多移动机器人的队形控制

合集下载

对队形控制的思考

第20卷第6期V o l .20N o.6　控　制　与　决　策　Con trol and D ecision 2005年6月　June 2005 收稿日期:2004206204;修回日期:2004208230. 作者简介:任德华(1976—),男,四川眉山人,博士生,从事智能机器人、多机器人系统等研究;卢桂章(1938—),男,广东广州人,教授,博士生导师,从事智能机器人、信息自动化系统等研究. 文章编号:100120920(2005)0620601206对队形控制的思考任德华,卢桂章(南开大学机器人及信息自动化研究所,天津300071)摘　要:首先指出多机器人队形控制研究要解决的主要问题,并较为完整地阐述了当前国内外相关研究的状况.然后总结了队形控制的各种研究方法,并指出当前队形控制研究中存在的一些问题以及在实际设计队形控制系统时应考虑的问题.最后指出了今后的研究方向.关键词:多机器人系统;队形控制;合作控制中图分类号:T P 24 文献标识码:ATh i nk i ng i n formation con trolR EN D e 2hua ,L U Gu i 2z hang(Institute of Robo tics andInfo r m ati on A utom atic System ,N ankai U niversity ,T ianjin 300071,Ch ina .Co rrespondent :R EN D e 2hua ,E 2m ail :rdh @m ail.nankai .edu .cn )Abstract :A n introducti on in the field of m ulti 2robo t fo r m ati on contro l is p rovided w ith a focus on the vari ous m ethods that have been put fo r w ard by researchers.T he w o rk s had been done in the field are review ed .T he vari ous m ethods are described and compared .T he som eth ing that is m issing in current research and the facto rs that m ust be considered in designing a m ulti 2robo t fo r m ati on system are po inted out .A t last ,the directi ons of further research are p ropo sed .Key words :m ulti 2robo t system ;fo r m ati on contro l ;cooperative contro l1　引言队形控制的思想起源于人们从生物界观察到的现象:处于弱势的一方围成一定的队形将老弱者保护起来,并抵抗另一方的攻击;捕食者组成一定的队形协助捕食猎物.这种队形是动物合作的一种方式,以利于自身生存.对于机器人系统而言,多机器人之间保持一定的队形具有以下优点:1)能充分获取当前的环境信息,对于实现侦察、搜寻、排雷、安全巡逻等有利.单个机器人的传感器获取信息的能力总是有限的,如果每个机器人保持一定的队形,分工合作获取自己周围的环境信息,再进行信息融合,便可迅速准确地感知整个群体所在区域环境信息.2)在对抗性环境中能增强多机器人系统抵抗外界进攻的能力.3)在一些具体任务中,保持恰当的队形能加快任务的完成,提高工作效率.4)能提高系统的鲁棒性.另外从某种意义上,飞行器或卫星等也可以看作机器人,因此研究多机器人的队形控制问题,对于飞行器或卫星等的编队也有指导意义.基于队形控制的多机器人系统在军事、娱乐、生产等各个领域具有广阔的应用前景,自1990年以来受到众多研究者的广泛关注.特别是随着网络技术、通信技术、计算机科学等信息技术领域的长足进步,使得单个机器人的处理能力、感知能力、通信能力大大增加,并从实验室走向开放的自然环境,这为多机器人队形控制的研究提供了一个良好的平台.美国研究机构对队形控制的研究比较早,Geo rgia T ech M ob ile Robo t L ab 结合DA R PA 的U GV (unm anned ground veh icle )D em o 研究了基于行为的队形控制方法[1].U n iversity of Sou thern Califo rn ia 的Robo tics R esearch L ab 利用局部传感信息和交互进行队形控制[2].B righam YoungU n iversity的M A G I CC实验室在A ir Fo rce O ffice of Scien tific R esearch的协助下,对UAV (unm anned aerial veh icle)的队形作了深入研究[3,4].美国航空航天局NA SA采用Enhanced fo r m ati on flying(EFF)技术控制多个卫星,使得航天编队飞行及空间虚拟探测成为可能[5].总之,队形控制技术的研究是一个具有实用性和战略性的研究课题.本文讨论将着重于具有一定自主能力的地面移动机器人在2维平面内的队形控制问题.其中有些方法同样适用于3维空间的队形控制.2　队形控制研究的问题队形控制问题属多机器人系统的几何问题,是指多个移动机器人在前进过程中,整个机器人团队建立并保持预先决定的几何形态(即队形),同时又要适应环境约束的控制技术.队形控制中一般考虑空间位置的协调,但在实际环境中还需考虑时间上的协调.队形控制问题是一个典型的通用的多机器人协调问题,也是机器人合作控制的重要内容.该研究涉及机器人和多机器人体系结构、多机器人的协调与合作、多机器人路径规划、单个机器人以及多机器人学习、传感信息处理等方面的内容.其中要解决的主要问题是:1)队形的生成问题:如何形成指定队形;2)移动中队形保持问题:在运动过程中如何保持队形不变,即队形的稳定性问题;3)队形的伸缩、旋转控制问题:如何在保持队形几何形状不变的条件下实现队形的扩张、收缩以及旋转控制;4)队形的切换问题:如何顺利地在各种基本队形中进行切换,即从一种队形变换到另一种队形;5)队形的鲁棒性问题:即增加、减少机器人时队形的保持与变换问题;6)队形可实现性的判断问题:在环境约束以及机器人本身能力约束条件下哪些队形是可实现的;7)遇障碍时队形的拆分、重建、保持、切换问题:在运动中遇见障碍物(静态或动态)时队形的控制问题,如何根据不同障碍进行不同的处理,以及如何实现各种处理方法;8)如何自适应地实现队形切换问题:队形在何时改变,如何改变以适应环境及任务的改变.针对以上提出的问题,国内外学者进行了大量研究,下面就当前的研究现状和主要研究方法进行概述.3　机器人队形控制的研究现状及主要方法本节依据解决队形控制问题的不同思路,总结并分析了6种队形控制研究的主要方法.3.1　leader-follower方法及其改进leader2fo llow er方法首先在文献[6]中提出并用于移动机器人的队形控制.在leader2fo llow er中,指定队形中的某一机器人作为leader,其他的机器人作为fo llow ers.其基本思想是,将队形控制问题转化为fo llow ers跟踪leader的位置和方向的问题.这样就可用标准的控制理论知识加以分析并稳定跟踪误差.leader2fo llow er有多种形式,如:队形中可有多个leader;或者形成一个跟踪链,即第i个机器人跟踪第i-1个机器人;或者leader与fo llow er构成树状结构等.文献[7]利用反馈线性化得到非完整约束机器人的轨迹跟踪控制法则.[8]利用平滑时变反馈控制法则构成一个开环链式的队形.[9]使用比例(P)算法和比例2积分2微分(P I D)算法分别实现leader2 fo llow er方法.[10]中引入了合作的leader2fo llow er 方法,即fo llow er的运动不仅由其leader决定,还受其他机器人(如自身的fo llow ers)的影响.[11～13]也采用了leader2fo llow er方法.总之,leader2fo llow er方法是将队形中的机器人划分为两个互补的角色leader和fo llow er,从而控制fo llow er跟踪leader的轨迹以实现队形控制.优点是队形的运动完全由leader的轨迹确定,控制简单;不足之处在于leader与fo llow er相对独立, leader不容易得到fo llow er的跟踪误差反馈.3.2　基于行为的队形控制基于行为的控制器则是由一系列行为组成.每个行为有自己的目标或任务,其输入可以是机器人的传感信息,也可以是系统中其他行为的输出;其输出或送到机器人的效应器以控制机器人的运动,或作为其他行为的输入,从而构成了互相交互的行为网络.此外,每个行为允许有自己的内部状态.设计基于行为的系统的主要问题是设计各种基本行为以及有效的行为协调机制[14](即行为选择问题).