一种分布式的多机器人包含避碰控制方法技术

一种分布式的多机器人包含控制方法，包括以下步骤：（1）针对有向网络中各机器人之间的通信关系，确定网络中的领导者与跟随者集合；（2）当领导者静态时，设计跟随者机器人的位置控制算子；（3）引入势能函数，确保跟随者机器人在运动过程中互相之间能够实现避碰，形成领导者静态时的包含控制率；（4）当领导者动态时，设计跟随者机器人的位置控制算子；（5）为跟随者机器人制定的控制策略中引入幂次估计器，估计领导者机器人的速度，实现由局部可知到全局可知并确定跟随者机器人的速度控制算子；（6）将机器人的位置控制算子和方向控制算子加权集成，并引入势能函数确保运动过程中个体之间互相避碰，形成动态机器人的分布式包含控制率。

【技术实现步骤摘要】

本专利技术涉及智能机器人
，具体来说涉及一种分布式的多机器人包含避碰 控制方法。
技术介绍
随着计算机技术、控制理论、人工智能理论、传感器技术的不断成熟和发展，由多 学科交叉而形成的机器人学研宄也进入了一个崭新的阶段。从可编程的、示教再现型的工 业机器人到具有一定传感能力和适应能力的机器人，再到配备多种先进传感器，具有较强 适应能力的智能机器人，机器人学的研宄工作经历了一个从简单到复杂，从功能单一到功 能多样，从工业制造领域到军事侦察、核工业、航空航天、服务业、基因工程等诸多领域的过 程。可以预见，在不久的将来，机器人技术在各个领域的应用将会更加广泛和深入。而各种 机器人系统在实际工作中的广泛应用又为机器人学提出了新的要求和新的研宄课题。多机 器人系统的研宄就是在这些新的应用需求驱动下提出，并随着机器人学的不断发展而逐渐 成为机器人学研宄的一个重要分支。 多机器人系统协调控制已成为控制领域新兴的研宄热点，并且作为控制理论界的 综合性前沿课题，其研宄范畴涉及到生物、数学、物理、控制、计算机、通信以及人工智能等 领域，并且在诸多工程领域已得到了成功应用，其中包括：机器人编队、分布式计算、空间 开发与探测、无线传感器网络定位以及智能电网调度等工程实际中。其主要任务是设计控 制协议，并通过局部交换来实现全局交换，从而达到理想的一致性状态。 现有的协调控制算法经常集中在无领航者或单领航者的情况下，而包含控制在实 际应用中则更为普遍。所谓包含控制，是指一组跟随者在多个领航者的引领下，从而到达并 保持在由领导者所围成的最小几何空间（凸包）中运动。在实际应用中，包容控制在多个 机器人共同完成危险物资处理、敌区搜索、火灾营救以及合作运输等协调任务中具有大量 的潜在应用。譬如，一组具有不同性能的小车从出发地移动到目的地，此时，我们只需在部 分小车上配有传感器来探测危险障碍物，那么这些小车指定为领航者，其余小车则为跟随 者。通过探明危险障碍物的位置，领航者能够形成一个安全的移动区域，如果跟随者一直在 由领航者形成的安全区域内移动，则该组小车能够安全顺利地到达目的地。作为一种特殊 的多领航情况，多机器人网络的包容控制得到了学者们的极大重视。 在多机器人包含控制研宄方面，目前很多研宄工作致力于对控制协议的设计 改进以提高系统的稳定性，以及通过局部交换来实现全局交换，从而达到理想的一致性 状态° 例如：Mei J，Ferrari-Trecate (Containment control in mobile networks. IEEE Transactions on Automatic Control，2008)针对固定无向网络研宄了其包含控 制问题，提出停一走策略，从而驱使一组单积分个体进入到由领航者所构成的凸包中。 Ziyang Meng, Ren Wei, (Distributed finite-time containment control for multiple lagrangian systems. Proc of American Control Conf. Baltimore:IEEE Press, 2010) 讨论的带有未知参数的的拉格朗日系统的包含控制问题，基于相对位置和速度矢量提 出了带有参数估计器的自适应包含控制协议。在实际应用中，网络个体会受到模型不 确定性、网络传输速度和传感器可视范围的影响，个体之间通常为有向通信。Yongcan Cao, Daniel Stuat(Distributed containment for multiple autonomous vehicles with double-integrator dynamics:algorithns and experiments. IEEE Trans on Control Systems Technology, 2011)研宄二阶有向网络的包容控制问题，提出了当领导者静止 或运动的时相应的控制协议。Chengjie Xu ;Ying Zheng(Necessary and sufficient conditions for distributed containment control of multi-agent systems without velocity measurement，Control Theory&Applications 2014)提出在二阶多机器人网络 中仅知道领导者位置信息时，应用分布式滤波器来对邻居机器人速度进行估计，从而实现 包含控制。在大规模的多机器人包含控制中如何合理的选择领导者，并且避免规模增大时 机器人个体之间的避碰问题，是控制工程师非常感兴趣的问题，该控制问题具有两个显著 特征，一是个体之间存在着局部信息传递，二是个体独立进行分布式控制，可以看出由个体 形成的网络的拓扑结构起着非常重要的作用，其领导者的选择是群体实现同步的前提条 件，因此为了解决的多机器人系统的同步包含控制问题，需要着重解决群体网络拓扑结构 的构建以及机器人规模增大时机器人个体之间的避碰问题。
技术实现思路
本专利技术的目的是，为了解决机器人个体之间的避碰问题，本专利技术提供一种基于局 部信息可知的能解决机器人群体规模增大时机器人个体之间的碰撞问题及群体网络拓扑 结构可控的包含控制方法。 实现本专利技术的技术方案是，本专利技术一种基分布式的多机器人包含控制方法，将多 机器人网络同图论相结合，并应用可控性理论级最大匹配算法确定有向网络中的领导者跟 随者集合；领导者集合确定后，当领导者静止时，根据领导者机器人与跟随者机器人之间的 作用力关系及控制参数，引入势能函数实现避碰，设计出领导者静态时的包含避碰控制率； 当领导者运动时，针对局部信息可知的情况，即部分跟随者对领导者速度不可知，为跟随者 设计幂次估计器实现对领导者的速度估计，进而根据移动机器人的运动特性和控制参数， 设计多个机器人领导者动态时的包含避碰控制率。 所述方法包括以下步骤： (1)针对有向网络中各机器人之间的通信关系，应用可控性理论确定网络中的领 导者与跟随者集合； (2)当领导者静态时，由领导者与邻居机器人之间的通信关系，设计跟随者机器人 的位置控制算子； (3)在跟随者位置控制算子的基础上引入势能函数，确保跟随者机器人在运动过 程中互相之间能够实现避碰，形成领导者静态时的包含避碰控制率； (4)当领导者动态时，由领导者与邻居机器人之间的通信关系，设计跟随者机器人 的位置控制算子； (5)针对局部信息可知时，即网络拓扑中存在部分跟随者对领导者速度不可知的 情况，为跟随者机器人制定的控制策略中引入幂次估计器，来估计领导者机器人的速度，确 定跟随者机器人的速度控制算子； (6)最后将机器人的位置控制算子和方向控制算子加权集成，并引入势能函数确 保运动过程中个体之间互相避碰，形成动态机器人的分布式包含避碰控制率。 所述领导者与跟随者集合的方法有： 1)应用图论的方法表示网络中的机器人之间的通信关系，并将有向图G(A)转换 为二分图H(A)表不： 其中我们把多机器人系统视为由N个节点组成的有向网络G，NXN矩阵A = {aijli，j e }表示网本文档来自技高网...

