基于Matlab的机器人编队仿真研究
基于Matlab的机器人编队仿真研究[20191213110021]
摘要
随着控制理论的不断发展和机器人技术的不断成熟，因此机器人编队策略的应用领域越来越广，且种类繁多，有基于领航者与跟随着的方法、有基于行为分解的方法、有基于人工势场法、有分布式控制等数十种之多。但是在多数场合机器人往往均是群体的形式出现，，由于编队方法存在的一些问题和使用上的不当，造成多机器人的性能在实际应用中距离单机器人性能相差甚远，而造成这些后果的主要原因是编队策略的选取不合适，针对这些问题，本文对各种队形问题进行研究并且做出编队算法，以及得出相应的路径规划。
各种编队策略以Matlab软件为平台，通过对Matlab函数的调用对策略进行仿真，分析基于单体机器人的避障和跟踪俩个基本功能 ，本平台仿真群体机器编队功能采用基于领航者与跟随者，基于行为法，以及人工势场法三种算法的融合算法。基于领航者与跟随者算法设定一个机器人为领航者，俩个为跟随着，实现跟踪目标，基于行为法在每一刻时间都分别计算基于行为模式下机器人的下一步动作路径，人工势场法实现单体机器人的实时避障功能。在三种算法的融合下，机器人编队得到了应有的稳定性和正确性。
查看完整论文请+Q: 351916072
关键字:】机器人编队;路径规划;自动避障
目录
摘要 I
ABSTRACT II
第1章 绪论 1
1.1 课题背景 1
1.2 系统研究内容及意义 2
1.2.1 路径规划 2
1.2.2 编队问题 2
1.3 编队算法概述 3
1.3.1 领航者-跟随者法 4
1.3.2 基于行为法 4
1.3.3 人工势场法 5
1.3.4 循环法 6
1.3.5 分布法 7
第2章 系统编队算法方案设计 8
2.1 领航-跟随者的编队控制 8
2.1.1 编队行进PID策略 8
2.1.2 PID算法的改进 9
2.1.3 PID算法的仿真 10
2.2 基于行为法的路径合成 12
2.2.1 动态目标的获取 13
2.2.2 各子行为设计 13
2.2.3加权平均行为合成 14
2.3 人工势场法优化 15
2.3.1 动态势场法设计 16
2.3.2 动态势场法仿真 17
第3章 系统集成编队算法研究 22
3.1 基本队形分析 22
3.2 角色分配及转换 23
3.2.1 角色分配 23
3.2.2 角色转换 24
3.3 队形动态变化 25
3.4 编队仿真研究 26
第4章 总结和展望 32
4.1 全文总结 32
4.2 展望 33
结束语 34
致谢 35
参考文献 36
附录 38
附录一：系统编队仿真主程序M文件 38
附录二：菱形编队跟踪目标M文件 40
附录三：直线编队避障M文件 42
附录四：外文翻译 44
第1章 绪论
1.1 课题背景
随着计算技术、电子技术、控制理论、人工智能理论、传感器技术等不断成熟和发展，机器人概念及定义也在不断充实和创新,所涵盖的内容越来越丰富。机器人发展沿袭两条迥异的技术路线：一是结合工业发展的需求，开发出一系列特定应用的工业机器人：另一是把机器人作为人工智能的载体，研究智能机器人的发展有着重要意义[1]。
由于移动机器人在救灾、服务、医疗、娱乐、军事侦察、扫雷排险、防核化污染等危险与恶劣环境以及民用中的物料搬运上具有广阔的应用前景，使得世界各国自上世纪70年代开始展开对它的研究。移动机器人是一个集合环境感知、动态决策与规划、行为控制与执行等多种功能的综合系统，涵盖机械、电子、计算机、传感测控等多项技术，是多学科互相结合、互相渗透的产物[2]。
移动机器人为提高处理复杂任务和适应变化的环境的能力,必须提高机器人的智能指标：自主性、适应性和交互性。[3]在机器人向智能化的发展中,以模拟、延伸、扩展人的思维、感知、行为。智能的人工智能理论、方法与技术被引入机器人领域，90年代初，智能主体研究热点与移动机器人提高智能需求紧密结合，大范围、多层次、多方位的合作促使智能机器人出现[3]。智能机器人包括反映了个体智能的单机器人系统与反映了群体智能的多机器人系统,是对人类社会生产活动的想象和探索。
