队形控制

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： 本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先,引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次,在动态障碍物与无人机间构造斥力场实现避障。最后,根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律,结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明,集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。

摘要： 电子对抗力量协同是电子对抗力量指挥控制的“重难点”问题。随着电子对抗力量运用开始向智能化迈进,基于数据指挥的自动化指挥、智能化协同成为现代化指挥的重要组成部分。从电子对抗智能体队形控制的2种基本方法入手,通过C++仿真对比2种方法的稳定性、时效性,研究电子对抗智能体集群如何在存在侦察或干扰盲区的环境下,通过队形变化实现协同机动任务。

摘要： 为了提高多机器人队形控制精度和效率,尤其是偏离预定轨道时的纠正能力,提出一种白介素调节的多机器人队形免疫网络控制算法。将机器人的速度和期望队形重心分别作为抗体和抗原,借鉴Jerne的独特型免疫网络假设,通过抗体和抗原的刺激和抑制来构建队形控制免疫协作网络;在白介素免疫调节机理启发下,定义白介素调节因子来解决机器人轨道偏离时的纠正难题;通过抗体激励值自适应选择速度完成队形控制。4种不同环境下的数值测试表明,与其他算法相比,白介素免疫网络算法不仅能够形成规定队形,而且队形形成所需时间平均减少73%,平均位移减少60%,且平均偏差角度逼近于0。仿真平台下的干扰测试结果也进一步验证了该算法的有效性和优越性。

摘要： 随着高新技术的快速发展,多智能体的协同控制成为研究热点.在多智能体协同控制的基础上,设计了多智能体的围捕编队,能够在给定被围捕目标具体位姿信息的情况下,对目标进行围追堵截.使用经典的拍卖算法解决了智能体在围捕队形中的任务分配问题,使各智能体能够以相对较快的时间形成标准的围捕编队队形.此外,还提出运用双向拍卖算法解决队形形成过程中的位置点分配问题,能够以相对较小的代价完成队形的控制,进而完成对目标的围捕.

摘要： 随着舰艇作战任务多样化,多舰艇所构成的海上作战集团将成为未来海战场的主要兵力编成模式之一.文章在分析编队队形保持的基本要求和队形变换需求的基础上,分别介绍了编队队形控制、作战条件约束的舰艇编队队形配置以及舰艇编队队形变换与保持的研究现状,按照舰艇编队作战流程,从编队集结、队形保持、队形变换和出入列等编队控制的角度,对舰艇编队队形导航控制问题的发展进行了展望.

摘要： 车辆编队的队形控制研究主要集中于队形成形、队形切换和队形保持三个方面.首先介绍分析了多种队形控制方法包括行动选择法、人工势场法、虚拟结构法、复拉普拉斯矩阵法、领航-跟随法等控制方法;其次介绍了如公路无人卡车辆编队场景、无人战车编队场景等多智能车队形控制应用场景;最后总结了未来队形控制问题的一些研究方向.

摘要： 为实现多AGV小车的协同搬运,寻找协同运动过程中各AGV物理量趋于相似的最优控制参数.首先由协同队形的运动状态关系获得系统的一致性协议式,进而通过拉普拉斯变换得到分布式PID队形控制方程,通过复常系数线性方程稳定性判据得到该类网络拓扑稳定的成立条件,由具体的期望队形得到其复数矩阵以及对应的特征方程和特征值的解范围,不同控制参数的不等式方程解同时成立的最优范围即为运动状态下该队形稳定存在的充要条件.通过数据仿真与实验结果可知,该算法可以有效实现多AGV协同运动的预期队形的形成与保持,为大型物料件的运输提供了新的控制思路.

