CN116859929A - 基于虚拟结构的碾压机器人机群时变编队控制方法及系统 - Google Patents
基于虚拟结构的碾压机器人机群时变编队控制方法及系统 Download PDFInfo
- Publication number
- CN116859929A CN116859929A CN202310883236.3A CN202310883236A CN116859929A CN 116859929 A CN116859929 A CN 116859929A CN 202310883236 A CN202310883236 A CN 202310883236A CN 116859929 A CN116859929 A CN 116859929A
- Authority
- CN
- China
- Prior art keywords
- rolling
- formation
- robot
- cluster
- virtual structure
- 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.)
- Pending
Links
- 238000005096 rolling process Methods 0.000 title claims abstract description 414
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 262
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000010276 construction Methods 0.000 claims abstract description 90
- 238000011217 control strategy Methods 0.000 claims abstract description 43
- 238000013461 design Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 13
- 238000005755 formation reaction Methods 0.000 claims description 230
- 229910000831 Steel Inorganic materials 0.000 claims description 23
- 239000010959 steel Substances 0.000 claims description 23
- 230000008859 change Effects 0.000 claims description 20
- 238000005516 engineering process Methods 0.000 claims description 18
- 238000013486 operation strategy Methods 0.000 claims description 13
- 238000000354 decomposition reaction Methods 0.000 claims description 7
- 238000005457 optimization Methods 0.000 claims description 7
- 230000009466 transformation Effects 0.000 claims description 4
- 238000005056 compaction Methods 0.000 abstract description 6
- 231100000817 safety factor Toxicity 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 9
- 238000013473 artificial intelligence Methods 0.000 description 6
- 230000015654 memory Effects 0.000 description 6
- 238000011160 research Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 230000007246 mechanism Effects 0.000 description 4
- 230000007704 transition Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009313 farming Methods 0.000 description 1
- 230000005021 gait Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明提供一种基于虚拟结构的碾压机器人机群时变编队控制方法及系统，涉及土木工程智能建造技术领域，包括：队形设计、路径规划、机群时变编队控制策略设计、协同智能碾压作业。结合施工工艺、碾压区域约束、车辆参数、行车安全因素，确定基于虚拟结构的协同碾压作业队形；构建碾压机整体运动学模型，根据确定的虚拟结构碾压作业队形，规划碾压作业路径；根据设计的作业队形和作业路径，提出基于虚拟结构的碾压机器人机群时变编队控制策略；碾压机器人机群按照设计的机群时变编队控制策略执行碾压作业。本发明可实现填筑工程碾压机器人机群协同智能碾压作业，改善压实质量和施工效率。