然而机器人编队技术在机器人发展过程中举足轻重，因此具有广泛的应用领域，如国防、通信、医学、农业生产、能源开采等领域，其编队策略的优劣影响着群体机器人的发展，因此，近年来国内外对机器人编队策略有较多的研究[4]。近年来，多移动机器人技术已经得到广泛的应用，遍及工业、军事、农业、宇宙空间、海洋开发等。多移动机器人协同工作能够完成单个机器人难以完成的任务，这就产生了多移动机器人编队协调控制，如何使多移动机器人的编队控制更加准确已成为研究人员目前的主要任务之一，多移动机器人的编队协调控制研究，已逐渐成为研究热点。在战阵中，战机的编队飞行，不但有利于飞行员的安全，更有利于机群发挥集体战斗优势，使各个战机扬长避短，从而顺利完成任务。对于群体机器人来说，编队控制方法显得更为重要，群体机器人采用合适的编队算法才能使得在良好协作下顺利完成各种复杂的任务，所以近年来对机器人编队策略有较多的研究并且取得了较好的成果[5]。
1.2 系统研究内容及意义
1.2.1 路径规划
作为现实环境中驻留的智能体，机器人与外界环境交互能力的提高需要解决：在哪里？应该去哪里？如何到达那里？对于此类问题的研究称为导航技术，而涉及机器人的路径规划，它是导航研究的一个重要环节和课题，所谓路径规划是指移动机器人按照某一性能指标(如距离、时间、能量、安全等，从环境中搜索一条从起始状态到目标状态的最优或次优路径[6]。路径规划具有如下特点：
l 复杂性：动态时变环境下的规划非常复杂且计算量庞大；
l 随机性：复杂环境下的不确定因素使得环境充满随机性；
l 多约束：机器人存在形状、速度、加速度等约束；
l 多目标：多个机器人均需路径最短、安全无碰，在同一环境下存在冲突[7]。
路经规划是移动机器人完成任务的安全保障，同时也是移动机器人智能化程度的重要标志。在当前机器人硬件系统精度短期内无法提高的情况下，对于路径规划算法的研究显得尤为重要[8]。
1.2.2 编队问题
在自然界中,鱼类、鸟类运动时普遍保持编队行为，即形成某一几何形状或者运动过程中保持一种相对不变的位置关系，从而使这些动物能联合起来更加有效地发现、围捕猎物以及抵御捕食者。自然现象启示我们：机器人团队在执行任务中若保持队形，同样可以发挥较大作用，因此提出多机器人编队问题的研究。多动机器人移动过程保持一定的队形具有以下优点:
l 令充分获取当前环境信息；
l 增加抵抗外界入侵的能力；
l 提高工作效率；
l 提高系统的鲁棒性[9]。
所谓编队问题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。队形问题是一个具有典型性和通用性的多机器人协调与协作问题。编队问题包括队形形成和队形控制两部分：队形形成主要是研究如何使机器人系统从一个杂乱无章的状态最终形成一个具有规律性的整体或符合设计者要求的稳定状态，这为群机器人根据所要保卫的区域的几何形状有序分布以建立一个屏障或者包围一个特定目标等任务提供了技术支持[10]。队形控制主要是研究在机器人系统在向目的地行进过程中，既要遵守一定的队形约束，又要适应当前工作环境的约束的控制技术。这两项研究既可以独立展开,也可以联合起来。
随着机器人向系统应用的方向发展，移动机器人编队控制问题成为研究的热点问题。因此，实现一个合理、有效的编队控制方法将具有重要的理论及现实意义。为此，依据解决编队控制问题的不同思路，总结了编队控制的各种研究方法：基于领航者与跟随者法、基于行为法、人工势场法、、虚结构法、循环法、模型预测控制法、分布式控制法，本次研究只对基于领航者与跟随者法、基于行为法、人工势场法三种编队控制方法的基本思想和特点进行总结和分析，最后对三种算法进行融合，形成稳定，正确的控制编队算法。
1.3 编队算法概述
本章主要介绍不同的机器人编队算法的特性，常用的动力电池如基于领航者与跟随者法、基于行为法、人工势场法、虚结构法、循环法、模型预测控制法、分布式控制法等等[11]。而由于后四种策略理论性较强，而前三种能指挥多移动机器人完成任务，缩短执行任务的时问，降低系统的成本，提高系统的工作效率，能充分获取当前的环境信息，具有较强的抗干扰的能力，并且能够提高鲁棒性等。在自然界中，鱼类、鸟类运动时普遍保持编队行为，即形成某一几何形状或者运动过程中保持一种相对不变的位置关系,从而使这些动物能联合起来更加有效地发现围捕猎物以及抵御捕食者[12]。自然现象启示我们：机器人团队在执行任务中若保持队形,同样可以发挥较大作用，因此提出多机器人编队问题，因此前三种编队控制在军事、娱乐、生产等各个领域有广泛的应用[14]。尤其是在军事领域有着广泛的应用，例如航天器、无人机的编队飞行、自主水下航行器的编队航行，所以本章着重介绍前三种编队策略特性。
