WO2022166067A1 - 一种多机重载搬运机器人协同牵引的系统与方法 - Google Patents
一种多机重载搬运机器人协同牵引的系统与方法 Download PDFInfo
- Publication number
- WO2022166067A1 WO2022166067A1 PCT/CN2021/099736 CN2021099736W WO2022166067A1 WO 2022166067 A1 WO2022166067 A1 WO 2022166067A1 CN 2021099736 W CN2021099736 W CN 2021099736W WO 2022166067 A1 WO2022166067 A1 WO 2022166067A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- robot
- agent
- formation
- leader
- control
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 10
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 47
- 238000006073 displacement reaction Methods 0.000 claims description 15
- 230000007423 decrease Effects 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000011217 control strategy Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000009466 transformation Effects 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception 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, 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
Definitions
- the invention belongs to the field of cooperative traction of robots, and more particularly, relates to a system and method for cooperative traction of multi-machine heavy-duty handling robots.
- Multi-robot system cooperative handling can quickly and effectively carry out coordinated handling for aircraft of different sizes, greatly increasing the efficiency of airport operation and maintenance.
- the functions of multiple heavy-duty handling robots for automatic towing and collaborative hauling of multiple different aircraft can improve the system intelligence and digitization of aircraft towing robots.
- the present invention proposes a system and method for the coordinated traction of a multi-machine heavy-duty handling robot, which utilizes the intelligent heavy-duty robot to simultaneously pull multiple different types of aircraft, saving a lot of time. , and also improve the efficiency of airport operation and maintenance.
- a multi-machine heavy-duty handling robot collaborative traction system including: a leader robot for path planning and a follower robot for position control follow;
- the control structure of the system is divided into a bottom controller and an upper controller, the upper controller is used to control the overall motion of the leader robot and the follower robot, and the bottom controller is a speed controller, used to control all
- the angular velocity of the wheels of the leader robot and the follower robot, the upper controller and the bottom controller are connected by the heavy-duty robot kinematics model, the leader robot output by the upper controller and the The linear velocity and angular velocity of the follower robot are transformed into the angular velocity of the wheels of the leader robot and the follower robot output by the speed controller in the underlying controller through the kinematic model;
- the relative displacement between the carried object of the leader robot and the leader robot does not exceed a preset value, and the relative displacement between the carried object of the follower robot and the follower robot is zero.
- the kinematics model is a robot motion control rate calculation model, and the motion control rate of the robot is: Among them, k x , ky and k ⁇ are the control parameters, ⁇ x des , ⁇ y des and ⁇ des are the relative displacements between the carried object and the robot, ⁇ x is , ⁇ y is and ⁇ is the actual motion displacement fed back by the robot, v t is the linear velocity of the robot, and ⁇ t is the angular velocity of the robot.
- the leader robot transmits the formation change instruction to each of the other follower robots , each follower robot determines the motion state at the next moment according to the new formation in the formation transformation instruction and its own position.
- a single heavy-duty robot and its hauled objects are used as an agent, so that the teams of multiple agents are always designed to move towards the target point as the orientation.
- the leader agent in the formation is used as a reference agent to determine that other follower agents are in the formation
- the position and orientation of the reference agent are: R0(x 0 , y 0 , v 0 , ⁇ 0 ), where x 0 is the initial abscissa of the reference agent, and y 0 is the initial vertical coordinate of the reference agent coordinates, v 0 is the initial linear velocity of the reference agent, ⁇ 0 is the initial angular velocity of the reference agent;
- the relative parameters of the following agent R1 (x 1 , y 1 , v 1 , ⁇ 1 ) relative to the reference agent are but: Among them, ⁇ 0 is the direction of the reference agent R0, ⁇ 1 is the direction of the following agent R1, are the ideal distance and azimuth angle of R1 relative to the reference agent R0 in the formation requirements, respectively.
- the leader robot is used by Determine the global safety distance of the task-based multi-robot formation, where d s is the safety distance that a single agent can pass, l dt is the formation width, D is the width of the true obstacle, is the azimuth of the agent relative to the obstacle.
