机器人通过无线通信网络将该轨迹发送给与其编队的跟随移动机器人;
1.6选取跟随移动机器人本地坐标系xbi轴正向上的一点pi作为参考点,该点的坐标在全局坐标系XOY中表示为:
式中,Li表示参考点与跟随移动机器人本地坐标系坐标原点的间距;
1.7定义编队控制误差向量:
对式(8)求时间导数,并结合式(6)、式(7)得到多移动机器人编队控制误差动态方程:
4.根据权利要求3所述的一种基于等效输入扰动观测器的多移动机器人编队控制方法,其特征在于:步骤3所述的设计基于等效输入扰动观测器的编队移动机器人力矩控制律,具体如下:
3.1由式(4),系统的等效输入扰动观测器设计为
式中,为状态观测误差向量,其中,e11i、e12i为状态观测误差向量的两个分量;k1i>0,k2i>0为等效输入扰动观测器的设计参数;sigα(e1i)=[|e11i|αsign(e11i)|e12i|αsign(e12i)]T,0<α<1;
3.2状态观测误差的动态方程为
3.3将式(18)的分量形式表示为
3.4采用式(19)的前两个方程来分析所设计的等效输入扰动观测器的稳定性;
设计李雅普诺夫函数:
V3i=XTPX (21)
式中,P为对称正定阵;
3.5对式(20)求导得:
式中,c1=[0 2],c2=[-2k1i 0];
式中,λmin{Q}为矩阵Q的最小特征值;
3.9编队移动机器人力矩控制律设计;
首先,定义速度跟踪误差向量:
3.10对式(25)求时间导数得:
3.11设计滑模变量si=Ei+γi∫Eidt,其中γi>0为滑模变量设计参数;
3.12由滑模变量,跟随移动机器人i的力矩控制律设计为
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211235111.1A CN115453888B (zh) | 2022-10-10 | 2022-10-10 | 基于等效输入扰动观测器的多移动机器人编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211235111.1A CN115453888B (zh) | 2022-10-10 | 2022-10-10 | 基于等效输入扰动观测器的多移动机器人编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115453888A true CN115453888A (zh) | 2022-12-09 |
CN115453888B CN115453888B (zh) | 2024-07-05 |
Family
ID=84308837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211235111.1A Active CN115453888B (zh) | 2022-10-10 | 2022-10-10 | 基于等效输入扰动观测器的多移动机器人编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115453888B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826417A (zh) * | 2023-02-20 | 2023-03-21 | 北京航空航天大学 | 基于拓扑重构的抗拒绝服务攻击的机器人编队控制方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1369699A (en) * | 1997-10-31 | 1999-05-24 | Magnemotion, Inc. | Accurate position-sensing and communications for guideway operated vehicles |
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人系统分布式自适应神经网络连续跟踪控制方法 |
CN105116899A (zh) * | 2015-08-28 | 2015-12-02 | 浙江工业大学 | 基于eso的分布式多移动机器人编队控制方法 |
CN107085427A (zh) * | 2017-05-11 | 2017-08-22 | 华南理工大学 | 一种基于领导跟随结构的无人水面艇编队控制方法 |
CN109254532A (zh) * | 2018-04-19 | 2019-01-22 | 北京理工大学 | 一种面向通信时滞的多智能体分布式合作故障检测方法 |
CN109683626A (zh) * | 2018-11-08 | 2019-04-26 | 浙江工业大学 | 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法 |
CN113268064A (zh) * | 2021-07-01 | 2021-08-17 | 黄山学院 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
US20220043463A1 (en) * | 2020-08-10 | 2022-02-10 | Shenzhen Technology University | Multi-intelligent-agent cooperated transportation method, system and computer readable storage medium |
-
2022
- 2022-10-10 CN CN202211235111.1A patent/CN115453888B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU1369699A (en) * | 1997-10-31 | 1999-05-24 | Magnemotion, Inc. | Accurate position-sensing and communications for guideway operated vehicles |
CN104865829A (zh) * | 2015-03-26 | 2015-08-26 | 哈尔滨工业大学 | 多机器人系统分布式自适应神经网络连续跟踪控制方法 |
CN105116899A (zh) * | 2015-08-28 | 2015-12-02 | 浙江工业大学 | 基于eso的分布式多移动机器人编队控制方法 |
CN107085427A (zh) * | 2017-05-11 | 2017-08-22 | 华南理工大学 | 一种基于领导跟随结构的无人水面艇编队控制方法 |
CN109254532A (zh) * | 2018-04-19 | 2019-01-22 | 北京理工大学 | 一种面向通信时滞的多智能体分布式合作故障检测方法 |
CN109683626A (zh) * | 2018-11-08 | 2019-04-26 | 浙江工业大学 | 一种基于自适应rbf神经网络的四旋翼无人机编队控制方法 |
US20220043463A1 (en) * | 2020-08-10 | 2022-02-10 | Shenzhen Technology University | Multi-intelligent-agent cooperated transportation method, system and computer readable storage medium |
CN113268064A (zh) * | 2021-07-01 | 2021-08-17 | 黄山学院 | 一种考虑通信时延的多移动机器人协同编队控制方法 |
Non-Patent Citations (7)
Title |
---|
DONGHUA ZHOU;LIGUO QIN;XIAO HE;RUI YAN;RUILIANG DENG: "Distributed sensor fault diagnosis for a formation system with unknown constant time delays", 《SCIENCE CHINA INFORMATION SCIENCES》, 31 December 2018 (2018-12-31), pages 424 - 440 * |
