摘要：势场函数方法广泛应用在避障与目标追击控制中,但是大多应用在静态环境中,即障碍物与目标是静止的。通过扩展势场函数,并结合图论与领航者方法,设计出新的控制算法。障碍物与目标的速度都考虑在势场函数定义中。基于这种新的控制算法,研究了多智能体群集控制,所提方法不仅保证智能体追击上运动的目标,同时确保能安全躲避障碍。由于所提方法是基于智能体行为,因此方法的一个优点就是容易升级。最后,仿真表明所提方法的有效性。

摘要：针对多移动机器人目标识别及编队跟踪问题,提出一种基于点云协方差描述子的目标识别方法及编队跟踪控制方法.为降低机器人端机载处理器负荷,基于Web Socket协议搭建网络架构.在此基础上,通过引入点云协方差描述子进行目标检测,并利用支持向量机完成离线建模.结合支持向量机分类器与Kullback-Leibler Divergence(KLD)-Sampling自适应粒子滤波算法,实现目标部分遮挡下的在线识别,得到目标点云跟踪位置信息.利用势场函数和有向刚性图论综合设计编队跟踪控制器,实现多机器人编队目标跟踪.最后通过实物平台进行实验,结果表明,所提出的基于点云协方差描述子的多机器人目标识别与编队跟踪算法,与传统方法相比,跟踪收敛时间缩短4,s,跟踪精度提高约2.5%,,通过搭载有限数量传感器,可以更有效地解决多机器人编队目标跟踪问题.

摘要：针对无人机的自身特点和飞行任务要求,研究了流函数法在无人机航路规划中的应用.在二维平面中,将地形障碍和雷达等威胁等效为圆柱,无人机目标点等效为汇(sink),推导了流体运动的复势.提出了流函数法避障时存在滞点问题的解决方案,并将其应用到存在多个障碍物的环境中.考虑无人机最小平飞距离和最小转弯半径约束,用流函数法得到了无人机的规划航路.仿真结果表明,修正后的流函数法可以规划出平滑的航路,同时满足无人机航路规划的要求.

摘要：针对有向刚性图即持久图在双轮机器人编队中的应用,研究了将持久队形生成与势场函数控制相结合的编队形成方法。首先,基于Henneberg序列有向操作生成持久编队队形,同时对Leader-Follower队形中的第一跟随者和普通跟随者分别设计势场函数,并结合双轮机器人的非完整性的设计速度输出,完成队形控制;通过持久图与势场函数的有效结合,可以使得双轮机器人在简捷的通讯下完成刚性队形的形成、保持与变换。最后,利用Player/Stage平台仿真验证所提理论的有效性。

摘要：针对结构持久图在双轮机器人编队及无人机与多机器人编队中的应用及视觉SLAM(simultaneous localization and mapping)算法在定位中的应用,研究了将最小持久编队生成与势场函数控制相结合的编队方法,采用视觉SLAM算法为机器人提供精确的位置信息.首先,基于改进的有向增加顶点操作生成最小持久编队队形;其次,提出了一种基于RGB-D相机的视觉SLAM算法,得出机器人的精确位置;再次,对队形中的多机器人分别设计势场函数,考虑双轮机器人的非完整性,提出了一种结合势场函数的双轮机器人编队控制方法,控制过程中使用的位置信息由视觉SLAM算法提供;然后,结合无人机与多机器人,实现了不同平面下多机器人的最小持久编队;最后,利用Gazebo仿真平台验证了所提理论的有效性.

摘要：多智能体网络编队与避障控制旨在控制智能体,使它们保持一定的编队,同时躲避障碍物防止发生碰撞.通过建立与目标、障碍物和编队结构相关的势场函数,设计一种新的控制算法.为解决智能体在动态环境中不能有效躲避障碍物问题,建立一种速度势场,使智能体能很快地躲避动态障碍物.该算法具有易于实现的优点,因为控制是建立在智能体行为的基础上.仿真表明此方法具有有效性.

摘要：人工势场法是机器人局部路径规划常用的一种方法。分析了传统的人工势场法由于局部最小问题而导致规划失败的原因。提出了一种改进的势场函数,并对改进势场函数的规划方法进行分析,发现该方法并不能完全解决局部极小问题。通过在改进势场函数基础上采用添加附加控制力的方法,使机器人尽快跳出局部极小点。仿真结果表明,该方法是有效的。

摘要：针对多机器人编队在路径规划中存在的避障和协同控制问题,对传统人工势场法进行改进优化,使得多机器人系统能够顺利通过障碍物区域,形成预期编队,并提出基于固定无向网络的一致性优化算法的控制协议,使得多机器人系统性能达到最优并满足一致性。首先建立环境和网络模型,针对多机器人编队避障中存在的局部极值和编队控制问题,改进了势场函数,同时引入回环力以及机器人间的作用力。然后根据最优控制理论,设计了三个代价函数,对多机器人系统进行优化控制,通过构建的李雅普诺夫函数,证明了多机器人系统的稳定性。通过数值仿真的结果表明,多机器人系统在复杂环境下能够有效的通过障碍物区域,避免了局部极值的问题发生,并最终达到一致,验证了一致性避障优化算法的可行性和有效性。