- a method for the cooperative traction system of a multi-machine heavy-duty handling robot based on any one of the above including:
- the use of intelligent heavy-duty robots to tow multiple different types of aircraft at the same time saves a lot of time and improves the efficiency of airport operation and maintenance.
- the multi-robot collaborative formation control algorithm is used to realize the orderly collaborative towing of multiple aircraft in the open space. , and the orderly passage of multiple aircraft when passing through a narrow space to achieve fast, efficient and orderly coordinated traction of multiple aircraft.
- FIG. 1 is a schematic block diagram of a cooperative hauling motion control of an AGV system provided by an embodiment of the present invention
- FIG. 2 is a schematic diagram of a movement model of an agent toward a target point provided by an embodiment of the present invention
- FIG. 3 is a schematic diagram of a mathematical model for maintaining formation of an agent according to an embodiment of the present invention.
- the terms “arranged”, “installed”, “connected” and “connected” should be understood in a broad sense, for example, it may be a fixed connection, It can also be a detachable connection, or an integral connection; it can be a mechanical connection or an electrical connection; it can be a direct connection, or an indirect connection through an intermediate medium, or the internal communication between the two components.
- the specific meanings of the above terms in the present invention can be understood according to specific situations.
- the present invention provides a technical solution: a multi-machine heavy-duty handling robot cooperative traction system, which is based on a perception environment system pulled by a single heavy-duty robot, and uses multi-robot cooperative formation control.
- the algorithm realizes the heavy-duty multi-robot AGV system that realizes the orderly and cooperative traction of multiple aircraft in the open field.
- the multiple robots controlled in the heavy-duty multi-robot AGV system are divided into the leader robot for path planning and the position control.
- the control structure of the heavy-duty multi-robot AGV system is divided into a bottom controller and an upper controller.
- the upper controller is used to control the overall motion of the leader robot and the follower robot
- the bottom controller is a speed controller, which uses
- the upper controller and the lower controller are connected by the kinematic model of the heavy-duty robot, and the linear velocity and angular velocity of the leader robot and the follower robot output by the upper controller are converted through the kinematic model It becomes the angular velocity of the wheels of the leader robot and the follower robot output by the speed controller in the underlying controller.
- the relative displacement between the carried object and the leader robot will not exceed a preset value.
- the relative displacement between the carried object and the follower robot is zero, and the motion control of each robot is obtained through the kinematic model.
- the kinematics model is the calculation model of the motion control rate of the robot, and the motion control rate of the robot is:
- k x , ky and k ⁇ are control parameters
- ⁇ x des , ⁇ y des and ⁇ des are the relative displacements between the carried object and the robot (including the relative displacement of the abscissa and the vertical coordinates between the carried object and the robot and the relative displacement of the robot).
- angle) ⁇ x is , ⁇ y is and ⁇ is the actual motion displacement fed back by the robot (including the actual abscissa and ordinate relative displacement and relative angle between the fed object and the robot)
- v t , ⁇ t are the lines of the robot speed and angular velocity.
- the multi-robot The formation can change according to the environment.
- a single heavy-duty robot and a hauled plane are an agent, so that the teams of multiple agents always move towards the target point in the process of movement.
- r and the angle between the agent's velocity direction is
- the ideal distance l between point O and the agent and considering the agent's half-length d, the following equation can be obtained:
- the control strategy can be defined as:
- control variables can be obtained from formulas (2) to (4) as:
- control variables are:
- v tMAX and ⁇ tMAX are the maximum linear velocity and maximum angular velocity of the agent, respectively.
- the goal-oriented design is to enable multiple agents to complete the task while maintaining a certain formation.
- the state of this reference agent is: R0(x 0 , y 0 , v 0 , ⁇ 0 ), where x 0 is the initial abscissa of the agent, y 0 is the initial ordinate of the agent, v 0 is the initial linear velocity of the agent, and ⁇ 0 is the initial angular velocity of the agent.