文献[15]中的“bo id”采用3个局部行为Co llisi on A vo idance,V elocity M atch ing和F lock Cen tering仿真实现了整体的聚集行为.Jadbabaie 等[16]对此类行为进行了更加深入的分析和形式化,提出了最近邻协调思想.[17]基于[16]中的思想,使一组具有非完整约束的车辆呈现出类似于“bo id”的聚集行为.A rk in等[1]设计了机器人的基本行为,采用3种位置参考点对4种基本队形进行了对比研究.在此基础上,B alch和H yb inette[18]借用分子形成晶体的方法确定机器人在队形中的目标位置,从而影响行为的选择.[19]采用3层(社会层、逻辑层和反602控制与决策第20卷应层)基于行为的控制体系结构,应用social ro les 来代表机器人在队形中的位置,并动态分配给机器人以形成和保持队形,用局部通信来提高性能,从而支持各种队形及其切换.[2,13,20,21]也采用了基于行为的方法.总之,基于行为的控制方法主要是通过对机器人基本行为以及局部控制规则的设计使得机器人群体产生所需的整体行为.优点是并行性、分布性和实时性好;缺点是难以明确设计出能合成指定队形的局部基本行为和局部控制规划,另外队形控制的稳定性得不到保证.3.3　v irtua l structure文献[22]提出了基于“virtual structu re ”即虚拟结构的方法,其基本思想是将机器人团队的队形看作是一个刚体的虚拟结构,每个机器人是虚拟结构上相对位置固定的一点.当队形移动时,机器人跟踪对应刚体固定点的运动即可.基本算法是:采用双向控制,首先用虚拟结构尽量匹配各机器人的位置,然后根据局部或全局生成的轨迹,微调虚拟结构的位置和方向,最后机器人确定各自的轨迹并调整速度以跟踪虚拟结构上的目标位置点.如此循环往复.文献[3,4,23]提出了加入队形反馈的虚拟结构(见图1).图1　带队形反馈的虚拟结构图1中,R i 为队形中的第i 个机器人;K i 为R i 的局部控制器;u i 和y i 分别为R i 的输入和输出;F 为队形控制器,输出队形协调变量;G 为离散事件监控器,输出ΝG 用于操纵队形.这种结构能包容leader 2fo llow er 和基于行为的方法,并且允许集中式或分布式的实现,有明显的队形反馈机制(Fo r m ati on Feedback ).[23]中引入此结构对移动机器人队形控制进行了研究,[4]将此种结构用于U AV 的控制,都取得了良好的效果,提高了系统性能,并保证了系统的稳定性.总之,虚拟结构方法是用刚体的虚拟结构与结构中的固定位置点双向互动,实现队形控制.优点是可以容易地指定机器人群体的行为(虚拟结构的行为),并可以进行队形反馈,取得较高精度的轨迹跟踪效果.缺点是当前采用集中式实现,要求队形按一个虚拟结构运动,缺乏灵活性和适应性.3.4　基于图论的队形控制该方法首先利用图上的节点表示机器人的动力学或运动学特性,节点之间的边表示机器人相互之间的约束;然后再用图论和控制理论知识对以图形表示的队形进行稳定性分析,进而得到控制策略.此方面研究一般是将图论、控制理论及动态系统理论结合起来研究队形控制方法和稳定性.文献[24]用一个有向无环的控制图表示各机器人之间的依赖关系以及每一个机器人的控制策略.通过表达和枚举所有可能的控制图实现了多机器人在两个队形之间的切换.[25]提出一种控制图指派算法,并结合一个4层模块化体系结构来实现队形控制.[26]定义队形为有权图G =(V ,E ,W ),其中:V 为点的集合,每个顶点i 代表一个机器人;E 为边;W 为权值,指定了每条边在队形中的理想距离.采用com b inato rial graph rigidity 的概念设计得到边的权值总和最小的图,从而唯一确定一个队形.[27]将队形表示为互连无向图,采用从理想队形的结构约束获得的势场函数对队形进行分析,并设计了保证队形稳定的队形控制器.[28]证明了采用图表示的队形的稳定性.A lexander 和R ichard [29～31]应用图论将队形的稳定性与通信网络的拓扑结构联系起来,指出如果机器人局部控制器稳定,则队形的稳定性就取决于信息流的稳定性.Yohnnes 和Gary [32]分析了机器人信息流的更新率以及确切消息对队形稳定性的影响.总之,基于图论的方法是将队形的结构以各种图的结构来表示,并以图为基础进行分析和控制.优点是利用图能表示任意队形,且有图论成熟的形式化理论作为基础;缺点是主要限于仿真研究,实现比较复杂.3.5　人工势场法Khatib[33]首先提出了人工势能,其基本思想是借鉴物理学方面的概念,环境中的障碍物对机器人产生排斥力,目标点对机器人产生吸引力,在合力的作用下机器人沿最小化势能的方向运动.文献[17]引入了“social po ten tial ”的概念进行队形控制.[34]依据在一定范围内吸引远处的邻居并排斥离得太近的邻居的原则,使用势场法,通过“virtual leader ”调整队形或控制队形的运动.[35]利用人工势场和virtual leader 作为内在的协调框架,提出了控制队形运动的稳定策略.在[10]中每个机器人采用基于势场法的控制器,并根据队形中其第6期任德华等:对队形控制的思考603他机器人的约束在线调节这些控制器.[27]将理想队形的约束表示为势场函数,研究了队形的稳定性及控制器的设计.[36]将环境的信息如邻居、障碍、威胁和目标等编码为一个势场函数,分析了队形的稳定即匀衡,并仿真实现了利用多个机器人覆盖某一目标区域的任务.总之,人工势场法主要是通过设计人工势场和势场函数来表示环境以及队形中各机器人之间的约束关系,并以此为基础进行分析和控制;优点是计算简单,便于实现实时控制;缺点是存在局部极值点,势场函数的设计比较困难.3.6　模型预测控制(M PC)方法传统控制方法主要用于具有明确模型和确定性环境的控制,而在现实中环境一般都是动态变化的,而且具有不确定性.模型预测控制顾及了动态环境的变化和过程的不确定性,用反复进行的有限优化代替了一次全局优化的结果,使预测控制在过程中实现了优化与反馈的理想结合以及对信息的充分利用,通过在线滚动优化并结合实时信息的反馈校正,使每一时刻的优化均建立在实际过程的基础上.预测模型、滚动优化以及反馈校正使得预测控制满足了许多实际需要,取得了很大成功.W illiam[37]分析并设计了将模型预测控制用于多机器人队形控制的理论框架,同时研究了系统的稳定性、鲁棒性以及实时实现等问题.M PC方法具有较强的理论基础,但计算量较大,在实时计算、可扩展以及分布实现等方面还有待进一步的研究.上面每种方法都有各自的特点,在研究中往往将各种方法相互结合,取长补短.如一般情况下,基于行为的方法通常与基于势场的方法相结合,基于图论的方法常与leader2fo llow er方法相结合等.目前国内的研究主要以基于行为的方法和leader2 fo llow er方法为主,如[13,21,38],涉及机器人队形保持、避障以及队形生成[39]等问题.尽管研究有待进一步深入,但本文提到的各种控制方法对国内的研究有很好的借鉴和启发意义.4　当前研究存在的问题 1)没有统一有效的队形表示框架和队形控制算法,这使得灵活的队形控制难以实现.队形表示框架要求能统一表示各种队形,队形控制本身的算法的实现要求具有以下性质:通用性、鲁棒性、稳定性以及扩展性.目前的方法还不能满足这两个要求,需要进一步探索.2)在多机器人系统中,队形控制是手段,而完成指定的任务是目的,因此队形控制往往是机器人系统中的一个子任务系统.目前的队形控制研究通常是将队形控制作为一个系统来设计,而不是作为整个系统的一个模块或子任务,不便于与已有的体系相结合.将队形控制作为一个模块与现有的体系结构或控制系统中其他子任务系统有机结合起来,是值得研究的问题.3)移动机器人队形控制的一般需求偏重于野外环境,这种环境往往呈现动态和不确定的性质,因此要求队形控制要有处理动态和不确定性的能力.基于局部感知和通信的分布式控制方法在这方面具有一定的优势.4)自适应队形控制和层次性队形控制的研究较少.如何根据任务、机器人约束及环境等因素自动进行队形控制,这一研究基本上还没有.层次性是解决大规模队形控制的一种有效组织方式,对此方面的研究也不多.5　具体实现队形控制系统时要考虑的问题 1)整个系统采用何种控制结构.群体的体系结构是系统中机器人之间逻辑上和物理上的信息关系和控制关系,以及问题求解能力的分布模式.它是多移动机器人协作行为的基础,决定了系统的整体行为能力和运行效率.多机器人的体系结构总体上分为集中式和分散式,而分散式结构又分为层次式和分布式.2)机器人采用何种控制策略和方法.机器人只依靠当前的感知信息、或依靠过去和现在的信息进行控制决策;基于行为的还是混合式的控制策略;以及队形控制算法如何在单个机器人上实现.3)系统中各机器人的感知能力、通信能力及计算能力如何.感知能力是指机器人所具有何种传感器以及传感信息处理能力,能否识别周围的环境(其他机器人和障碍物).有无通信能力,若有,是局部有效的还是全局有效的.能否独立完成所需的运算.