摘要： 针对UUV水下通信存在的时延和数据包丢失等问题，提出一种将编队队形控制的任务划分为领航UUV的任务分配和单个UUV的自主行为两层智能决策体系：在主从UUV之间通信畅通时，采用案例推理的智能决策方法解决领航UUV对从UUV的任务分配问题;在主从UUV通信不畅时采用行为融合的加权算法解决单UUV在编队中的自主行为决策问题。在多UUV仿真实验平台对上述算法进行了验证，实验结果表明，在主从UUV之间通信不畅的时候，该方法依然能较好的保持UUV的队形并能根据环境及时调整队形。

摘要： 队形控制问题是无人作战飞机（UCAV）编队飞行任务中的重要议题。针对这一动态最优控制问题，提出了基于粒子滤波的动态遗传算法（PFDGA）。该算法将粒子滤波（PF）和遗传算法（GA）有机结合，GA为PF提供对最优解的观测，PF则对GA的搜索进行启发。实验结果表明，PFDGA相对随机迁移遗传算法（RIGA）具有更好的动态优化性能，能够有效求解UCAV编队队形控制问题。

摘要： 针对多机协同作战编队队形控制问题，给出了相应的军事概念模型，提出了基于几何约束的三角形、菱形、主从式等典型树形编队控制模型，并通过可视化仿真技术，构建了可用于制定试飞方案的可视化仿真验证环境。验证结果表明基于该编队队形控制的算法可用于简单的模拟飞行操作和战术对抗、验证飞机模型。

摘要： 针对粒子群算法对约束条件的优化处理问题,提出一种具有自适应度双群体粒子群优化算法,该算法将目标函数与约束条件分别考虑,形成2种群体以不同目标为前提同时向最优解进化;并分别对2种群体的适应度引入自适应权重系数与相应调整策略,基于并非所有非可行个体均劣于可行个体概念,动态地调整其适应度以保证部分非可行个体向可行域进化.将其应用于组群机器人队形控制中,链型结构(纵队)队形仿真结果表明了该算法的有效性。该粒子群算法为实际应用中约束优化问题的求解提供了新的途径.

摘要： 为提高机器人足球比赛中射门的成功率,通过提高机器人间的控球率,使足球的较大部分时间在对方半场,论文首先分析了每个机器人的最佳路径,运用"动态基准圆"及"3+1+1"的队形控制法,使每个机器人的运动轨迹识别最佳进攻路线,同时使每个机器人充当的角色可随时改变.实验分析表明,在运用了上述的策略后,射门成功率、前场截球能力以及防守能力都得到提升.

摘要： 本文研究了多机编队飞行的队形控制和避碰避障问题.首先推导了主从结构相对运动的非线性模型,在此基础上设计了滑模变结构控制器,使僚机能以指定距离和方位跟踪长机的运动,并结合Lyapunov函数和Barbalat引理证明控制系统是渐进稳定的.通过建立虚拟电势场,使飞行器在障碍物排斥力和目标吸引力的合力作用下趋近目标点,为避免局部最小点,对人工势场法作了改进.最后,通过仿真试验证明了基于滑模变结构和人工势场法的主从式编队飞行控制的有效性.

摘要： 领航者重选方法是飞行器编队飞行控制和管理系统的核心技术内容之一，它是用于确定在飞行器自主飞行编队的领航者失效或完成使命后的一种新领航者选举机制。根据编队协同制导与队形控制的需求，给出了基于最小身份识别号(LID)和最大连接度(MAXD)的两种领航者重选算法LRA_L和LRA_M，并根据这两种算法建立了基于OPNET的仿真模型，最后仿真验证了领航者重选方法的可行性。

摘要： 针对各种摄动对编队队形的影响,一直是航天领域研究的热点.本文根据相对运动的C-W方程,设计了一种基于相对轨道要素的非线性控制器,对J2项摄动影响进行了数值模拟,最后仿真结果证明了此方法的有效性.