- the relative parameters of the agent R1 (x 1 , y 1 , v 1 , ⁇ 1 ) relative to the reference agent are but:
- ⁇ 0 is the direction of the reference agent R0
- ⁇ 1 is the direction of the agent R1
- the ultimate goal of control is:
- ⁇ 1 and ⁇ 2 are the given proportional coefficients, and the two equations (7) (8) are put into the equations of (1) (2) (3) (4) (5) (6), and find control variable:
- d s is the safe distance that a single agent can pass
- l dt is the width of the formation
- D is the width of the true obstacle
- the present application also provides a method for cooperative traction of multi-machine heavy-duty handling robots.
- the control agent maintains the existing speed and direction, and the system's
- v represents the current linear speed of the agent, that is, the robot, otherwise the speed will decrease as the distance from the obstacle decreases, and the left front of the formation is measured.
- the size of the distance between the right front and the obstacle, and the steering angle is determined by using the difference between the two distances.
- the control variables of the system are:
- k and k 0 are given constants
- s F , s LF , and s RF are the distances between the formation front, left front, right front and obstacles, respectively.
- the intelligent heavy-duty robot is used to tow multiple different types of aircraft at the same time, which saves a lot of time and improves the efficiency of airport operation and maintenance.
- the multi-robot collaborative formation control algorithm is used to achieve orderly multiple aircraft in the open space.
- the coordinated traction of multiple aircrafts and the orderly passage of multiple aircraft when passing through a narrow space realize fast, efficient and orderly coordinated traction of multiple aircraft.
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)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
一种多机重载搬运机器人协同牵引的系统与方法，该系统是在单个重载机器人牵引的感知环境系统的基础上，使用多机器人协同编队控制算法，实现在空旷场地的多个飞机有序协同牵引的重载多机器人AGV系统，重载多机器人AGV系统中控制的多个机器人分为用于路径规划的领航Leader机器人和用于位置控制跟随的跟随follower机器人组成，重载多机器人AGV系统的控制结构分为底层控制器和上层控制器。本系统利用智能重载机器人同时对多个不同类型的飞机进行牵引，大量节省了时间，也提高了机场运维效率。
Description
本发明属于机器人协同牵引领域，更具体地，涉及一种多机重载搬运机器人协同牵引的系统与方法。