在队形控制中机器人需要得到自身以及其他机器人的信息,可以通过感知邻近机器人的位置来确定自己的位置,也可以通过全局定位系统或感知自己与一个已知landm ark的相对位置再利用通信来确定自己的位置并得到其他机器人的信息.具有局部感知能力以及通信能力的多机器人系统有利于实现分布控制,具有良好的适应性和扩展性[2,19].4)要求队形有何特性(如可实现的队形类型、要求队形是刚性的还是灵活的).队形的类型很多,如圆形、横队、纵队、菱形、尖三角形、三角形、箭头形、四方形、点阵形或任意类型的队形等.能实现多少?在移动或避障时是否要求严604控制与决策第20卷格保持队形,这与所要实现的任务有关.如搬运物体时要求严格保持队形位置,而在搜索任务时则不需要严格同步.5)机器人如何确定自己当前以及未来时刻在队形中的位置.机器人采用相对坐标还是绝对坐标确定位置,能否得到全局的位置信息以及其他机器人位置信息.机器人在队形中的位置参考点可以采用队形中心位置、团队中的leader或virtual structu re中的虚拟点,以及相邻机器人的位置.6　队形控制研究的发展方向队形控制具有广阔的应用范围,特别是在军事应用及航空航天等领域.作为一个具有实用性和战略性的研究课题,在国内外得到了广泛的研究,但国内研究尚处起步阶段.本文对目前队形控制研究采用的方法及思路作了概括总结,并对国内外的研究情况作了全面的介绍.在目前研究工作的基础上,今后队形控制研究的方向主要有以下几个方面:1)机器人队形控制是依赖于单个机器人控制之上的,所以与单个机器人能力相关.如与传感信息处理、定位方法研究、导航方法、控制结构、通信等方面的研究密切相关.这涉及到单个机器人的体系结构,多机器人的体系结构,以及各功能模块的实现问题.2)如何用简单有效的方法实现队形控制,以及用较少的代价实现大量机器人队形控制是一个研究方向.3)机器人之间高效的协调方法的研究以及加入人后的机器人队形控制也是值得关注的问题.4)自适应的队形控制研究:即如何根据任务、环境和约束自适应地进行队形控制;如何将机器人自身处理问题的能力与群体处理问题的能力互为补充.5)机器人队形控制主要应用于搜索、防卫、围捕等军事用途,以及合作搬运、航空航天中的虚拟探测等.在以上研究中,多数是以实现队形控制的操作为目的.对队形控制的研究工作应与实际应用相结合,两者相互促进才能获得理想结果.参考文献(References)[1]T ucker Balch,Ronald C A rk in.Behavi o r2basedfo r m ati on contro l fo r m ulti2robo t team s[J].IE E E T rans on R obotics and A u to m ation,1998,14(6):9262 939.[2]F redslund J,M atari′c M J.A general,local algo rithmfo r robo t fo r m ati ons[J].IE E E T rans on R obotics andA u to m ation,2002,18(5):8372846.[3]R andal W Beard,Jonathan L aw ton,F red Y H adaegh.A coo rdinati on arch itecture fo r spacecraft fo r m ati oncontro l[J].IE E E T rans on Control S y ste m s T echnology,2001,9(6):7772790.[4]W ei R en,R andalW Beard.Fo r m ati on feedback contro lfo r m ulti p le spacecraft via virtual structures[J].IE E P roc Control T heory and A pp lications,2004,15(3): 3572368.[5]Bauer F,B ristow J,Fo lta D,et al.Satellite fo r m ati onflying using an innovative autonomous contro l system environm ent[A].P roc of the A IA A GN C Conf[C].N ew O rleans,1997.[6]W ang P K C.N avigati on strategies fo r m ulti p leautonomous mobile robo ts moving in fo r m ati on[J].J of R obotic S y ste m s,1991,8(2):1772195.[7]Jaydev P D esai,J i m O strow sk i,V ijay Kum ar.Contro lling fo r m ati ons of m ulti p le mobile robo ts[A].IE E E Int Conf on R obotics and A u to m ation[C].Belgium,1998:286422869.[8]H iroack i Yam aguch i,Joel W Burdick.A symp to ticstabilizati on of m ulti p le nonho lonom ic mobile robo ts fo r m ing group fo r m ati ons[A].IE E E Int Conf on R obotics and A u to m ation[C].Belgium,1998:35732 3580.[9]Hogg R W,R ank in A L,Roum eli o tis S I,et al.A lgo rithm s and senso rs fo r s m all robo t path fo llow ing[A].P roc2002IE E E Int Conf on R obotics andA u to m ation[C].W ash ington D C,2002:385023857.[10]Pereira G A S,D as A K,Kum ar V,et al.Fo r m ati oncontro l w ith configurati on space constraints[A].P roc of the IE E E R J S Int Conf on Intellig ent R obots and S y ste m s[C].L as V egas,2003:275522760.[11]D avid J N affin,Gaurav S.Sukhatm e.N ego tiatedfo r m ati ons[A].Int Conf on Intellig ent A u tono m ous S y ste m s[C].Am sterdam,2004:1812190.[12]D as A K,F ierro R,Kum ar V,et al.A visi on basedfo r m ati on contro l fram ew o rk[J].IE E E T rans on R obotics and A u to m ation,2002,18(5):8132825. [13]曹志强.未知环境下多机器人协调与控制的队形问题研究[D].北京:中国科学院自动化研究所,2002. [14]Pao lo P irjanian.Behavi o r coo rdinati on m echanis m s2state2of2the2art[R].LA:U niversity of Southern Califo rnia,1999.[15]C raig W R eyno lds.F lock s,herds,and schoo ls:Adistributed behavi o ral model[J].Co m p u ter G rap h ics,1987,21(4):25234.[16]Jadbabaie A,L in J,M o rse A S.Coo rdinati on ofgroup s of mobile autonomous agents using nearest neighbo r rules[J].IE E E T rans on A u to m atic Control,2003,48(6):98821001.[17]H erbert G T anner,Jadbabaie A,Geo rge J Pappas.第6期任德华等:对队形控制的思考605Coo rdinati on of m ulti p le autonomous veh icles[A].11th M ed iterranean Conf on Control and A u to m ation[C].R hodes,2003.