1.3.1 领航者-跟随者法
领航者-跟随者法的基本思想是在多机器人组成的群体中，某个机器人被指定为领航者，其余作为它的跟随者，跟随者以一定的距离跟踪领航机器人的位置和方向[15]。对该方法进行拓展，可以指定一个领航者，也可以指定多个，但群体队形的领航者只有一个。这种方法控制简单，只需要控制跟随机器人跟踪领航机器人的轨迹，这样仅仅给定领航者的行为或轨迹就可以控制整个机器人群体的行为。可以把编队控制问题简化为独立的跟踪问题，每个机器人只需要获得它的领航机器人的状态信息，从而大大简化了队形间的合作问题。
目前的领航-跟随模式，如果出现故障的领航机器人后面还有以它为参考点的跟随机器人，其结果将会是出现一个或多个后继机器人掉队，编队无法继续保持，从而直接影响到编队任务的正常完成[15]。针对多机器人队伍中某台机器人出现的通信或机械故障，本研究建立一种编队容错控制算法，在机器人出现故障后，机器人队伍能自动重新调整编队，避免故障机器人的后继机器人掉队，实现编队的容错控制[16]。领航-跟随方法控制简单，只需要控制跟随机器人跟踪领航机器人的轨迹，这样仅仅给定领航者的行为或轨迹就可以控制整个机器人群体的行为。可以把编队控制问题简化为独立的跟踪问题，每个机器人只需要获得它的领航机器人的状态信息，从而大大简化了队形间的合作问题。例如在领航-跟随队形中再增加一个机器人的话只需要增加一个局部控制器并指定一个领航机器人就可以，不需要重新设计控制器。
1.3.2 基于行为法
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[16]。编队控制器由一系列行为组成，每个机器人有基本的行为方式，每个行为方式又有自己的目标或任务。一般情况下，机器人的行为包括避碰、避障、驶向目标和保持队形等。对于编队控制来说，队形保持是一个基本的独立行为。驶向目标的“目标”是指事先指定的状态，因此队形保持和驶向目标是不同的行为，避障是指动态环境下编队机器人运动过程中避免碰到障碍物，而避碰是指运动过程中避免机器人之间的相互碰撞。机器人的检测技术及驱动机制不同，则行为肯能不同，例如有的机器人采用摄像头作为视觉机构进行避障，并且采用直流电机作为其驱动器件；而有的机器人则采用光电传感器作为视觉机构，去探测未知环境的情况，使用步进电机作为其驱动器件。不同的行为在机器人最终决定下一时刻行为的过程中都具有一定的意义。因此，基于行为法在机器人编队中有着广泛应运。
基于行为的控制器是由一系列行为组成，每个行为有自己的目标或任务。当机器人具有多个竞争性目标时，可以很容易地得出控制策略，并且可以实现分布式控制[17]。但缺点是无法明确地指出达到整体行为的局部控制规则，队形控制的稳定性很难得到保证。
1.3.3 人工势场法
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[17]。Khatib 于1986年提出了人工势场法，它的基本思想是机器人在一个虚拟的力场中运动，障碍物被斥力势场包围，其产生的排斥力随机器人与障碍物距离的减少而迅速增大；目标点被引力势场包围，其产生的吸引力随机器人与目标点的接近而减少；在合力的作用下机器人沿最小化势能的方向运动[18]。基于人工势场法提出一种编队控制器，应用在机器人出现故障或者不完整的传感器信息的情况下，提出了一种基于势场函数的、能够有效地对多机器人系统的编队队形进行稳定性分析的分布控制的方法。通过选择适当的、与目标和结构相关的势场函数，利用李亚普诺夫稳定理论，设计了一种新颖的能够稳定机器人编队队形并有效跟踪目标的分布控制律，同时避免相互间的碰撞以及与动态环境下障碍物的碰撞。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，通过领航者调整队形或控制队形的运动，利用人工势场和虚领航者作为内在的协调框架，提出了人工势场与领航者-跟随者法相结合控制队形运动的稳定策略。
摘要