Description
技术领域
本发明涉及土木工程智能建造技术领域，尤其涉及一种基于虚拟结构的碾压机器人机群时变编队控制方法及系统。
背景技术
作为土木工程填筑建造过程的关键环节，填筑碾压质量控制对基础设施能否安全、稳定运营有着至关重要的影响。依照现行的土木工程建造规范，压实质量主要通过施工过程中人工控制的压实参数和施工后的抽样点测量表征。考虑工期以及点测量的操作繁琐等因素，填筑碾压主要通过施工过程中的压实参数控制压实质量。但是，人工控制压实参数容易产生相邻作业面漏碾、交叉、重复碾压等问题，也无法满足全天候或极限条件下碾压施工作业的工程需求。如高海拔或偏远山区的土木工程建造需要考虑施工人员作业效率、线路布置、工期、投资、恶劣环境和复杂地质条件等施工影响因素，使得智能碾压技术成为最佳选择甚至唯一途径。
随着人工智能技术逐渐被应用于土木工程智能建造，智能碾压技术已成为目前土石方工程碾压施工最先进技术之一。智能碾压技术的使用有助于消除碾压过程中人为因素导致的不利影响，有效避免施工作业人员直接暴露于恶劣的自然环境，达到保护施工作业人员人身安全的目的。另外，人工智能模块融入碾压技术将进一步提升碾压施工精度。多碾压机器人编队控制是人工智能驱动智能碾压技术研究中重要且基础内容。然而现有的土木工程碾压机群编队控制集中在有人驾驶碾压机群协同碾压控制系统，在碾压机器人机群编队控制研究方面也仅仅开展了路径跟踪控制方面和无人碾压机群协作碾压任务编队控制策略设计的探索研究。针对基于虚拟结构的碾压机器人机群编队控制研究还有待深入研究。碾压机器人机群编队控制研究属于多机器人系统群智协同范畴。该领域已积累了大量的编队控制技术，如专利(CN106054922B)依据虚拟结构法和RBF网络算法，提出了一种无人机-无人车联合编队协同智能控制方法；专利(CN116339361A)提出了四轴机器人集群步态同步和编队分布式模型预测控制方法；专利(CN115657686B)借助于虚拟领航-跟随模型，提出了基于Backstepping的多机器人编队控制方法；专利(CN115032999A)在虚拟领航者-跟随者模式的多机器人几何结构下，提出了动态优化队形变换方法。尽管多机器人系统群智协同取得了丰硕的研究成果，但在这些专利中，机器人动力学都考虑主动铰接机构动态行为，相对来说要简单多。考虑到西部地区高坝工程、高速公路工程等土木工程复杂施工环境以及具有主动铰接机构的多碾压机复杂运动学/动力学特性，这些成果难以直接应用于解决碾压机器人机群编队控制问题。
发明内容
本发明提供了一种基于虚拟结构的碾压机器人机群时变编队控制方法及系统，解决现有技术中现有碾压机器人机群编队控制不足，西部地区高坝工程、高速公路工程等土木工程复杂施工环境以及多碾压机复杂运动学/动力学特性，这些成果难以直接应用于解决碾压机器人机群编队控制的问题。
为解决上述发明目的，本发明提供的技术方案如下：一种基于虚拟结构的碾压机器人机群时变编队控制方法，其特征在于，步骤包括：
S1、构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
S2、构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径；
S3、根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略；
S4、根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
优选地，步骤S1中，构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得设计队形，包括：
构建虚拟结构框架；
根据碾压机器人机群规模，结合单台碾压机器人机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素；结合几何学和优化理论知识，应用虚拟结构方法确定碾压机器人机群协同碾压作业期望队形及其队形变化策略。
优选地，步骤S2中，构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径，包括：
构建碾压机整体运动学模型，若施工目标碾压区域内无障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点；
若施工目标碾压区域有障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点并进行碾压作业路径规划。
优选地，确定碾压机器人机群虚拟队形中心点，包括：
结合碾压机群虚拟队形的几何结构并充分考虑队形变化策略，根据下述公式(1)确定虚拟队形的中心点
则此时虚拟碾压机运动学模型是由如下书公式(2)的标准地面车辆运动学模型表示：
其中，表示xc(t)的更新，/>表示yc(t)的更新，/>表示θc(t)的更新，(x(t),y(t))T表示振动钢轮中心点在作业平面内的位置坐标，θc(t)表示振动钢轮中心点在作业平面内的航向，/>为振动钢轮与驱动车体之间的转角，vc(t)和ωc(t)分别为振动钢轮的速度和航向速度。