[18]Balch T,H ybinette M.Social po tentials fo r scalablem ulti2robo t fo r m ati ons[A].P roc IE E E Int Conf on R obotics and A u to m ation[C].San F ransisco,2000,1:73280.[19]Ko stelnik P,Sam ulka M,Jano sik M.Scalable m ulti2robo t fo r m ati ons using local sensing and comm unicati on[A].P roc of the3rd Int W orkshop on R obot M otion and Control[C].Poznan,2002:3192 324.[20]Jonathan L aw ton,B rett Young,R andal Beard.Adecentralized app roach to elem entary fo r m ati on m aneuvers[A].IE E E Int Conf on R obotics andA u to m ation[C].San F ransico,2000,3:272822733.[21]董胜龙,陈卫东,席裕庚.多移动机器人编队的分布式控制系统[J].机器人,2000,22(6):4332438.(Dong S L,Chen W D,X i Y G.T he distributed contro l system of m ulti mobile robo ts′fo r m ati on Contro l[J].R obot,2000,22(6):4332438.)[22]A nthony L ew is M,T an K H.H igh p recisi onfo r m ati on contro l of mobile robo ts using virtual structures autonomous[J].A u tono m uous R obots,1997,4:3872403.[23]B rett J Young,R andal W Beard,Jed M Kelsey.Acontro l schem e fo r i m p roving m ulti2veh icle fo r m ati on m aneuvers[A].A m erican Control Conf[C].A rlington,2001:7042709.[24]D esai J P.A graph theo retic app roach fo r modelingmobile robo t team fo r m ati ons[J].J of R obotic S y ste m s,2002,19(11):5112525.[25]F ierro R,D as A K.A modular arch itecture fo rfo r m ati on contro l[A].P roc of the3rd Int W orkshop on R obot M otion and Control[C].Poznan,2002:2852 290.[26]O lfati2Saber R,M urray R M.Graph rigidity anddistributed fo r m ati on stabilizati on of m ulti2veh icle system s[A].41st Conf on D ecision and Control[C].L as V egas,2002,3:296522971.[27]O lfati2Saber R,M urray R M.D istributed cooperativecontro l of m ulti p le veh icle fo r m ati ons using structural po tential functi ons[A].P roc of the15th IFA C W orld Cong ress[C].Barcelona,2002.[28]H erbert G T anner,Geo rge J Pappas,V ijay Kum ar.L eader to fo r m ati on stability[J].IE E E T rans onR obotics and A u to m ation,2004,20(3):4432455. [29]A lexander Fax J,R ichard M M urray.Graphlap lacians and stabilizati on of veh icle fo r m ati ons[A].P roc of15th IFA C Conf[C].Barcelona,2002. [30]A lexander Fax J,R ichard M M r m ati onflow and cooperative contro l of veh icle fo r m ati ons[A].P roc of15th IFA C Conf[C].Barcelona,2002. [31]A lexander Fax J,R ichard M M r m ati onflow and cooperative contro l of veh icle fo r m ati ons[J].IE E E T ran on A u to m atic Control,2004,49(9):14652 1476.[32]Yohnnes Ketem a,Gary Balas.Fo r m ati on stabilityw ith li m ited info r m ati on exchange betw een veh icles[A].P roc of the A m erican Control Conf[C].Penver,2003,1:2902295.[33]Khatib.R eal2ti m e obstacle avo idance fo r m ai pulato rsand mobile robo ts[J].Int J of R obotics R esearch,1986,5(1):90298.[34]N aom i Eh rich L eonard,Edw ard F i o relli.V irtualleaders,artificial po tentials and coo rdinated contro l of group s[A].P roc of the40th IE E E Int Conf onD ecision and Control[C].O rlando,2001,3:296822973.[35]O gren P,F i o relli E,L eonard N E.Fo r m ati ons w ith am issi on:Stable coo rdinati on of veh icle group m aneuvers[A].P roc of the15th Int S ym p osium on M athe m atical T heory of N et w orks and S y ste m s[C].N o tre D am e,2002.[36]John S Baras,T an X B,Pedram Hovaresh ti.D ecentralized contro l of autonomous veh icles[A].P roc of the42nd IE E E Conf on D ecision and Control[C].H aw aii,2003:153221537.[37]W illiam B D unbar.M odel p redictive contro l:Extensi on to coo rdinated m ulti2veh icle fo r m ati ons and real2ti m e i m p lem entati on[R].Pasadena:Califo rniaInstitute of T echno logy,2001.[38]苏治宝,陆际联.基于行为法队形保持中的队形反馈[J].机床与液压,2003,(3):1672169.(Su Z B,L u J L.Fo r m ati on feedback in behavi o r2 based m ethod used fo r keep ing fo r m ati on[J].M ach ine T ool and H y d rau lic P ressu re,2003.(3):1672169.)[39]韩学东,洪炳熔,孟伟.多机器人任意队形分布式控制研究[J].机器人,2003,25(1):66272.(H an X D,Hong B R,M eng W.D istributed contro lfo r generating arbitrary fo r m ati on of m ulti p le robo ts[J].R obot,2003,25(1):66272.)606控制与决策第20卷。