传统的飞机牵引车体积大、价格昂贵、转弯半径大，需要经过训练的专业人士来操作，除了常规的飞机牵引，机场还需要同时对多个飞机进行快速搬运，减少机场交通堵塞的可能性以及对飞机场正常调度的影响，造成不必要的经济损失。多机器人系统协作搬运可以快速有效的针对不同大小的飞机进行协同搬运，大大增加机场运维的效率，根据不同机型飞机的结构特点，设计适合不同类型飞机的重载智能飞机搬运机器人能够同时协同多个重载搬运机器人对多个不同飞机的自动牵引、协同拖运等功能，可提高飞机牵引机器人的系统智能化、数字化。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提出了一种多机重载搬运机器人协同牵引的系统与方法，利用智能重载机器人同时对多个不同类型的飞机进行牵引，大量节省了时间，也提高了机场运维效率。
为实现上述目的，按照本发明的一个方面，提供了一种多机重载搬运机器人协同牵引的系统，包括：用于路径规划的Leader机器人和用于位置控制跟随的follower机器人；
所述系统的控制结构分为底层控制器和上层控制器，所述上层控制器用于控制所述Leader机器人和所述follower机器人的整体运动，所述底层控制器为速度控制器，用于控制所述Leader机器人和所述follower机器人 的轮子的角速度，所述上层控制器和所述底层控制器之间由重载机器人运动学模型进行连接，所述上层控制器输出的所述Leader机器人和所述follower机器人的线速度和角速度通过运动学模型转化成为所述底层控制器中速度控制器输出的所述Leader机器人和所述follower机器人的轮子的角速度；
所述Leader机器人的被运载物体和所述Leader机器人之间的相对位移不会超过一个预设定值，所述follower机器人的被运载物体和所述follower机器人之间的相对位移为零。
在一些可选的实施方案中，所述运动学模型为机器人运动控制率计算模型，机器人的运动控制率为：
其中，k
x，k
y和k
θ为控制参数，Δx
des，Δy
des和Δθ
des为被运载物体与机器人之间的相对位移，Δx
is，Δy
is和Δθ
is为机器人反馈的实际运动位移，v
t为机器人的线速度，ω
t为机器人的角速度。
在一些可选的实施方案中，多机重载搬运机器人在执行任务过程中，当周围的环境发生变化需要变换队形时，所述Leader机器人将队形变换指令传递给其它各所述follower机器人，由各所述follower机器人根据所述队形变换指令中的新队形和自身的位置来确定下一刻的运动状态。
在一些可选的实施方案中，将单个重载机器人和其拖运的被运载物体作为一个智能体，使多个智能体的队伍在运动的过程中始终都是朝着目标点的设计作为朝向目标设计，在朝向目标设计时，对于由所述Leader机器人和其拖运的被运载物体组成的领航智能体，目标点与领航智能体中心O距离为r，目标点与领航智能体速度方向夹角为
O点和领航智能体的理想距离为l，领航智能体半长d，则：
控制的最终目标为：r＝0，
则控制策略为：
进而得到控制变量为：
考虑到(v
tMAX，ω
tMAX)的限制，控制变量为：
其中，v
tMAX为智能体的最大线速度，ω
tMAX为智能体的最大角速度，α
1和α
2是给定的比例系数。
在一些可选的实施方案中，对于由各所述follower机器人和其拖运的被运载物体组成的跟随智能体，以编队中的领航智能体作为参考智能体，来确定其他跟随智能体在编队中的位置和指向，所述参考智能体的状态为：R0(x
0，y
0，v
0，ω
0)，其中，x
0为参考智能体初始横坐标，y
0为参考智能体初始纵坐标，v
0为参考智能体初始线速度，ω
0为参考智能体初始角速度；
根据队形要求，跟随智能体R1(x
1，y
1，v
1，ω
1)相对于参考智能体的相对参数为
则：
其中，θ
0为参考智能体R0的指向，θ
1为跟随智能体R1的指向，
分别是队形要求中，R1相对于参考智能体R0的理想距离和方位角，控制的最终目标为：(l-l
d)→0，
进而得到跟随智能体的控制变量：v
t＝Acosβ-Bsinβ，
其中，
同样考虑到(v
tmax，ω
tmax)的限制，控制变量为：
在一些可选的实施方案中，所述leader机器人，用于由
确定基于任务的多机器人编队的全局安全距离，其中，d
s为单个智能体能够通过的安全距离，l
dt为编队宽度，D为真障碍物的宽度，
为智能体相对于障碍物的方位角。
按照本发明的另一方面，提供了一种基于上述任意一项所述的多机重载搬运机器人协同牵引系统的方法，包括：
当编队的前，左前，右前与障碍物的距离的最小值大于d
st，控制各智能体保持现有的速度和指向，系统的控制变量为v
t＝v，且ω
t＝0，其中，v表示智能体的当前线速度，否则速度将随着与障碍物之间距离的缩小而降低，并且测得编队左前方和右前方与障碍物之间的距离的大小，利用两个距离差来决定转向度，系统的控制变量为：v
t＝ks
F，ω
t＝min{k
0(s
LF-s
RF)，ω
tmax}，其中，k和k
0为给定的常数，s
F、s
LF、s
RF分别为编队前方、左前方、右前方与障碍物之间的距离。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：
利用智能重载机器人同时对多个不同类型的飞机进行牵引，大量节省了时间，也提高了机场运维效率，使用多机器人协同编队控制算法，实现在空旷场地的多个飞机有序的协同牵引，以及通过狭窄空间时的多个飞机有序通行，实现快速、高效、有序的多个飞机协同牵引。