摘要： 群机器人仿真系统是一个能够对群机器人系统的体系结构、协调控制和学习算法等进行试验的数字仿真系统。本文分析了各仿真对象的物理特性及其实现难点，给出了仿真系统的软件架构和对象建模，描述了各仿真功能的具体实现。利用本仿真系统进行的实验结果表明此系统达到了比较理想的效果，具有良好的分布式运行能力和方便的实时交互能力，为群机器人系统的研究提供了一个有效的平台。

摘要： 本文主要针对含有非完整约束的多移动机器人系统,讨论了多机器人的分布式编队控制问题。通过连续时变状态反馈控制方法和图论知识,设计了一种能够实现机器人编队的队形控制律,利用位置相关的势能函数的避障控制律使得机器人与其相邻机器人和外界障碍物不发生碰撞,仿真说明了这两种控制律的有效性。

摘要： 本发明公开了一种基于领航跟随法的机器人队形可变编队控制方法，包括以下步骤：以期望相对距离和期望相对角度表示编队信息；领航机器人判断是否需要进行队形变换；若是，更新当前编队信息并发送给跟随机器人；若否，领航机器人将当前速度信息和位姿信息发送给跟随机器人；跟随机器人计算当前位姿误差；跟随机器人判断当前位姿误差是否在零的小邻域内；若是，则保持前一时刻的控制输出量，保持队形；若否，则跟随机器人的控制器根据当前位姿误差计算当前控制输出量，跟随机器人根据当前控制输出量运行，队形变换。本发明还提供一种用于机器人队形可变编队控制的控制器。本发明同时适用于固定队形与队形可变的机器人编队，具有优良的适用性。

摘要： 本发明涉及一种基于队形库的多无人机队形编队方法，包括以下步骤：步骤1，根据编队任务中的编队队形请求，在预设队形库中选取基本队形，利用所述基本队形构建所述编队队形；所述编队队形中包含一个长机队形节点、多个僚机队形节点以及一个队形入口位置，所述队形入口位置为所述长机节点实时跟随的空间位置；步骤2，建立所述编队队形中各队形节点与无人机间的对应指派关系；步骤3，根据所述编队任务中所携带的任务队形入口位置以及所述对应指派关系确定每一架无人机的绝对位置期望值，按照所述编队队形编队排列。本发明中，实现了队形任意组合，同时实现了队形的快速、可视化、动态设计和复杂队形的基本元素拆分与重组。

摘要： 本发明涉及一种基于自抗扰控制器的无人机编队队形保持控制方法，属于无人机领域。本发明的编队机动指令模块、编队间隔指令模块分别负责发送地面站长机控制指令和编队间隔指令，驾驶仪模型用于接收控制指令，并控制无人机的运行状态，编队运动学模型用于实时计算长机、僚机之间的间隔距离状态，ADRC控制器接收编队间隔指令信号，并综合间隔反馈结果，输出僚机的控制信号，从而保障编队队形的保持。本发明设计了一套基于“长机‑僚机”编队的队形保持控制流程，能够对系统内外干扰进行动态估计和反馈补偿，实现僚机对长机的实时精确跟随，保障了系统控制的稳定性。

摘要： 本发明公开了一种基于领航跟随法的机器人队形可变编队控制方法，包括以下步骤：以期望相对距离和期望相对角度表示编队信息；领航机器人判断是否需要进行队形变换；若是，更新当前编队信息并发送给跟随机器人；若否，领航机器人将当前速度信息和位姿信息发送给跟随机器人；跟随机器人计算当前位姿误差；跟随机器人判断当前位姿误差是否在零的小邻域内；若是，则保持前一时刻的控制输出量，保持队形；若否，则跟随机器人的控制器根据当前位姿误差计算当前控制输出量，跟随机器人根据当前控制输出量运行，队形变换。本发明还提供一种用于机器人队形可变编队控制的控制器。本发明同时适用于固定队形与队形可变的机器人编队，具有优良的适用性。