优选地，进行碾压作业路径规划，包括：
通过选定vc(t)和ωc(t)借助于运动学模型生成期望路径[xc(t)yc(t)]T；
其中，碾压作业路径规划包括：作业面分解、子作业面规划和子作业面连通。
优选地，步骤S3中，根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略，包括：
基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略；
利用李雅普诺夫稳定性定理、最优控制理论、H∞控制，分析协同控制算法收敛性与性能。
优选地，基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略，包括：
根据碾压机器人机群协同碾压作业期望队形，通过车载位姿传感器实时获取如下述公式(3)所示的碾压机器人真实位姿
将碾压作业编队控制问题转化为如下述公式(4)所示的针对每台碾压机的位姿跟随控制问题：
其中，这里/>
结合规划好的碾压作业路径和参考轨迹跟踪控制技术，设计如下述公式(5)的碾压机器人机群编队控制策略：
其中，且k1i>0,k2i>0,and k3i>0,i∈N为预设的控制增益。
优选地，步骤S4中，根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务，包括：
初始化各台碾压机器人的运动状态、期望碾压作业队形、期望碾压作业路径和控制增益；
据作用于虚拟结构碾压机器人机群的控制信号通过坐标反变换产生碾压机的真实行车速度和航向速度信号，其中/>由基于虚拟结构的碾压机器人机群时变编队控制策略产生；
将真实行车速度和航向速度信号代入碾压机器人机群运动学模型方程进行碾压机器人的运动状态更新，完成碾压施工作业任务。
一种基于虚拟结构的碾压机器人机群时变编队控制系统，系统用于上述的基于虚拟结构的碾压机器人机群时变编队控制方法，系统包括：
编队模块，用于构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
路径规划模块，用于构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径；
控制策略构建模块，用于根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略；
施工作业模块，用于根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
优选地，编队模块，进一步用于构建虚拟结构框架；
根据碾压机器人机群规模，结合单台碾压机器人机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素；结合几何学和优化理论知识，应用虚拟结构方法确定碾压机器人机群协同碾压作业期望队形及其队形变化策略。
一方面，提供了一种电子设备，所述电子设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述基于虚拟结构的碾压机器人机群时变编队控制方法。
一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述基于虚拟结构的碾压机器人机群时变编队控制方法。
上述技术方案，与现有技术相比至少具有如下有益效果：
上述方案，本发明将人工智能技术与土木工程进行深度融合，引入群体智能技术，提出了一套适用于非友好施工环境、复杂施工条件的碾压机器人机群系统智能碾压作业策略，可有效提高填筑工程碾压施工质量和施工效率，并提升碾压机装备的智能化水平。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于虚拟结构的碾压机器人机群时变编队控制方法流程示意图；
图2是本发明实施例提供的碾压机器人结构示意图；
图3是本发明实施例提供的单台碾压机器人采用进退错距法碾压工艺进行碾压作业的示意图；
图4是本发明实施例提供的三台碾压机器人基于虚拟结构法的三角形碾压作业队形示意图；
图5是本发明实施例提供的三台碾压机器人在固定作业队形下进行直线碾压的纵向和横向轨迹图；
图6是本发明实施例提供的三台碾压机器人在时变作业模式进行直线碾压的纵向和横向轨迹图；
图7是本发明实施例提供的基于虚拟结构的碾压机器人机群时变编队控制系统框图；
图8是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明针对现有技术中碾压机器人机群编队控制不足的问题，提供了一种基于虚拟结构的碾压机器人机群时变编队控制方法和系统。
如图1所示，本发明实施例提供了一种基于虚拟结构的碾压机器人机群时变编队控制方法，该方法可以由电子设备实现。如图1所示的基于虚拟结构的碾压机器人机群时变编队控制方法流程图，该方法的处理流程可以包括如下的步骤：
S101、构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
一种可行的实施方式中，步骤S101中，构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得设计队形，包括：
构建虚拟结构框架；