图1是本发明实施例提供的一种AGV系统协作拖运运动控制框图示意图；
图2是本发明实施例提供的一种智能体向目标点运动模型示意图；
图3是本发明实施例提供的一种智能体队形保持数学模型示意图。
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中的附图，对本发明实施例中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一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
如图1所示，本发明提供一种技术方案：一种多机重载搬运机器人协同牵引的系统，该系统是由单个重载机器人牵引的感知环境系统的基础上，使用多机器人协同编队控制算法，实现在空旷场地的多个飞机有序协同牵引的重载多机器人AGV系统，该重载多机器人AGV系统中控制的多个机器人分为用于路径规划的领航Leader机器人和用于位置控制跟随的跟随follower机器人组成，该重载多机器人AGV系统的控制结构分为底层控制 器和上层控制器，上层控制器用于控制Leader机器人和follower机器人的整体运动，底层控制器为速度控制器，用于控制Leader机器人和follower机器人轮子的角速度，上层控制器和底层控制器之间由重载机器人运动学模型进行连接，上层控制器输出的Leader机器人和follower机器人的线速度和角速度通过运动学模型转化成为底层控制器中速度控制器输出的Leader机器人和follower机器人轮子的角速度，Leader机器人的路径规划模块中，被运载物体和Leader机器人之间的相对位移不会超过一个预设定值，follower机器人的被运载物体和follower机器人之间的相对位移为零，各机器人的运动控制通过运动学模型得到。
具体的，如图2所示，运动学模型为机器人运动控制率计算模型，机器人的运动控制率为：
其中，k
x，k
y和k
θ为控制参数，Δx
des，Δy
des和Δθ
des为被运载物体与机器人之间的相对位移(包括被运载物体与机器人之间的横纵坐标相对位移和相对角度)，Δx
is，Δy
is和Δθ
is为机器人反馈的实际运动位移(包括反馈的被运载物体与机器人之间的实际横纵坐标相对位移和相对角度)，v
t，ω
t为机器人的线速度和角速度。
进一步地，多机重载搬运机器人在执行任务过程中，以确保队伍的安全或者为了形成更大范围的编队以获得更多的环境信息，当周围的环境发生变化需要变换队形时，多机器人的队形能够根据环境的变化而变化。
单个重载机器人和拖运的飞机为一个智能体，使多个智能体的队伍在运动的过程中始终都是朝着目标点的设计为朝向目标设计，目标点与该智能体中心O距离为r，与智能体速度方向夹角为
并考虑O点和该智能体的理想距离l，考虑智能体半长d，可以得到以下等式：
控制的最终目标为：r＝0，
可把控制策略定为：
其中α
1和α
2是给定的比例系数。式(2)～(4)可以得到控制变量为:
考虑到此式中的(v
tMAX，ω
tMAX)的限制，控制变量为：
其中，v
tMAX，ω
tMAX分别为智能体的最大线速度和最大角速度。
如图3所示，朝向目标设计是为了使多个智能体能够完成任务，而需要保持某种特定的队形。以编队中的某一智能体作为参考，来确定其他智能体在编队中的位置和指向，此参考智能体的状态为：R0(x
0，y
0，v
0，ω
0)，其中x
0为智能体初始横坐标，y
0为智能体初始纵坐标，v
0为智能体初始线速度，ω
0为智能体初始角速度。
根据队形要求，智能体R1(x
1，y
1，v
1，ω
1)，相对于参考智能体的相对参数为
则：
其中，θ
0为参考智能体R0的指向，θ
1为智能体R1的指向，
分别是队形要求中，R1相对于参考智能体R0的理想距离和方位角。控制的最终目标为：
其中，β
1和β
2是给定的比例系数，将(7)(8)两个式子带入(1)(2)(3)(4)(5)(6)的式中，求得控制变量：
v
t＝Acosβ-Bsinβ
其中，
同样考虑到(v
tmax，ω
tmax)的限制，控制变量为
为了使整个队伍能够避开障碍物，应该将编队队形的大小和智能体在编队的位置考虑在内。当d
s为单个智能体能够通过的安全距离，并基于任务的多机器人编队的全局安全距离：
其中l
dt为编队宽度，D为真障碍物的宽度，
为智能体相对于障碍物的方位角。
本申请还提供了一种多机重载搬运机器人协同牵引的方法，当编队的前，左前，右前与障碍的距离的最小值大于d
st，控制智能体保持现有的速度和指向，系统的控制变量为v
t＝v，且ω
t＝0，其中，v表示智能体也就是机器人的当前线速度，否则速度将随着与障碍物之间距离的缩小而降低， 并且测得编队左前方和右前方与障碍物之间的距离的大小，利用两个距离差来决定转向度。系统的控制变量为：
v
t＝ks
F，ω
t＝min{k
0(s
LF-s
RF)，ω
tmax} (9)
其中，k和k
0为给定的常数，s
F、s
LF、s
RF分别为编队前方、左前方、右前方与障碍物之间的距离。
