摘要：针对四旋翼无人机队形保持、编队避障问题,在双向、时不变通信拓扑结构下,基于领航跟随策略,利用安全攸关模型预测控制(safety-critical model predictive control,S-MPC)和一致性理论,设计编队控制器并实现了具有避障能力的队形保持。采用分散式S-MPC算法,每架无人机在满足避碰条件无人机的可行区域内,仅规划自身运动来跟踪编队控制算法指定的轨迹。研究了各解耦后的无人机如何与其他无人机并行求解带有耦合约束的优化问题,从而保证了各无人机独立决策的一致性。同时,所提算法将控制障碍函数(control barrier function,CBF)引入到MPC控制器的约束中,从而保证无人机飞行在远离障碍物的安全集合内,规划出的轨迹更为平滑,减小了系统能耗。最后,通过仿真实验验证了所提方法的有效性。

摘要：为解决多无人车编队在存在运动目标、移动威胁与突发威胁等多种情况的复杂环境中的避障问题,设计了一种基于刚性图论和流体扰动算法的多无人车编队避障控制算法。首先,针对编队控制问题,采用图论方法描述多无人车之间的协同关系,利用无人车之间的距离约束,基于反步控制理论设计领航-跟随编队控制器。李雅普诺夫分析表明,期望的编队形状是渐近稳定的。其次,针对复杂动态障碍物环境下的编队避障问题,设计了基于流体扰动算法的避障路径规划方法,由领航无人车规划出编队的行驶路径,实现编队的整体避障。最后,基于MATLAB的仿真结果验证了所提算法的有效性。

摘要：针对多机器人在人群环境中路径跟随与编队的避障及运动轨迹平滑性问题,提出基于深度强化学习的多机器人路径跟随与编队算法。首先,建立行人危险性优先级机制,结合行人危险性优先级机制与强化学习设计危险意识网络,提高多机器人编队的安全性;然后,引入虚拟机器人作为多机器人的跟随目标,将路径跟随转化为多机器人对虚拟机器人的跟随控制,提高机器人运动轨迹的平滑性;最后,通过仿真实验将所提算法与现有算法进行对比,同时进行定量与定性分析。实验结果表明,与现有点对点的路径跟随算法相比,所提算法在人群环境下具有优异的避障性能,可保证多机器人运动轨迹的平滑性。

摘要：针对智能水下机器人编队在三维复杂环境中的避障和一致性控制问题,提出了协同编队动态避障控制算法。建立了基于动态障碍物运动速度的自适应斥力增益项,并将其引入斥力势场函数中,使机器人安全规避静态及动态障碍物,定义了基于机间势场增益项和机间通信权重的机间势场函数,解决机器人易自撞、脱离编队的问题;将机器人在势场作用下的合加速度引入一致性协议中,结合改进势场与一致性理论设计编队协同避障控制器;通过Lyapunov函数方法证明了稳定性。仿真结果表明:多机器人在该算法下能安全避障并实现位置、速度的一致性。

摘要：针对水下复杂环境中UUV编队避障问题,提出一种基于模糊控制的UUV编队避障控制方法。在单UUV避障的基础上,根据雁群编队行为和避障机制,设计基于模糊控制的编队拆分避障算法,考虑不同通信条件进行仿真,结果表明所提方法能够有效解决UUV编队在障碍物环境下队形控制及避障问题。考虑到工程实际,针对通信延迟进行了处理,并通过仿真验证处理方法的有效性。最后以典型狭长极窄障碍物环境进行了湖上试验。

摘要：针对通信距离受限条件下多智能体编队队形易受障碍物影响而打散队形进而无法继续维持编队的问题,提出了一种基于分布式协议与集中式协议相互切换的多智能体编队避障算法。首先,分别使用基于一致性理论的分布式控制和集中式控制算法使智能体系统形成编队;其次,引入人工势场函数,保证智能体的避障性能;最后,设计协议切换控制器,根据智能体系统是否处于障碍物斥力场内进行协议切换,保证智能体系统既能实现避障,又能维持较低的通信量。仿真结果表明,该算法与仅使用集中式协议的算法相比,系统的总通信量降低了32%,领导者智能体的通信量降低了53.5%,表明该算法有更强的适用性和鲁棒性。

摘要：针对复杂环境中自治水下机器人(autonomous underwater vehicle,AUV)编队的避障控制问题,提出一种基于事件触发的模型预测控制(model predictive control,MPC)算法。建立水下机器人运动模型,结合领航-跟随式队形控制方法,利用领航AUV的位置信息和编队期望队形得到虚拟AUV的航行轨迹及速度信息,将其作为跟随AUV的航行参考轨迹;对传统人工势场法(artificial potential field,APF)进行适应性改进,以满足AUV编队在障碍物环境中避障规划的需求;设计一种基于跟随AUV轨迹预测值与实际值误差的事件触发机制来减少求解优化问题的计算量,降低计算负担。结果表明:与其他算法相比,该算法仿真结果具有可行性和有效性。

摘要：分布式模型预测控制(DMPC)相较于集中式模型预测控制具有更低的计算量、更强的容错性和鲁棒性,被广泛应用于多智能体编队控制。文中提出了一种基于DMPC的欠驱动自主水下航行器(AUV)编队控制方法,基于局部邻居信息为各AUV控制器构建预测控制的代价函数和约束条件,通过优化算法求解一定时域内的最优控制输入。同时,针对编队系统可能存在的障碍物避碰问题和通信时延问题,分别设计了基于距离和相对视线差的避障方法,以及在接收到所有邻居信息后再求解的等待机制。仿真结果表明,采用文中方法,多航行器编队能够在障碍及通信时延条件下保持队形稳定。

摘要：针对多移动机器人编队的避障与一致性控制问题,提出了一种模型预测控制与阻抗控制相结合的双闭环控制方案,内环保证编队的一致性,而遇到障碍物时外环阻抗控制将会对编队个体的参考位置进行调整,从而避免与障碍物发生冲突。同时,避障算法设计时考虑了障碍物与移动机器人的真实尺寸,通过引入辅助调整力保证在真实场景下能够规划出无碰撞且高效的路径。最后,针对编队动态避障问题,引入了动态避障因子。仿真结果表明,多移动机器人编队在该双回路控制算法下能够以较少的代价规避未知的动静态障碍物,并在此之后逐步收敛到期望队形。

摘要：针对未知障碍环境下的地面多移动机器人,提出了在线的动态优化队形变换避障策略.该策略首先针对编队控制中常用的队形形状建立了队形知识库,同时充分考虑环境约束,设计了包含队形零变换、同构变换和异构变换3种模式的编队避障策略.其中,队形同构变换模式通过引入伸缩因子,在没有破坏原有队形结构的基础上实现了队形大小的缩放;队形异构变换模式下,在定义了包含队形失真度、能量消耗率和队形变换收敛时间比等性能指标的基础上,通过领航机器人获得的环境信息和当前的队形形状,对提出的环境适应度函数进行优化求解获得最佳的leader-follower拓扑结构.最终,不同场景下的大量仿真实验验证了本文方法切实有效.