根据碾压机器人机群规模，结合单台碾压机器人机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素；结合几何学和优化理论知识，应用虚拟结构方法确定碾压机器人机群协同碾压作业期望队形及其队形变化策略。
一种可行的实施方式中，机群编队作业队形设计是考虑填筑工程碾压施工工艺要求、作业区域约束、车辆参数、行车安全因素，确定虚拟结构的协同碾压作业队形，提升碾压施工效率。
一种可行的实施方式中，这里碾压机器人机群的期望队形可由其期望位置刻画
其中，бi(t),i∈N表示时变队形变化策略。
S102、构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径。
一种可行的实施方式中，机群编队作业路径规划是构建碾压机整体运动学模型，根据确定虚拟结构碾压作业队形，进行填筑工程碾压施工作业路径规划。
一种可行的实施方式中，步骤S102中，构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径，包括：
构建碾压机整体运动学模型，若施工目标碾压区域内无障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点；
若施工目标碾压区域有障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点并进行碾压作业路径规划。
一种可行的实施方式中，确定碾压机器人机群虚拟队形中心点，包括：
结合碾压机群虚拟队形的几何结构并充分考虑队形变化策略，根据下述公式(1)确定虚拟队形的中心点
则此时虚拟碾压机运动学模型是由如下书公式(2)的标准地面车辆运动学模型表示：
其中，表示xc(t)的更新，/>表示yc(t)的更新，/>表示θc(t)的更新，(x(t),y(t))T表示振动钢轮中心点在作业平面内的位置坐标，θc(t)表示振动钢轮中心点在作业平面内的航向，/>为振动钢轮与驱动车体之间的转角，vc(t)和ωc(t)分别为振动钢轮的速度和航向速度。
一种可行的实施方式中，进行碾压作业路径规划，包括：
通过选定vc(t)和ωc(t)借助于运动学模型生成期望路径[xc(t) yc(t)]T；
其中，碾压作业路径规划包括：作业面分解、子作业面规划和子作业面连通。
一种可行的实施方式中，这里路径规划问题就是要解决如何通过选定vc(t)和ωc(t)借助于运动学模型生成期望路径[xc(t)yc(t)]T。
作业面分解：依据施工目标区域实际情况，基于碾压机器人在子作业面间转场路径长短，选择使用全覆盖路径规划算法(如Trapezoidal算法或Boustrophedon算法)实现作业面分解；
子作业面规划：子作业面是碾压机器人机群最小的作业单位，基于碾压工艺构建碾压机器人机群虚拟队形中心对子作业面进行路径规划；
子作业面连通：基于货郎担问题求解方法(如改进的蚁群算法)，求解各个子作业面间的转场路径，用于优化出绕开静态障碍物的多个子作业面之间的转场路径。
所述全覆盖路径规划算法流程：首先利用精确单元分解算法梯形算法或牛耕算法将作业面拆分成子作业面；然后基于碾压工艺构建碾压机器人机群虚拟队形中心对子作业面进行路径规划；其次采用货郎担问题求解方法进行转场路径优化求解；最后对于任务分配问题，建立碾压机器人机群作业时间成本函数，以最小化时间成本为准则将作业路径分配至各智碾压机器人。
一种可行的实施方式中，作为高效的填筑工程压实机械，如图2，碾压机通常包括振动钢轮、驱动车体和铰接机构三部分。针对无人碾压机在填筑工程中碾压作业，给出如下设定：
1)碾压机具有纵向对称结构；
2)碾压机的轮胎和钢轮与地面之间的接触均集中在一点上；
3)碾压机碾压作业在平面内进行并忽略侧向和纵向的滑移影响。
基于上述设定条件，可建立如下碾压机整体运动学模型：
其中，表示x(t)的更新，/>表示y(t)的跟新，/>表示θ(t)的更新，/>表示/>的更新，(x(t),y(t))T表示碾压机振动钢轮中心点在作业平面内的位置坐标，θ(t)表示碾压机振动钢轮中心点在作业平面内的航向，/>为碾压机振动钢轮与碾压机驱动车体之间的转角，v(t)和/>分别为碾压机振动钢轮的速度和航向速度，l是碾压机振动钢轮质心与碾压机铰接机构中心的距离。
注意到在运动学模型中，碾压机的位姿(x(t),y(t))T和θ(t)不直接受转角的影响。因此，为便于协同控制算法开发，通过忽略/>的影响，将上述碾压机整体运动学模型简化为：
一种可行的实施方式中，基于虚拟结构的机群时变编队控制策略是根据构建的碾压机器人机群虚拟队形中心点处虚拟碾压机运动学模型、所设计的碾压机器人机群协同碾压作业期望队形及其队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，如图3所示，提出基于虚拟结构的机群时变编队控制方法，如图4所示。
S103、根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略。
一种可行的实施方式中，根据碾压机整体运动学模型、机群编队作业队形和作业路径，设计基于虚拟结构的机群时变编队控制策略。
一种可行的实施方式中，步骤S103中，根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略，包括：
基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略；