随着控制理论的不断发展和机器人技术的不断成熟，因此机器人编队策略的应用领域越来越广，且种类繁多，有基于领航者与跟随着的方法、有基于行为分解的方法、有基于人工势场法、有分布式控制等数十种之多。但是在多数场合机器人往往均是群体的形式出现，，由于编队方法存在的一些问题和使用上的不当，造成多机器人的性能在实际应用中距离单机器人性能相差甚远，而造成这些后果的主要原因是编队策略的选取不合适，针对这些问题，本文对各种队形问题进行研究并且做出编队算法，以及得出相应的路径规划。
各种编队策略以Matlab软件为平台，通过对Matlab函数的调用对策略进行仿真，分析基于单体机器人的避障和跟踪俩个基本功能 ，本平台仿真群体机器编队功能采用基于领航者与跟随者，基于行为法，以及人工势场法三种算法的融合算法。基于领航者与跟随者算法设定一个机器人为领航者，俩个为跟随着，实现跟踪目标，基于行为法在每一刻时间都分别计算基于行为模式下机器人的下一步动作路径，人工势场法实现单体机器人的实时避障功能。在三种算法的融合下，机器人编队得到了应有的稳定性和正确性。
查看完整论文请+Q: 351916072
关键字:】机器人编队;路径规划;自动避障
目录
摘要 I
ABSTRACT II
第1章 绪论 1
1.1 课题背景 1
1.2 系统研究内容及意义 2
1.2.1 路径规划 2
1.2.2 编队问题 2
1.3 编队算法概述 3
1.3.1 领航者-跟随者法 4
1.3.2 基于行为法 4
1.3.3 人工势场法 5
1.3.4 循环法 6
1.3.5 分布法 7
第2章 系统编队算法方案设计 8
2.1 领航-跟随者的编队控制 8
2.1.1 编队行进PID策略 8
2.1.2 PID算法的改进 9
2.1.3 PID算法的仿真 10
2.2 基于行为法的路径合成 12
2.2.1 动态目标的获取 13
2.2.2 各子行为设计 13
2.2.3加权平均行为合成 14
2.3 人工势场法优化 15
2.3.1 动态势场法设计 16
2.3.2 动态势场法仿真 17
第3章 系统集成编队算法研究 22
3.1 基本队形分析 22
3.2 角色分配及转换 23
3.2.1 角色分配 23
3.2.2 角色转换 24
3.3 队形动态变化 25
3.4 编队仿真研究 26
第4章 总结和展望 32
4.1 全文总结 32
4.2 展望 33
结束语 34
致谢 35
参考文献 36
附录 38
附录一：系统编队仿真主程序M文件 38
附录二：菱形编队跟踪目标M文件 40
附录三：直线编队避障M文件 42
附录四：外文翻译 44
第1章 绪论
1.1 课题背景
随着计算技术、电子技术、控制理论、人工智能理论、传感器技术等不断成熟和发展，机器人概念及定义也在不断充实和创新,所涵盖的内容越来越丰富。机器人发展沿袭两条迥异的技术路线：一是结合工业发展的需求，开发出一系列特定应用的工业机器人：另一是把机器人作为人工智能的载体，研究智能机器人的发展有着重要意义[1]。
由于移动机器人在救灾、服务、医疗、娱乐、军事侦察、扫雷排险、防核化污染等危险与恶劣环境以及民用中的物料搬运上具有广阔的应用前景，使得世界各国自上世纪70年代开始展开对它的研究。移动机器人是一个集合环境感知、动态决策与规划、行为控制与执行等多种功能的综合系统，涵盖机械、电子、计算机、传感测控等多项技术，是多学科互相结合、互相渗透的产物[2]。
移动机器人为提高处理复杂任务和适应变化的环境的能力,必须提高机器人的智能指标：自主性、适应性和交互性。[3]在机器人向智能化的发展中,以模拟、延伸、扩展人的思维、感知、行为。智能的人工智能理论、方法与技术被引入机器人领域，90年代初，智能主体研究热点与移动机器人提高智能需求紧密结合，大范围、多层次、多方位的合作促使智能机器人出现[3]。智能机器人包括反映了个体智能的单机器人系统与反映了群体智能的多机器人系统,是对人类社会生产活动的想象和探索。