工作原理：利用智能重载机器人同时对多个不同类型的飞机进行牵引，大量节省了时间，也提高了机场运维效率，使用多机器人协同编队控制算法，实现在空旷场地的多个飞机有序的协同牵引，以及通过狭窄空间时的多个飞机有序通行，实现快速、高效、有序的多个飞机协同牵引。
需要指出，根据实施的需要，可将本申请中描述的各个步骤/部件拆分为更多步骤/部件，也可将两个或多个步骤/部件或者步骤/部件的部分操作组合成新的步骤/部件，以实现本发明的目的。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
- 一种多机重载搬运机器人协同牵引的系统，其特征在于，包括：用于路径规划的Leader机器人和用于位置控制跟随的follower机器人；所述系统的控制结构分为底层控制器和上层控制器，所述上层控制器用于控制所述Leader机器人和所述follower机器人的整体运动，所述底层控制器为速度控制器，用于控制所述Leader机器人和所述follower机器人的轮子的角速度，所述上层控制器和所述底层控制器之间由重载机器人运动学模型进行连接，所述上层控制器输出的所述Leader机器人和所述follower机器人的线速度和角速度通过运动学模型转化成为所述底层控制器中速度控制器输出的所述Leader机器人和所述follower机器人的轮子的角速度；所述Leader机器人的被运载物体和所述Leader机器人之间的相对位移不会超过一个预设定值，所述follower机器人的被运载物体和所述follower机器人之间的相对位移为零。
- 根据权利要求1所述的系统，其特征在于，所述运动学模型为机器人运动控制率计算模型，机器人的运动控制率为：
其中，k x，k y和k θ为控制参数，Δx des，Δy des和Δθ des为被运载物体与机器人之间的相对位移，Δx is，Δy is和Δθ is为机器人反馈的实际运动位移，v t为机器人的线速度，ω t为机器人的角速度。
- 根据权利要求2所述的系统，其特征在于，多机重载搬运机器人在执行任务过程中，当周围的环境发生变化需要变换队形时，所述Leader机器人将队形变换指令传递给其它各所述follower机器人，由各所述follower机器人根据所述队形变换指令中的新队形和自身的位置来确定下一刻的运动状态。
- 根据权利要求3所述的系统，其特征在于，将单个重载机器人和其拖运的被运载物体作为一个智能体，使多个智能体的队伍在运动的过程中始终都是朝着目标点的设计作为朝向目标设计，在朝向目标设计时，对于由所述Leader机器人和其拖运的被运载物体组成的领航智能体，目标点与领航智能体中心O距离为r，目标点与领航智能体速度方向夹角为O点和领航智能体的理想距离为l，领航智能体半长d，则：
控制的最终目标为：r＝0，
则控制策略为：
进而得到控制变量为：
考虑到(v tMAX，ω tMAX)的限制，控制变量为：
其中，v tMAX为智能体的最大线速度，ω tMAX为智能体的最大角速度，α 1和α 2是给定的比例系数。
- 根据权利要求4所述的系统，其特征在于，对于由各所述follower机器人和其拖运的被运载物体组成的跟随智能体，以编队中的领航智能体作为参考智能体，来确定其他跟随智能体在编队中的位置和指向，所述参考智能体的状态为：R0(x 0，y 0，v 0，ω 0)，其中，x 0为参考智能体初始横坐标，y 0为参考智能体初始纵坐标，v 0为参考智能体初始线速度，ω 0为参考智能体初始角速度；根据队形要求，跟随智能体R1(x 1，y 1，v 1，ω 1)相对于参考智能体的相对参数为则：
其中，θ 0为参考智能体R0 的指向，θ 1为跟随智能体R1的指向，
分别是队形要求中，R1相对于参考智能体R0的理想距离和方位角，控制的最终目标为：(l-l d)→0，
进而得到跟随智能体的控制变量：v t＝Acosβ-Bsinβ，
其中，
同样考虑到(v tmax，ω tmax)的限制，控制变量为：
- 根据权利要求5所述的系统，其特征在于，所述leader机器人，用于由确定基于任务的多机器人编队的全局安全距离，其中，d s为单个智能体能够通过的安全距离，l dt为编队宽度，D为真障碍物的宽度，
为智能体相对于障碍物的方位角。
- 一种基于权利要求1至6任意一项所述的多机重载搬运机器人协同牵引系统的方法，其特征在于，包括：当编队的前，左前，右前与障碍物的距离的最小值大于d st，控制各智能体保持现有的速度和指向，系统的控制变量为v t＝v，且ω t＝0，其中，v表示智能体的当前线速度，否则速度将随着与障碍物之间距离的缩小而降低，并且测得编队左前方和右前方与障碍物之间的距离的大小，利用两个距离差来决定转向度，系统的控制变量为：v t＝ks F，ω t＝min{k 0(s LF-s RF)，ω tmax}，其中，k和k 0为给定的常数，s F、s LF、s RF分别为编队前方、左前方、右前方与障碍物之间的距离。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110156102.2 | 2021-02-04 | ||
| CN202110156102 | 2021-02-04 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2022166067A1 true WO2022166067A1 (zh) | 2022-08-11 |