结合多智能体一致性和鲁棒跟踪控制理论，基于虚拟结构方法，构造碾压机器人机群编队队形控制方法，利用李雅普诺夫稳定性定理、最优控制理论、H∞控制，分析协同控制算法收敛性与性能。
一种可行的实施方式中，基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略，包括：
根据碾压机器人机群协同碾压作业期望队形，通过车载位姿传感器实时获取如下述公式(3)所示的碾压机器人真实位姿：
将碾压作业编队控制问题转化为如下述公式(4)所示的针对每台碾压机的位姿跟随控制问题：
其中，
这里/>
结合规划好的碾压作业路径和参考轨迹跟踪控制技术，设计如下述公式(5)的碾压机器人机群编队控制策略：
其中，且k1i>0,k2i>0,and k3i>0,i∈N为预设的控制增益。
在碾压机运动学模型基础上得到如下述公式(6)：
运用李雅普诺夫稳定性理论，构造如下述公式(7)的Lyapunov函数：
其中，
分析相应碾压作业编队误差系统稳定性，解决碾压机器人机群编队控制过程中的误差收敛问题，最终使碾压机器人机群编队系统稳定运行。
一种可行的实施方式中，分析相应碾压作业编队误差系统稳定性，解决碾压机器人机群编队控制过程中的误差收敛问题，最终使碾压机器人机群编队系统稳定运行，如图5和图6所示。
S104、根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
一种可行的实施方式中，在编队控制器作用下，碾压机器人机群保持期望的虚拟结构碾压作业队形，进而驱动碾压机器人机群在作业区域内按照预设的碾压作业队形和碾压路径进行碾压作业。
一种可行的实施方式中，步骤S104中，根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务，包括：
初始化各台碾压机器人的运动状态、期望碾压作业队形、期望碾压作业路径和控制增益；
据作用于虚拟结构碾压机器人机群的控制信号通过坐标反变换产生碾压机的真实行车速度和航向速度信号，其中/>由基于虚拟结构的碾压机器人机群时变编队控制策略产生；
将真实行车速度和航向速度信号代入碾压机器人机群运动学模型方程进行碾压机器人的运动状态更新，完成碾压施工作业任务。
一种可行的实施方式中，融合提出的基于虚拟结构的碾压机器人机群时变编队控制方法通过碾压机器人机群中各台碾压机器人内置反馈控制模块实现碾压机器人机群协同高效碾压作业。
本发明实施例中，将人工智能技术与土木工程进行深度融合，引入群体智能技术，提出了一套适用于非友好施工环境、复杂施工条件的碾压机器人机群系统智能碾压作业策略，可有效提高填筑工程碾压质量和施工效率，并提升碾压机装备的智能化水平。
图7是本发明的一种基于虚拟结构的碾压机器人机群时变编队控制系统示意图，所述系统200用于上述的基于虚拟结构的碾压机器人机群时变编队控制，所述系统200包括：
编队模块210，用于构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
路径规划模块220，用于构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径；
控制策略构建模块230，用于根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略；
施工作业模块240，用于根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
优选地，编队模块210，进一步用于构建虚拟结构框架；
根据碾压机器人机群规模，结合单台碾压机器人机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素；结合几何学和优化理论知识，应用虚拟结构方法确定碾压机器人机群协同碾压作业期望队形及其队形变化策略。
优选地，路径规划模块220，进一步用于构建碾压机整体运动学模型，若施工目标碾压区域内无障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点；
若施工目标碾压区域有障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点并进行碾压作业路径规划。
优选地，确定碾压机器人机群虚拟队形中心点，包括：
结合碾压机群虚拟队形的几何结构并充分考虑队形变化策略，根据下述公式(1)确定虚拟队形的中心点
则此时虚拟碾压机运动学模型是由如下书公式(2)的标准地面车辆运动学模型表示：
其中，表示xc(t)的更新，/>表示yc(t)的更新，/>表示θc(t)的更新，(x(t),y(t))T表示振动钢轮中心点在作业平面内的位置坐标，θc(t)表示振动钢轮中心点在作业平面内的航向，/>为振动钢轮与驱动车体之间的转角，vc(t)和ωc(t)分别为振动钢轮的速度和航向速度。
优选地，进行碾压作业路径规划，包括：
通过选定vc(t)和ωc(t)借助于运动学模型生成期望路径[xc(t)yc(t)]T；
其中，碾压作业路径规划包括：作业面分解、子作业面规划和子作业面连通。
优选地，控制策略构建模块230，进一步用于基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略；