然而机器人编队技术在机器人发展过程中举足轻重，因此具有广泛的应用领域，如国防、通信、医学、农业生产、能源开采等领域，其编队策略的优劣影响着群体机器人的发展，因此，近年来国内外对机器人编队策略有较多的研究[4]。近年来，多移动机器人技术已经得到广泛的应用，遍及工业、军事、农业、宇宙空间、海洋开发等。多移动机器人协同工作能够完成单个机器人难以完成的任务，这就产生了多移动机器人编队协调控制，如何使多移动机器人的编队控制更加准确已成为研究人员目前的主要任务之一，多移动机器人的编队协调控制研究，已逐渐成为研究热点。在战阵中，战机的编队飞行，不但有利于飞行员的安全，更有利于机群发挥集体战斗优势，使各个战机扬长避短，从而顺利完成任务。对于群体机器人来说，编队控制方法显得更为重要，群体机器人采用合适的编队算法才能使得在良好协作下顺利完成各种复杂的任务，所以近年来对机器人编队策略有较多的研究并且取得了较好的成果[5]。
1.2 系统研究内容及意义
1.2.1 路径规划
作为现实环境中驻留的智能体，机器人与外界环境交互能力的提高需要解决：在哪里？应该去哪里？如何到达那里？对于此类问题的研究称为导航技术，而涉及机器人的路径规划，它是导航研究的一个重要环节和课题，所谓路径规划是指移动机器人按照某一性能指标(如距离、时间、能量、安全等，从环境中搜索一条从起始状态到目标状态的最优或次优路径[6]。路径规划具有如下特点：
l 复杂性：动态时变环境下的规划非常复杂且计算量庞大；
l 随机性：复杂环境下的不确定因素使得环境充满随机性；
l 多约束：机器人存在形状、速度、加速度等约束；
l 多目标：多个机器人均需路径最短、安全无碰，在同一环境下存在冲突[7]。
路经规划是移动机器人完成任务的安全保障，同时也是移动机器人智能化程度的重要标志。在当前机器人硬件系统精度短期内无法提高的情况下，对于路径规划算法的研究显得尤为重要[8]。
1.2.2 编队问题
在自然界中,鱼类、鸟类运动时普遍保持编队行为，即形成某一几何形状或者运动过程中保持一种相对不变的位置关系，从而使这些动物能联合起来更加有效地发现、围捕猎物以及抵御捕食者。自然现象启示我们：机器人团队在执行任务中若保持队形，同样可以发挥较大作用，因此提出多机器人编队问题的研究。多动机器人移动过程保持一定的队形具有以下优点:
l 令充分获取当前环境信息；
l 增加抵抗外界入侵的能力；
l 提高工作效率；
l 提高系统的鲁棒性[9]。
所谓编队问题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。队形问题是一个具有典型性和通用性的多机器人协调与协作问题。编队问题包括队形形成和队形控制两部分：队形形成主要是研究如何使机器人系统从一个杂乱无章的状态最终形成一个具有规律性的整体或符合设计者要求的稳定状态，这为群机器人根据所要保卫的区域的几何形状有序分布以建立一个屏障或者包围一个特定目标等任务提供了技术支持[10]。队形控制主要是研究在机器人系统在向目的地行进过程中，既要遵守一定的队形约束，又要适应当前工作环境的约束的控制技术。这两项研究既可以独立展开,也可以联合起来。
随着机器人向系统应用的方向发展，移动机器人编队控制问题成为研究的热点问题。因此，实现一个合理、有效的编队控制方法将具有重要的理论及现实意义。为此，依据解决编队控制问题的不同思路，总结了编队控制的各种研究方法：基于领航者与跟随者法、基于行为法、人工势场法、、虚结构法、循环法、模型预测控制法、分布式控制法，本次研究只对基于领航者与跟随者法、基于行为法、人工势场法三种编队控制方法的基本思想和特点进行总结和分析，最后对三种算法进行融合，形成稳定，正确的控制编队算法。
1.3 编队算法概述
本章主要介绍不同的机器人编队算法的特性，常用的动力电池如基于领航者与跟随者法、基于行为法、人工势场法、虚结构法、循环法、模型预测控制法、分布式控制法等等[11]。而由于后四种策略理论性较强，而前三种能指挥多移动机器人完成任务，缩短执行任务的时问，降低系统的成本，提高系统的工作效率，能充分获取当前的环境信息，具有较强的抗干扰的能力，并且能够提高鲁棒性等。在自然界中，鱼类、鸟类运动时普遍保持编队行为，即形成某一几何形状或者运动过程中保持一种相对不变的位置关系,从而使这些动物能联合起来更加有效地发现围捕猎物以及抵御捕食者[12]。自然现象启示我们：机器人团队在执行任务中若保持队形,同样可以发挥较大作用，因此提出多机器人编队问题，因此前三种编队控制在军事、娱乐、生产等各个领域有广泛的应用[14]。尤其是在军事领域有着广泛的应用，例如航天器、无人机的编队飞行、自主水下航行器的编队航行，所以本章着重介绍前三种编队策略特性。
