【技术实现步骤摘要】
一种基于模型预测控制算法的多机器人状态估计方法
本专利技术涉及机器人控制领域，更具体地，涉及一种基于模型预测控制算法的多机器人状态估计方法。
技术介绍
机器人因为执行任务的高效性而获得了具大关注，目前机器人已应用于安防巡逻、抗震救灾、农业植保、航空测绘、制造业、仓储物流等领域。相比于单个机器人，多机器人系统协作执行任务具有更高的效率，能有效地缩短作业任务所需的时间。同时多机器人系统实施作业任务的鲁棒性更强，不易受到单个机器人故障等影响。在多机器人系统分布式协同控制方法中，机器人之间通常通过无线通信信道进行信息交互，以获得其它机器人的实时状态等信息，从而实现多机器人系统的分布式协同控制。但无线通信易受环境影响，例如城市楼宇遮挡或复杂电磁环境，在复杂环境下会出现通信不稳定的情况。接收方机器人从上一次应用系统输入时刻起，未在单位控制时间间隔内成功接收发送方机器人信息，则被认为丢包。当丢包发生时时，接收方机器人需要估计发送方机器人的状态，如位置、速度等，以保持多机器人系统控制的稳定性。常用的机器人状态估计方法有基于模型预测控...
【技术保护点】
1.一种基于模型预测控制算法的多机器人状态估计方法，其特征在于，在模型预测控制算法的损失函数中，添加对控制量的约束，然后通过求解模型预测控制算法得到N个时刻的序列信息；每个机器人构造的模型预测控制算法的约束项为：/n||u
【技术特征摘要】
1.一种基于模型预测控制算法的多机器人状态估计方法，其特征在于，在模型预测控制算法的损失函数中，添加对控制量的约束，然后通过求解模型预测控制算法得到N个时刻的序列信息；每个机器人构造的模型预测控制算法的约束项为：
||ui(t)-ui+1(t-1)||≤α
其中，ui(t)为t时刻模型预测控制算法输出的第i个控制序列，ui+1(t-1)为t-1时刻模型预测控制算法输出的第i+1个控制序列，α为阈值；
在模型预测算法中构建带约束项的有限时域内的滚动时域优化算法，机器人的状态空间模型的公式为：
其中，为t+1时刻由机器人的状态空间模型计算出的机器人系统响应，对应机器人状态；A为作为在上的状态变换模型；B为作为在控制器向量ut上的输入-控制模型；ut为t时刻机器人系统的系统输入，对应机器人控制量；vt为通信状态，vt∈{0，1}，通信失败时νt取值为0，通信成功时νt取值为1；n为连续通信失败次数，α为约束阈值，若连续通信失败次数为n，则系统输入估计误差为nα。
2.根据权利要求1所述的一种基于模型预测控制算法的多机器人状态估计方法，其特征在于，具体的步骤如下：
步骤一：模型预测控制算法通过求解带约束的损失函数，并求解得到N个时刻的序列信息；
步骤二：发送方机器人通过将自身的状态信息以及模型预测控制算法求解的N个时刻序列信息发送给集群内其它机器人；
步骤三：接收方机器人接收集群内发送方机器人的状态信息以及N个时刻的序列信息；
步骤四：接收方机器人成功接收该发送方机器人发送的状态信息以及序列信息，则更新该发送方机器人的状态信息，存储该发送方机器人的N个时刻的序列信息；同时将记录该发送方机器人丢包次数的变量赋值为0；
接收方机器人未成功接收发送方机器人发送的状态信息以及序列信息，则将记录该发送方机器人丢包次数的变量加1，并读取最近一次成功接收的N个时刻的序列信息；通过记录该发送方丢包次数变量的大小获取N个时刻的序列信息的其中一个时刻，并用于代表发送方机器人的状态估计。
3.根据权利要求2所...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。