移动机器人队形控制关键技术及其进展

ｗｉｔｈｇｒｏｕｎｄｍｏｂｉｌｅｒｏｂｏｔｓａｓｔｈｅｒｅｓｅａｒｃｈｏｂｊｅｃｔ，ｔｈｅｒｅｓｅａｒｃｈａｃｈｉｅｖｅｍｅｎｔｓｏｎｔｈｅｍｕｌｔｉ — ｒｏｂｏｔｆｏｒｍａｔｉｏｎｃｏｎｔｒｏｌａｒｅ
ｄｅｓｃｒｉｂｅｄｉｎａｓｐｅｃｔｓｏｆｓｙｓｔｅｍｓｔｒｕｃｔｕｒｅ，ｒｏｂｏｔｍｏｄｅｌ，ｔｈｅｆｏｒｍａｔｉｏｎｓｈａｐｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｍｅｔｈｏｄ，ｒｅｆｅｒｅｎｃｅｆｒａｍｅａｎｄｆｏｍａｒｔｉｏｎｃｏｎｔｒｏｌｓｔｒａｔｅｇｙ．Ｉｎａｄｄｉｔｉｏｎ，ｔｈｅｐｒｅｓｅｎｔｄｏｍｅｓｔｉｃａｎｄｆｏｒｅｉｇｎｒｅｓｅａｒｃｈｅｓｏｎｓｕｃｈｓｕｂ — ｐｒｏｂｌｅｍｓｏｆｆｏｒ — ｍａｉｏｒｎｃｏｎｔｒｏｌａｓｔｈｅｇｅｎｅｒａｔｉｏｎｏｆｆｏｍａｒｔｉｏｎｓｈａｐｅ，ｆｏｍａｒｔｉｏｎｔｒａｃｋｉｎｇａｎｄｃｏｏｒｄｉｎａｔｉｏｎ，ｆｏｍａｒｔｉｏｎｃｈａｎｇｅ，ｒｅｃｏｍ・
Ａｂｓｔｒａｃｔ：ＯｎｔｈｅｂａｓｉｓＯ ±ｄｅｉｎｉｆｎｇｔｈｅｐｒｅｓｅｎｔｄｅｖｅｌｏｐｍｅｎｔｏｆｍｕｌｔｉ ‘ ｒｏｂｏｔｆｏｒｍａｔｉｏｎｃｏｎｔｒｏｌａｔｈｏｍｅａｎｄａｂｒｏａｄ．