摘要： 本发明涉及一种基于队形库的多无人机队形编队方法，包括以下步骤：步骤1，根据编队任务中的编队队形请求，在预设队形库中选取基本队形，利用所述基本队形构建所述编队队形；所述编队队形中包含一个长机队形节点、多个僚机队形节点以及一个队形入口位置，所述队形入口位置为所述长机节点实时跟随的空间位置；步骤2，建立所述编队队形中各队形节点与无人机间的对应指派关系；步骤3，根据所述编队任务中所携带的任务队形入口位置以及所述对应指派关系确定每一架无人机的绝对位置期望值，按照所述编队队形编队排列。本发明中，实现了队形任意组合，同时实现了队形的快速、可视化、动态设计和复杂队形的基本元素拆分与重组。

摘要： 本发明公开了一种基于预测的可变队形非完整移动机器人一致性控制方法，包括：在多机器人系统中，确定虚拟的领导者来领导其他所有的跟随者；建立非完整移动机器人的运动学模型；定义领导者‑跟随者时变一致性编队的控制对象；根据一致误差的定义，在笛卡尔坐标层面上，建立辅助一致编队机动轨迹子系统和编队跟踪子系统；用数学语言表达，建立优化编队模型神经动态优化分布式模型预测控制编队控制器。本发明解决了非完整移动机器人在信息变换拓扑下结构变化的时变一致性编队问题和系统物理的约束问题。

摘要： 本申请公开了无人船及其编队的队形保持控制方法，检测第一无人船与第二无人船之间的实际距离，以及根据实际距离和目标队形，调整第一无人船的航行方向和航行速度以使第一无人船与第二无人船保持目标队形，其中，目标队形表示第一无人船与第二无人船之间的距离在预设目标距离区间内。当无人船与编队中心通讯不佳时，可通过第一无人船与第二无人船之间的实际距离，及时调整第一无人船的航行方向和航行速度，从而使第一无人船与第二无人船保持目标队形。

摘要： 本发明提供一种参数约束下的抗饱和时变队形协同控制方法，包括：建立无人艇编队运动学动力学模型；对控制系统进行模型转换并确定控制目标；设计时变队形的抗饱和控制器；验证无人艇编队系统的有限时间稳定性和鲁棒性。通过设计时变编队控制器使得无人艇编队可随着时间改变队形以适应不同工况，并且通过设计控制器满足自身参数约束，实现了抗饱和的控制能力，相比于引入辅助系统等传统方法，简化了控制架构。在解决模型参数不确定的问题上，所设计的控制器具有优良的控制性能，可以保证跟踪误差最终收敛至零点，这是传统编队方法无法实现的。

摘要： 本发明公开一种多机编队队形控制描述方法，以及以此为基础的队形变换控制和目标跟踪方法。其中队形控制描述方法，通过构造编队参数组，将编队队形控制问题转换为旋转、平移和缩放三种运动的参数组描述；相应的变换控制方法实现了动态编队队形的精准生成与变换；相应的目标跟踪方法针对不同速度的运动目标，将目标跟踪问题分为Standoff跟踪与Persistent跟踪，缩短无人机编队的运动路程。本发明的相关方法，极大地简化了问题分析的复杂度，实现了动态编队队形的精准生成与变换，具有较大的实际工程价值。

摘要： 本发明公开了一种飞机多机密集编队队形控制方法及系统，首先对无人机的飞行位置进行定位；选定无人机的编队飞行模式，发送编队飞行指令；建立非线性系统模型，基于非线性系统模型引入自适应控制律，建立自适应动态逆控制律模型，得到对飞行误差的补偿数据，并将飞行误差的补偿数据输送至无人机，无人机将实时的飞行数据反馈至自适应动态逆控制律模型，得到无人机飞行的实时补偿数据，实时精确调整飞行中的补偿误差，保持无人机飞行过程中编队队形的稳定性，解决了无人机在飞行过程中由于单机偏差引起的连锁反应影响整体的编队队形的技术问题。