Family
ID=82740636
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2021/099736 WO2022166067A1 (zh) | 2021-02-04 | 2021-06-11 | 一种多机重载搬运机器人协同牵引的系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| WO (1) | WO2022166067A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117193368A (zh) * | 2023-10-07 | 2023-12-08 | 中国电子科技集团公司第五十四研究所 | 一种多无人机协同编队避障保性能控制方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009040837A1 (en) * | 2007-09-26 | 2009-04-02 | Radar Di Ghisleri Pier Francesco & C. S.N.C. | Method for controlling a trajectory and speed of a vehicle along a predefined path, and a vehicle which can be controlled by the method |
| US20170197621A1 (en) * | 2016-01-13 | 2017-07-13 | Cnh Industrial America Llc | Drive mode selection for an autonomous vehicle |
| CN108415460A (zh) * | 2018-03-29 | 2018-08-17 | 北京航空航天大学 | 一种组合分离式旋翼与足式移动操作机器人集中-分布式控制方法 |
| CN109917818A (zh) * | 2019-01-31 | 2019-06-21 | 天津大学 | 基于地面机器人的协同搜索围堵方法 |
| CN109947119A (zh) * | 2019-04-23 | 2019-06-28 | 东北大学 | 一种基于多传感器融合的移动机器人自主跟随系统及方法 |
| CN110666802A (zh) * | 2018-11-07 | 2020-01-10 | 宁波赛朗科技有限公司 | 一种具有双核运动控制器工业机器人平台 |
| CN111399509A (zh) * | 2020-03-24 | 2020-07-10 | 华中科技大学 | 一种多移动机器人协同转运控制方法及系统 |
| CN111552301A (zh) * | 2020-06-21 | 2020-08-18 | 南开大学 | 一种基于强化学习的蝾螈机器人路径跟踪的分层控制方法 |
-
2021
- 2021-06-11 WO PCT/CN2021/099736 patent/WO2022166067A1/zh active Application Filing
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009040837A1 (en) * | 2007-09-26 | 2009-04-02 | Radar Di Ghisleri Pier Francesco & C. S.N.C. | Method for controlling a trajectory and speed of a vehicle along a predefined path, and a vehicle which can be controlled by the method |
| US20170197621A1 (en) * | 2016-01-13 | 2017-07-13 | Cnh Industrial America Llc | Drive mode selection for an autonomous vehicle |
| CN108415460A (zh) * | 2018-03-29 | 2018-08-17 | 北京航空航天大学 | 一种组合分离式旋翼与足式移动操作机器人集中-分布式控制方法 |
| CN110666802A (zh) * | 2018-11-07 | 2020-01-10 | 宁波赛朗科技有限公司 | 一种具有双核运动控制器工业机器人平台 |
| CN109917818A (zh) * | 2019-01-31 | 2019-06-21 | 天津大学 | 基于地面机器人的协同搜索围堵方法 |
| CN109947119A (zh) * | 2019-04-23 | 2019-06-28 | 东北大学 | 一种基于多传感器融合的移动机器人自主跟随系统及方法 |
| CN111399509A (zh) * | 2020-03-24 | 2020-07-10 | 华中科技大学 | 一种多移动机器人协同转运控制方法及系统 |