未知环境中基于观察者的多机器人编队控制方法

形，对动态环境的适应能力不强，器人之间的但机
避碰等问题没有得到很好的解决，基于行为编而队法对环境的适应能力较强，在队形稳定性上但存在一定的缺陷。此，文结合领导一随法为本跟
通过；右两边都可通过，左使领导者保持观察者的
位置；当前队形宽度不可通过，领导者保持观 ③ 使
察者的位置，当领导者到达该位置时，通知跟随会
者改变队形，小队形宽度。缩
编队结构的关键点在于如何对观察者的路径进行优化，得到领导者轨迹的关键点，领导者的使
跟踪领导者的位置和导向角。目前有之间的距离；代表两者之间的角度。
和 “ 法的关
两种队形控制法＿，中，代表领导者和跟随者３其］ｚ
键思想是，制跟随者和领导者之间实际距离和控
第３４卷第３期２１０１年６月
武
ห้องสมุดไป่ตู้
汉
科
技
大
学
学
报
Ｖｏ．４。１３Ｎｏ．３
ＪｕｎｌｏｕａｉｅｓｔｆＳｉｎｅａｄＴｃｎｌｇｏｒａｆＷｈｎＵｎｖｒｉｏｃｅｃｎｅｈｏｏｙｙ
响的问题。由图１可看出，察者的运动轨迹在观Ａ区会出现较大的突变，果单纯使用如法，则无法保持队形的稳定。由观察者运动轨迹和优化后领导者轨迹可看出，导者的轨迹更加合理，领且

实时位置反馈的多机器人主从式编队控制

ＶｏＩ７．．．３Ｎｏ２Ｆｂ，０２ｅ２１
火力与指挥控制
Ｆｒｏｔｏ＆ＣｍｍａｄＣｎｒｌｉＣｎｒｌｅｏｎｏｔｏ
第３７卷
第２期
２１０２年２月
文章编号：０２０４（０２０—０２０１０—６０２１）２０１—４
一
引言
近年来，随着计算机技术和无线通信技术的发
展，机器人协调合作已经成为可能，多而且得到了越来越多的应用。多个机器人协调合作可以完成单一机器人难以完成的任务。其中编队问题是多机器人协调合作中的一个典型性的问题。所谓的编队控制是指多个机器人在到达目的地
（）８
通过以上讨论可以得到基于系统状态变量描述的跟随者的状态方程：ｆ —ｕｉ（－Ｏ一ｖｓｎｔｎｆ）ｌｉｆｓｌｌ
［，］。其中Ｉ代表主从两机器人之间的距离１，ＤＤ（ ∈Ｒ，为智能体机器人１）Ｄ中心的连线与水平线的夹角（ ∈（。１０），为智能体机０，８。）
Ｐ（一Ｐ，一）（）０＝三，一（ｏ１）
如图２以及式（）式（）７，９所示：
Ｐａ
０ｄ
跟随者运动轨迹
＜Ｊｓ～２ｓ【ＤＳ）＇ｆｓｃ＃ ∞ｉＯ口ｎｏ孳Ｃｎ－￣ｏ一，Ｊｉ９ｊｙｆ￣ ‘ ＝ＶＯ－
器人运动角度的偏差（（ ∈ 一

多机器人编队控制算法的研究与实现讲解

Classified Index: TP242.6 U.D.C.: 621.3
Dissertation for the Master’s Degree in Engineering
RESEARCH AND IMPLEMENTATION OF MULTI-ROBOT FORMATION CONTROL
国内图书分类号 : TP242.6 国际图书分类号 : 621.3
校代码： 10213 密级：公开
工学硕士学位论文
多机器人编队控制算法的研究与实现
硕士研究生：黄晨导师：宁永臣申请学位：工学硕士学科、专业：控制科学与工程所在单位：控制科学与工程系答辩日期：2011 年 6 月 24 日授予学位单位：哈尔滨工业大学
Degree-Conferring-Institution： Harbin Institute of Technology
哈尔滨工业大学工学硕士学位论文
摘要
随着计算机技术和无线通信技术的飞速发展，多个机器人组成的群体系统通过协调、合作来完成原本由单个机器人无法或难以完成的工作已经成为可能。群体移动机器人系统具有丰富广泛的环境感知能力，并行执行的高工作效率，优秀稳定的鲁棒性和卓越出众的容错能力等众多单机器人难以拥有的优势，而多机器人编队问题是目前对多机器人协调合作问题进行研究的重要基础，是国内外进行多机器人研究的热门课题。本课题的研究思路是在对于多机器人编队控制算法进行了深入的研究、讨论和理论验证之后，根据多机器人编队算法验证的需要设计、搭建并扩展了智能移动机器人平台，然后将对于多机器人编队控制算法的研究在所搭建的平台上进行了实现和验证，完成了多机器人协同编队运动的算法效果，成功地将对于多机器人编队控制算法的讨论与验证从理论层面上升到了实际层面。本文首先在综合前人研究的基础上，提出了基于领航跟随的融合编队算法和基于群集一致性的编队算法两种多机器人编队控制算法，通过 MATLAB 理论仿真成功的验证了这两种编队控制算法的有效性，并针对仿真中出现的问题提出了分析和修正。然后以“创意之星”模块化机器人套件和 ICETEK-OMAP3530-Mini 开发板为基础，成功搭建了智能移动机器人平台，并在平台上扩展了单目识别、双目测距、交互通信、运动控制、距离监控等一系列功能。随后完成了移动机器人运动构型设计和运动模型的构建，设计并实现了基于 MATLAB 的在线仿真调试工具，顺利完成了单体机器人的跟踪及避障功能的实现工作，最后将对于多机器人编队控制算法的研究成功移植到了智能移动机器人平台上，实现了多机器人编队效果，验证了编队控制算法的有效性。关键词智能移动机器人；群体机器人；编队算法