利用李雅普诺夫稳定性定理、最优控制理论、H∞控制，分析协同控制算法收敛性与性能。
优选地，基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略，包括：
根据碾压机器人机群协同碾压作业期望队形，通过车载位姿传感器实时获取如下述公式(3)所示的碾压机器人真实位姿
将碾压作业编队控制问题转化为如下述公式(4)所示的针对每台碾压机的位姿跟随控制问题：
其中，这里/>
结合规划好的碾压作业路径和参考轨迹跟踪控制技术，设计如下述公式(5)的碾压机器人机群编队控制策略：
其中，且k1i>0,k2i>0,and k3i>0,i∈N为预设的控制增益。
优选地，施工作业模块240，进一步用于初始化各台碾压机器人的运动状态、期望碾压作业队形、期望碾压作业路径和控制增益；
据作用于虚拟结构碾压机器人机群的控制信号通过坐标反变换产生碾压机的真实行车速度和航向速度信号，其中/>由基于虚拟结构的碾压机器人机群时变编队控制策略产生；
将真实行车速度和航向速度信号代入碾压机器人机群运动学模型方程进行碾压机器人的运动状态更新，完成碾压施工作业任务。
本发明实施例中，将人工智能技术与土木工程进行深度融合，引入群体智能技术，提出了一套适用于非友好施工环境、复杂施工条件的碾压机器人机群系统智能碾压作业策略，可有效提高填筑工程碾压质量和施工效率，并提升碾压机装备的智能化水平。
图8是本发明实施例提供的一种电子设备300的结构示意图，该电子设备300可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(centralprocessing units，CPU)301和一个或一个以上的存储器302，其中，所述存储器302中存储有至少一条指令，所述至少一条指令由所述处理器301加载并执行以实现下述基于虚拟结构的碾压机器人机群时变编队控制方法的步骤：
S1、构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
S2、构建碾压机整体运动学模型，根据虚拟结构机群编队作业队形，规划碾压施工作业路径；
S3、根据碾压机整体运动学模型、机群编队作业队形以及碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略；
S4、根据基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
在示例性实施例中，还提供了一种计算机可读存储介质，例如包括指令的存储器，上述指令可由终端中的处理器执行以完成上述基于虚拟结构的碾压机器人机群时变编队控制方法。例如，所述计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
Claims (10)
1.一种基于虚拟结构的碾压机器人机群时变编队控制方法，其特征在于，方法步骤包括：
S1、构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
S2、构建碾压机整体运动学模型，根据所述虚拟结构机群编队作业队形，规划碾压施工作业路径；
S3、根据所述碾压机整体运动学模型、所述机群编队作业队形以及所述碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略；
S4、根据所述基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1中，构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得设计队形，包括：
构建虚拟结构框架；
根据碾压机器人机群规模，结合单台碾压机器人机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素；结合几何学和优化理论知识，应用虚拟结构方法确定碾压机器人机群协同碾压作业期望队形及其队形变化策略。
3.根据权利要求1所述的方法，其特征在于，所述步骤S2中，构建碾压机整体运动学模型，根据所述虚拟结构机群编队作业队形，规划碾压施工作业路径，包括：
构建碾压机整体运动学模型，若施工目标碾压区域内无障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点；
若施工目标碾压区域有障碍物，则在碾压机器人机群协同碾压作业队形中确定碾压机器人机群虚拟队形中心点并进行碾压作业路径规划。
4.根据权利要求3所述的方法，其特征在于，所述确定碾压机器人机群虚拟队形中心点，包括：
结合碾压机群虚拟队形的几何结构并充分考虑队形变化策略，根据下述公式(1)确定虚拟队形的中心点
则此时虚拟碾压机运动学模型是由如下书公式(2)的标准地面车辆运动学模型表示：
其中，表示xc(t)的更新，/>表示yc(t)的更新，/>表示θc(t)的更新，(x(t),y(t))T表示振动钢轮中心点在作业平面内的位置坐标，θc(t)表示振动钢轮中心点在作业平面内的航向，/>为振动钢轮与驱动车体之间的转角，vc(t)和ωc(t)分别为振动钢轮的速度和航向速度。
5.根据权利要求4所述的方法，其特征在于，所述进行碾压作业路径规划，包括：
通过选定vc(t)和ωc(t)借助于运动学模型生成期望路径[xc(t)yc(t)]T；