【技术保护点】
一种分布式的多机器人包含避碰控制方法，其特征在于，所述方法将多机器人网络同图论相结合，并应用可控性理论及二分图最大匹配算法确定有向网络中的领导者跟随者集合；领导者集合确定后，当领导者静止时，根据领导者机器人与跟随者机器人之间的作用力关系及控制参数，引入势能函数实现避碰，设计出机器人领导者静态时的包含避碰控制率；当领导者运动时，针对局部信息可知的情况，即部分跟随者对领导者速度不可知，为跟随者设计幂次估计器实现对领导者的速度估计，进而根据移动机器人的运动特性和控制参数，设计多个机器人领导者动态时的包含避碰控制率；所述方法包括以下步骤：(1)针对有向网络中各机器人之间的通信关系，应用可控性理论确定网络中的领导者与跟随者集合；(2)当领导者静态时，由领导者与邻居机器人之间的通信关系，设计跟随者机器人的位置控制算子；(3)在跟随者位置控制算子的基础上引入势能函数，确保跟随者机器人在运动过程中互相之间能够实现避碰，形成领导者静态时的包含避碰控制率；(4)当领导者动态时，由领导者与邻居机器人之间的通信关系，设计跟随者机器人的位置控制算子；(5)针对局部信息可知时，即网络拓扑中存在部分跟随者对领导者速度不可知的情况，为跟随者机器人制定的控制策略中引入幂次估计器，来估计领导者机器人的速度，确定跟随者机器人的速度控制算子；(6)最后将机器人的位置控制算子和方向控制算子加权集成，并引入势能函数确保运动过程中个体之间互相避碰，形成动态机器人的分布式包含避碰控制率。...

【技术特征摘要】

【专利技术属性】
技术研发人员：陈世明，王培，柯予宸，裴惠琴，
申请(专利权)人：华东交通大学，
类型：发明
国别省市：江西;36