移动机器人编队的运动控制策略

关键词：移动机器人编队；队形参数化；动控制；运虚结构
中图分类号：Ｐ４．Ｔ＇２６２文献标志码：Ａ
Ｍｏｉｎｏｔｏｔａｅｙｆｒｍｏｉｅｒｂｔｆｒａｉｎｔｏｃｎｒｌｓｒｔｇｏｂｌｏｏｏｍｔｏ
ｄｉ１．７４Ｓ．．０７２１．３１ｏ：０３２／ＰＪ１８．００３２１
移动机器人编队的运动控制策略
梁家海
（．１北京工业大学电子信息与控制工程学院，北京１０２；２钦州学院数学与计算机科学学院，０１４．广西钦州５５０）３００
ａｄｓｌｅｈｒｂｅｏｂｔｃｅａｄｃｌｓｏｖｉａｃｒｔｅｒｂｔｆｒｔｎｔｅｃｅｄｓｎｔｎｈａｉｆｒｔｎｎｏｖｄｔｅｐｏｌｍｆｏｓａｌｎｏｌｉｎａｏｄｎｅｆｈｏｏｍａｉｒａｈｔｅｔａｉ．Ｔｅｂｓｃｏቤተ መጻሕፍቲ ባይዱｍａｉｉｏｏｏｏｈｉｏｏｗｓａａｙｅｎｈｄａｏｒｔｎｐｒｍｅｅｉａｉｎｗａｒｓｎｅ．Ｐｒｍｅｒｔｅｔａｍｏｅｓｅｔｂｉｈｄｆｒｔｅａｎｌｚｄａｄｔｅｉｅｆｏｍａｉａａｔｒｔｓｐｅｅｔｄｆｏｚｏａａｔｉｍａｈｍａｉｌｄｌｃｃｗａｓａｌｅｈｓｏ
（ｚｌ＠１３ｃｒ）ｑｕｈ６．ｏｊｎ
摘
要：实现移动机器人编队的多样性、定性和队形变换连续性，为稳并解决移动机器人编队运动中的避障、避

基于改进人工势场的多机器人编队控制

基于改进人工势场的多机器人编队控制作者：周自维周冰赵雪来源：《科技创新与应用》2015年第33期摘要：人工势场法应用到多自主体编队路径规划中，会出现局部最优，无法继续向目标前进，目标不可达的情况；针对这一问题文章提出了“基于队形变换的沿墙导航法”。

当机器人遇到障碍陷入局部最优时，通过将机器人队形变形，并使用沿墙法让机器人绕过障碍物，之后通过人工势场法使机器人到达目标位置，从而解决了局部最优的问题。

仿真结果表明提出方法的可行性和有效性。

关键词：多移动机器人；队形控制；人工势场法；淘汰算法1 概述近年来，多自主体编队已经成为多机器人系统研究领域中最重要的问题之一[1]。

人工势场法应用到多自主体编队路径规划存在明显的缺陷，例如算法容易陷入局部最优，无法继续向目标前进，目标不可达；已经有一些方法来解决势场法的这个缺陷。

对于形状不规则的障碍物形，我们可以把它看成凸多边形。

但是，该方法在实际使用的过程中需要对障碍物的形状进行有效的估计和矫正，存在较大难度，并且多自主体编队在遇到障碍物时，特别是容易陷入局部最优障碍物的时候，继续保持编队的队形已经不是当前最主要的问题。

所以我们提出“基于队形变换的沿墙导航法”来解决局部存在最优的问题。

当机器人和障碍物之间的距离比较小的时候，队形将变回一字型。

实验结果表明，该方法用来解决多机器人队形形成问题的有效性。

2 系统实现2.1 淘汰法2.2 人工势场的设计人工势场算法中，多自主体的运动是在虚拟势场产生的力的作用下被从起点牵引到终点，产生这种力的势场称为的引力场。

在自主体运动环境中，会存在着一些障碍物，这些所存在的障碍物被叠加一种可以使得多自主体朝着背离障碍物方向运动相反的势场力，这样就可以实现避障。

在多自主体的运动中，不仅需要考虑机器人的避障，而且还需要考虑机器人的避碰问题。

将机器人之间的作用力表示为Uij。

Uij应当满足以下几个条件：（1）当dij→0时，Uij（‖dij‖→∞）；（2）当个体i和j之间的距离达到所期望值时，Uij最小，则系统势能最小；（3）Uij在接近rij=R附近递增。

多机器人编队控制

李
莎（９３一）女，１８，湖南娄底人，讲师，博士生，研究方向为电子信息、控制。
ｌ引言
调整，例如改变行为算法的参数、改变行为综合参数。行为综合层对各个激活的行为模块的输出进行加权平均，做出综合决策，向驱动机构输出转动角度和速度命
在人类的工作、生活环境中，存在着许多极限的情况，限制着人类的活动。例如：震后搜索与营救、军事
收稿日期：００一７一１２ｌｏＯ
当前任务、状态、环境等要求对机器人的行为模块进行
・
９・２
向目标移动行为模块控制的目的是机器人与目标
之间的相对距离ｚ和方向为零。
图２基于闭环控制率的机器人运动控制原理图
（湖北第二师范学院机械与电气工程系武汉４００；１３２５２武汉大学动力与机械学院，武汉４０７）３０４
摘要：鳊队控制是多机器人协调控制系统设计中的典型问题，本文阐述了一种基于行为的混合分层体系结构，系统该
以基于反应式结构的三种基本行为为基础，运用加权平均的行为选择机制进行控制。经过仿真实验证明，算法能实现该
编队控制，是指多个机器人在到达目的地的过程中，保
持某种队形，同时又要适应环境约束（例如存在障碍物或者空间的物理限制）的控制技术ｌ。】］传统的跟随领航者方法是根据领航机器人的路线实现其他机器人的运动控制，由于没有明确的队形反馈，很难保持它的队形。本文阐述了一种用于编队控制的分布式控制系统，该系统将基于行为的控制方法