其中，所述碾压作业路径规划包括：作业面分解、子作业面规划和子作业面连通。
6.根据权利要求5所述的方法，其特征在于，所述步骤S3中，根据所述碾压机整体运动学模型、所述机群编队作业队形以及所述碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略，包括：
基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略；
利用李雅普诺夫稳定性定理、最优控制理论、H∞控制，分析协同控制算法收敛性与性能。
7.根据权利要求6所述的方法，其特征在于，所述基于设计的碾压机器人机群协同碾压作业期望队形及队形变化策略бi(t),i∈N以及规划好的碾压作业路径vc(t)和ωc(t)，构造碾压机器人机群编队队形控制策略，包括：
根据碾压机器人机群协同碾压作业期望队形，通过车载位姿传感器实时获取如下述公式(3)所示的碾压机器人真实位姿
将碾压作业编队控制问题转化为如下述公式(4)所示的针对每台碾压机的位姿跟随控制问题：
其中，这里/>
结合规划好的碾压作业路径和参考轨迹跟踪控制技术，设计如下述公式(5)的碾压机器人机群编队控制策略：
其中，且k1i>0,k2i>0,and k3i>0,i∈N为预设的控制增益。
8.根据权利要求7所述的方法，其特征在于，所述步骤S4中，根据所述基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务，包括：
初始化各台碾压机器人的运动状态、期望碾压作业队形、期望碾压作业路径和控制增益；
据作用于虚拟结构碾压机器人机群的控制信号通过坐标反变换产生碾压机的真实行车速度和航向速度信号，其中/>由基于虚拟结构的碾压机器人机群时变编队控制策略产生；
将真实行车速度和航向速度信号代入碾压机器人机群运动学模型方程进行碾压机器人的运动状态更新，完成碾压施工作业任务。
9.一种基于虚拟结构的碾压机器人机群时变编队控制系统，其特征在于，所述系统用于如权利要求1～8任意一项所述的基于虚拟结构的碾压机器人机群时变编队控制方法，所述系统包括：
编队模块，用于构建虚拟结构框架，结合碾压机器人机群规模，对机群编队作业队形进行设计，获得虚拟结构机群编队作业队形；
路径规划模块，用于构建碾压机整体运动学模型，根据所述虚拟结构机群编队作业队形，规划碾压施工作业路径；
控制策略构建模块，用于根据所述碾压机整体运动学模型、所述机群编队作业队形以及所述碾压施工作业路径，构建基于虚拟结构的机群时变编队控制策略；
施工作业模块，用于根据所述基于虚拟结构的碾压机器人机群时变编队控制策略，结合初始化、控制信号和运动状态更新三步构成碾压机器人机群作业策略，驱动碾压机器人机群在目标区域内协作完成碾压施工作业任务。
10.根据权利要求9所述的系统，其特征在于，所述编队模块，进一步用于构建虚拟结构框架；
根据碾压机器人机群规模，结合单台碾压机器人机械性能参数、碾压施工工艺、碾压作业区域特点、碾压安全车距因素；结合几何学和优化理论知识，应用虚拟结构方法确定碾压机器人机群协同碾压作业期望队形及其队形变化策略。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310883236.3A CN116859929A (zh) | 2023-07-18 | 2023-07-18 | 基于虚拟结构的碾压机器人机群时变编队控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310883236.3A CN116859929A (zh) | 2023-07-18 | 2023-07-18 | 基于虚拟结构的碾压机器人机群时变编队控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116859929A true CN116859929A (zh) | 2023-10-10 |
Family
ID=88218844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310883236.3A Pending CN116859929A (zh) | 2023-07-18 | 2023-07-18 | 基于虚拟结构的碾压机器人机群时变编队控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116859929A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117621091A (zh) * | 2024-01-26 | 2024-03-01 | 深圳威洛博机器人有限公司 | 一种机器人的步态协同控制方法及系统 |
-
2023
- 2023-07-18 CN CN202310883236.3A patent/CN116859929A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117621091A (zh) * | 2024-01-26 | 2024-03-01 | 深圳威洛博机器人有限公司 | 一种机器人的步态协同控制方法及系统 |