JIANGLONG YU ETAL.: "Adaptive Practical Optimal Time-Varying Formation Tracking Control for Disturbed High-Order Multi-Agent Systems", 《IEEE TRANSACTIONS ON CIRCUITS AND SYSTEMS》, 30 June 2022 (2022-06-30), pages 2567 - 2578 * |
YIJUN GUO, WU ZHOU: "Chattering-free sliding mode tracking control for robotic manipulator with actuator dynamics", 《4TH INTERNATIONAL CONFERENCE ON INDUSTRIAL ARTIFICIAL》, 31 August 2022 (2022-08-31), pages 1 - 5, XP034253944, DOI: 10.1109/IAI55780.2022.9976862 * |
代正: "基于状态观测器的非完整移动机器人抗扰动轨迹跟踪控制", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 December 2021 (2021-12-15), pages 140 - 239 * |
张荣超: "多移动机器人编队的分布式预测控制研究", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 April 2017 (2017-04-15), pages 140 - 178 * |
张顺: "移动多智能体系统的编队控制及其鲁棒性分析", 《中国优秀硕士学位论文全文数据库信息科技辑》, 15 September 2012 (2012-09-15), pages 140 - 21 * |
郭一军: "基于干扰观测器的多移动机器人编队鲁棒控制", 《重庆邮电大学学报(自然科学版)》, 31 August 2018 (2018-08-31), pages 544 - 551 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115826417A (zh) * | 2023-02-20 | 2023-03-21 | 北京航空航天大学 | 基于拓扑重构的抗拒绝服务攻击的机器人编队控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115453888B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113268064B (zh) | 一种考虑通信时延的多移动机器人协同编队控制方法 | |
Li et al. | Decentralized kinematic control of a class of collaborative redundant manipulators via recurrent neural networks | |
Dierks et al. | Neural network output feedback control of robot formations | |
CN106406098B (zh) | 一种机器人系统在未知环境下的人机交互控制方法 | |
CN115157238B (zh) | 一种多自由度机器人动力学建模和轨迹跟踪方法 | |
CN109358646B (zh) | 带有乘性噪声的导弹自主编队队形随机控制系统建模方法 | |
CN111702767A (zh) | 一种基于反演模糊自适应的机械手阻抗控制方法 | |
CN108227506A (zh) | 一种基于自适应最优化方法的机器人导纳控制系统 | |
CN115453888A (zh) | 基于等效输入扰动观测器的多移动机器人编队控制方法 | |
Ribeiro et al. | Nonlinear model predictive visual path following control to autonomous mobile robots | |
CN114942593A (zh) | 一种基于干扰观测器补偿的机械臂自适应滑模控制方法 | |
Cao et al. | Adaptive NN motion control and predictive coordinate planning for aerial manipulators | |
Kolathaya | PD tracking for a class of underactuated robotic systems with kinetic symmetry | |
CN112008728B (zh) | 基于选择性扰动补偿的全向移动机器人轨迹跟踪控制方法 | |
Miyano et al. | Distributed force/position optimization dynamics for cooperative unknown payload manipulation | |
Chwa et al. | Online trajectory planning of robot arms for interception of fast maneuvering object under torque and velocity constraints | |
Xue et al. | Stewart-inspired vibration isolation control for a wheel-legged robot via variable target force impedance control | |
Fink et al. | Experimental analysis of models for trajectory generation on tracked vehicles | |
Jiao et al. | Disturbance observer-based backstepping control for quadrotor UAV manipulator attitude system | |
CN113703451B (zh) | 具有预设性能的多移动机器人编队自适应容错控制方法 | |
Liu et al. | Disturbance observer-based robust coordination control for unmanned autonomous helicopter slung-load system via coupling analysis method | |
Raimalwala et al. | A preliminary study of transfer learning between unicycle robots | |
Ding et al. | Vision-Based Virtual Impedance Control for Robotic System Without Prespecified Task Trajectory | |
CN106292678B (zh) | 一种针对目标操作的空间机器人基座解耦控制方法 | |
Korayem et al. | Adaptive robust control with slipping parameters estimation based on intelligent learning for wheeled mobile robot |
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 |