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

位置信息知识库，制定有优先级的组队参考机器人选择规则，结合有限的传感交互信息，提出了基于主从知识
联想的平行四边形法来确定机器人的运动向量，使跟随机器人在虚构的平行四边形中分析出其下一步的偏转角
利速度，并在偏转角和速度的分析中考虑了时延和适当的控制周期。在机器人队形控制过程中的避障问题则采用模糊控制理论，依据人为经验制定的模糊避障控制规则使机器人灵活的避开障碍，仿真实验证明了算法的有
ｎｏｍａｉｎｉｆｒｔｏ，ｂａｅｎｔｅｐｉｒｔｅｅｔｅｒｌｏｔｅｒｆｒｎｅｒｂｔｎｎｆｉｇｔｅｌｔｅｓｎｎｅａｔｅｓｄｏｈｒｏｉｓｌｃｉｕｅｔｈｅｅｅｃｏｏ，ａｄｕｉｙｎｈｉｅｓｎｉｇｉｔｒｃｉｙｖｍｉｖｉｆｒｔｉｎ，ｔｐｏｏｅｈｅｈｓｒｍｈｅｋｏｅｇｓｏｉｉａａｌｌｇａｌｗｏｏｔｉｈｖｍｅｔｖｃｏ，ｈｎｏｍａｏｉｒｐｓｓｔｏｔｆｏｔｗｌｄｅａｓｃａｏｎｐｌｏｒｍａｔｂａｔｅｍｏｅｎｅｔｒｔｅｎｔｒｅｎ
ｆｌｗｏｏｓａａｙｉｈｅｔｄｆｅｔｎａｄｓｅｄｉｈｃｉｎｐａｌｌｇａｏｌｏｒｂｔｎｌｓｓｔｅｎｘｅｃｉｎｐｅｔｅｆｔｏａｌｏｒｍ，ａｄｃｎｉｅｓｔｅｔｅｄｌｙａｄｌｏｎｉｒｅｎｏｓｄｒｈｉｅａｎｍａｐｏｒａｅｃｎｒｌｙｌｎｔｅａｌｉ．ｎｓｓｔｅｆｚｙｃｎｒｌｈｏｈｏｏｔｏａｉｎｃｎｏｌｒｃｓ，ｅｔｐｒｐｉｔｏｔｏｃｅｉｈｎａｙｓｓＡｄｕｅｈｕｚｏｔｏｅｒｉｔｅｒｂｒｔｏｔｌｐｏｅｓｒｓｓｃｔｙｎｆｍｏｒｏｎｔｅｒｉｃａｅｐｒｅｃｔａｏｉｂｓａｌｓｙｆｚｙｃｎｒｌｒｌｓｈｏｔｖｉｂｓａｌｓｌｅｉｌｌ．Ｔｈｈａｔｆｉｌｘｅｉｎｅｏｖｄｏｔｃｅｂｕｚｏｔｏｅ，ｔｅｒｂｏｓａｏｄｏｔｃｅｆｘｂｅｙｉｕｅｓｍｕａｉｎｒｓｌｈｗｅｅｆｃｉｅｅｓｏｅａｇｒｔｍ．ｉｌｔｅｕｔｓｏｔｆｅｔｖｎｓｆｌｏｉｈｏｓｈｈｔＫｅｙｗｏｄｓｗａｋｉｇｒｂｔｆｒａｉｎ；ｎｗｌｄｅｌｒｒｐａａｌｌｇａｍｅｈｄ；ｕｚｏｔｏ；ｒ：ｌｎｏｏ；ｏｍｔｏｌｋｏｅｇｉａｙ；ｒｌｏｂｅｒｍｔｏｆｚｙｃｎｒｌ
Ａｂｔａｔｓｒｃ：ＴｈｉａｔｌｕｔｈｏｍａｉｎｃｎｒｌｒｓａｃｆｗａｋｉｇｒｂｔｕｄｒｔｅｍｏｅｌｉｃｔｎｈｓｒｉｅｃｎｄｃｓｔｅｆｒｔｏｏｔｏｅｅｒｈｏｌｎｏｏｎｅｈｄｌｎｇｄｆｕｌａｄｔｅｃｉｉｙｓｎｉｇｎｏｍａｉｎｉｔｄＴｈｏｇｅｔｂｉｈｉｇｈｒｂｔｋｏｅｇｌｒｒａｏｔｔｅｏａｉｎｅｓｎｉｆｒｔｏｌｍｉｅ．ｒｕｈｓａｌｓｎｔｅｏｏ ’ ｎｗｌｄｅｉａｙｂｕｈｆｒｔｏｐｏｉｉｎｌＳｂｍｓｔｏａ
效性。
关键词：步行机器人；队形；知识库：平行四边形法；模糊控制
ＦｏｍａｉｎＣｏｔｏｆｕｔｐｌｏｉｅＲｏｏｓｒｔｏｎｒｌｏｌｉｅＭｂｌｂｔＭ
ＬａｇＬＵｏＤｏｇＩｎ，１Ｇｕ－ｎＱｉ
（ｏｌｅｆｎｅｅｏＴｉｇｄＥｇｅｒｇＪａｇａｉｅｓｙＷｕｉ１１２ＣｉａＣｌｇＩｔｎｔｆｈｎｓｎｎｉｅｉ，ｉｎＵｎｖｒｔｅｏｒａｎｎｎｎｉ，ｘ２４２，ｈ）ｎ
１引言
多机器人的编队控制已成为多机器人系统研究的热点，经过编队的系统具有降低成本、增强鲁棒性和有效性等优点，被广泛应用于军事，航空航
航法【、虚拟结构法ｔ钔、基于行为法【、图论法及６１虚拟势场力法【等。目前关于机器人的队形控制多７】是建立在运动学方程上实现的，如轮式机器人，其队形控制通常灵活、精确，队形维持较好，而步行
计算机系统应用
ｈｔ：ｗｗ．Ｓ．ｒ．ｔ／ｗｃ－ｏｇｃｐ／－ａａ
２０１１年第２Ｏ卷第４期
多移动机器人的队形控制①
李强，刘国栋
（南大学物联网工程学院，无锡２４２）江１１２
摘
要：针对步行机器人建模困难和传感信息有限的条件下对其进行的队形控制研究。通过建立机器人的队形