1.3.1 领航者-跟随者法
领航者-跟随者法的基本思想是在多机器人组成的群体中，某个机器人被指定为领航者，其余作为它的跟随者，跟随者以一定的距离跟踪领航机器人的位置和方向[15]。对该方法进行拓展，可以指定一个领航者，也可以指定多个，但群体队形的领航者只有一个。这种方法控制简单，只需要控制跟随机器人跟踪领航机器人的轨迹，这样仅仅给定领航者的行为或轨迹就可以控制整个机器人群体的行为。可以把编队控制问题简化为独立的跟踪问题，每个机器人只需要获得它的领航机器人的状态信息，从而大大简化了队形间的合作问题。
目前的领航-跟随模式，如果出现故障的领航机器人后面还有以它为参考点的跟随机器人，其结果将会是出现一个或多个后继机器人掉队，编队无法继续保持，从而直接影响到编队任务的正常完成[15]。针对多机器人队伍中某台机器人出现的通信或机械故障，本研究建立一种编队容错控制算法，在机器人出现故障后，机器人队伍能自动重新调整编队，避免故障机器人的后继机器人掉队，实现编队的容错控制[16]。领航-跟随方法控制简单，只需要控制跟随机器人跟踪领航机器人的轨迹，这样仅仅给定领航者的行为或轨迹就可以控制整个机器人群体的行为。可以把编队控制问题简化为独立的跟踪问题，每个机器人只需要获得它的领航机器人的状态信息，从而大大简化了队形间的合作问题。例如在领航-跟随队形中再增加一个机器人的话只需要增加一个局部控制器并指定一个领航机器人就可以，不需要重新设计控制器。
1.3.2 基于行为法
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[16]。编队控制器由一系列行为组成，每个机器人有基本的行为方式，每个行为方式又有自己的目标或任务。一般情况下，机器人的行为包括避碰、避障、驶向目标和保持队形等。对于编队控制来说，队形保持是一个基本的独立行为。驶向目标的“目标”是指事先指定的状态，因此队形保持和驶向目标是不同的行为，避障是指动态环境下编队机器人运动过程中避免碰到障碍物，而避碰是指运动过程中避免机器人之间的相互碰撞。机器人的检测技术及驱动机制不同，则行为肯能不同，例如有的机器人采用摄像头作为视觉机构进行避障，并且采用直流电机作为其驱动器件；而有的机器人则采用光电传感器作为视觉机构，去探测未知环境的情况，使用步进电机作为其驱动器件。不同的行为在机器人最终决定下一时刻行为的过程中都具有一定的意义。因此，基于行为法在机器人编队中有着广泛应运。
基于行为的控制器是由一系列行为组成，每个行为有自己的目标或任务。当机器人具有多个竞争性目标时，可以很容易地得出控制策略，并且可以实现分布式控制[17]。但缺点是无法明确地指出达到整体行为的局部控制规则，队形控制的稳定性很难得到保证。
1.3.3 人工势场法
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[17]。Khatib 于1986年提出了人工势场法，它的基本思想是机器人在一个虚拟的力场中运动，障碍物被斥力势场包围，其产生的排斥力随机器人与障碍物距离的减少而迅速增大；目标点被引力势场包围，其产生的吸引力随机器人与目标点的接近而减少；在合力的作用下机器人沿最小化势能的方向运动[18]。基于人工势场法提出一种编队控制器，应用在机器人出现故障或者不完整的传感器信息的情况下，提出了一种基于势场函数的、能够有效地对多机器人系统的编队队形进行稳定性分析的分布控制的方法。通过选择适当的、与目标和结构相关的势场函数，利用李亚普诺夫稳定理论，设计了一种新颖的能够稳定机器人编队队形并有效跟踪目标的分布控制律，同时避免相互间的碰撞以及与动态环境下障碍物的碰撞。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，通过领航者调整队形或控制队形的运动，利用人工势场和虚领航者作为内在的协调框架，提出了人工势场与领航者-跟随者法相结合控制队形运动的稳定策略。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4925.html