| CN117621091B (zh) * | 2024-01-26 | 2024-04-09 | 深圳威洛博机器人有限公司 | 一种机器人的步态协同控制方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102591358B (zh) | 一种多无人机的动态编队控制方法 | |
| CN113671948B (zh) | 一种土石方工程无人碾压机机群协同智能作业控制方法 | |
| Marshall et al. | Autonomous underground tramming for center‐articulated vehicles | |
| CN116859929A (zh) | 基于虚拟结构的碾压机器人机群时变编队控制方法及系统 | |
| Low | A dynamic virtual structure formation control for fixed-wing UAVs | |
| CN112947575B (zh) | 基于深度强化学习的无人机集群多目标搜索方法及系统 | |
| Lee et al. | Blade control in Cartesian space for leveling work by bulldozer | |
| CN113608445A (zh) | 一种多智能体避障及避碰方法 | |
| Hu et al. | Self-driving shield: Intelligent systems, methodologies, and practice | |
| CN117022279A (zh) | 一种铰接转向车辆双向行驶路径跟踪控制方法及系统 | |
| Parisi et al. | A new concept for large additive manufacturing in construction: tower crane-based 3D printing controlled by deep reinforcement learning | |
| You et al. | Adaptive neural sliding mode control for heterogeneous ship formation keeping considering uncertain dynamics and disturbances | |
| Zhang et al. | Distributed event-triggered adaptive coordinated trajectory tracking control of multi-USVs based on the aggregate tracking error | |
| Jia et al. | Collision avoidance in target encirclement and tracking of unmanned aerial vehicles under a dynamic event-triggered formation control | |
| CN110058521B (zh) | 一种考虑误差影响的悬臂式掘进机行进纠偏方法 | |
| CN114995512A (zh) | 基于预测模型滚动优化的无人机蜂群编队队形控制方法 | |
| Wohner et al. | Hierarchical nonlinear model predictive control for an autonomous racecar | |
| Shen et al. | Hybrid-driven autonomous excavator trajectory generation combining empirical driver skills and optimization | |
| Huang et al. | Fuzzy control for trajectory tracking in shield tunneling | |
| CN116027796A (zh) | 一种多自治水下机器人编队控制系统及方法 | |
| CN209833810U (zh) | 基于rtk的六履带车辆自适应行走系统 | |
| Su et al. | Bearing-Based Robust Formation Tracking Control of Underactuated AUVs With Optimal Parameter Tuning | |
| Tang et al. | An Architecture and Key Technologies of Autonomous Truck Dispatching System in Open-pit Mines | |
| Li et al. | Research on formation control algorithm of multiple inspection robots in substation | |
| Tian et al. | Fuzzy Rule-Based Section Forming for Mining Robotic Excavation Error Compensation |
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 |