| CN111552301A (zh) * | 2020-06-21 | 2020-08-18 | 南开大学 | 一种基于强化学习的蝾螈机器人路径跟踪的分层控制方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117193368A (zh) * | 2023-10-07 | 2023-12-08 | 中国电子科技集团公司第五十四研究所 | 一种多无人机协同编队避障保性能控制方法 |
| CN117193368B (zh) * | 2023-10-07 | 2024-02-27 | 中国电子科技集团公司第五十四研究所 | 一种多无人机协同编队避障保性能控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111399539B (zh) | 一种基于航路点的无人机编队避障和防撞控制方法 | |
| Saska et al. | Coordination and navigation of heterogeneous UAVs-UGVs teams localized by a hawk-eye approach | |
| CN110383358A (zh) | 在移动中的长车辆组合和队列之间转换的方法 | |
| Han et al. | Automatic berthing for an underactuated unmanned surface vehicle: A real-time motion planning approach | |
| CN110083159B (zh) | 基于sbg和动态窗口约束的无人船自主动态避碰方法 | |
| WO2022166067A1 (zh) | 一种多机重载搬运机器人协同牵引的系统与方法 | |
| CN110703799B (zh) | 基于集中式最优控制的多舰载机协同甲板面滑行轨迹规划方法 | |
| CN108592925A (zh) | 基于最小转弯半径的无人机转弯航迹规划算法 | |
| Candeloro et al. | Continuous curvature path planning using voronoi diagrams and fermat's spirals | |
| CN109388060A (zh) | 面向海上拖航作业的无人拖船集群协同作业系统和方法 | |
| CN111928838B (zh) | 一种基于舰载无人机前轮转弯技术的路径规划方法 | |
| CN109116866A (zh) | 一种无人机双向自主驶入控制方法 | |
| CN112817311B (zh) | 一种双车协同运动方法 | |
| CN110879615B (zh) | 基于多旋翼无人机自动飞行的牵引放线系统及方法 | |
| Lei et al. | Research on cooperative trajectory planning algorithm based on tractor-trailer wheeled robot | |
| CN115167440A (zh) | 一种基于虚拟领航-领航-跟随的多机器人编队控制方法 | |
| 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 | |
| Yang et al. | An independent steering driving system to realize headland turning of unmanned tractors | |
| Xia et al. | Collaborative trolley transportation system with autonomous nonholonomic robots | |
| Kim et al. | Any-angle path planning with limit-cycle circle set for marine surface vehicle | |
| WO2022036863A1 (zh) | 喷洒路径规划方法和装置 | |
| Lou | Research on Obstacle Avoidance Control of Multiple UAV Formation based on Genetic Algorithm | |
| Li et al. | Path tracking and local obstacle avoidance for automated vehicle based on improved artificial potential field | |
| CN113960994A (zh) | 一种多无人艇协同航行的s面自适应控制算法 | |
| CN110842922A (zh) | 一种非标准连接拖挂式移动机器人方向角控制方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 21924074 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 21924074 Country of ref document: EP Kind code of ref document: A1 |