CN105786014B - 无人设备的控制方法和装置 - Google Patents
无人设备的控制方法和装置 Download PDFInfo
- Publication number
- CN105786014B CN105786014B CN201610188195.6A CN201610188195A CN105786014B CN 105786014 B CN105786014 B CN 105786014B CN 201610188195 A CN201610188195 A CN 201610188195A CN 105786014 B CN105786014 B CN 105786014B
- Authority
- CN
- China
- Prior art keywords
- ref
- system model
- model
- reachable
- path
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000004888 barrier function Effects 0.000 claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims description 50
- 238000005183 dynamical system Methods 0.000 claims description 30
- 230000003068 static effect Effects 0.000 claims description 26
- 230000003190 augmentative effect Effects 0.000 claims description 19
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 20
- 230000000977 initiatory effect Effects 0.000 description 4
- 230000009189 diving Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种无人设备的控制方法和装置,该方法包括:获取外部输入参考,所述外部输入参考为预先设置的规划路径,并根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径,再根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集,最后根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。能够同时满足外部环境约束和无人设备的动力学约束,从而能够避免无人设备与障碍物发生碰撞的情况。
Description
技术领域
本公开涉及无人设备控制领域,尤其涉及一种无人设备的控制方法和装置。
背景技术
无人机、无人车、无人船、无人潜水器等无人设备已经被越来越广泛的应用于军事及民事领域。面对不同的工作环境,无人设备需要具备确保自身安全运行并完成既定任务的能力。然而,由于其自身动力学约束及外部环境的约束,实现这一能力面临诸多挑战。
在当前的现有技术中,已经提出了一系列的路径规划方法,例如基于人工势场的方法、基于图理论的方法以及随机采用方法等,上述几种基于路径规划方法,可以得到满足外部环境约束的一系列路径点或可行路径,通过使无人设备跟踪这些路径点或可行路径来保证无人设备满足外部环境约束,例如不会与障碍物发生碰撞。然而,由于无人设备自身的动力学约束,现实情况中无人设备无法无偏差的跟踪可行路径,从而存在无人设备与障碍物发生碰撞的情况。
发明内容
本公开提供一种无人设备的控制方法和装置,用于解决现有技术中存在无人设备有可能会与障碍物发生碰撞的问题。
为了实现上述目的,本公开提供一种无人设备的控制方法,所述方法包括:
获取外部输入参考,所述外部输入参考为预先设置的规划路径;
根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径;
根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集;
根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
可选的,所述根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集包括:
a.根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型;
b.根据所述目标动力***模型生成静态状态反馈控制器的函数模型;
c.根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr;
d.判断所述当前子路径的终点是否被包含在所述可达集Sr中;
e.当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,并作为所述初始动力***模型再次执行步骤a~e,直至所述当前子路径的终点被包含在当前生成的可达集Sr中为止;
对所述至少一段子路径中的其他子路径执行步骤a~e,得到每段子路径的不变集以及对应的可达集。
可选的,所述根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr包括:
以所述初始动力***模型的平衡点为圆心,获取所述圆心与距离所述圆心最近的障碍物的距离;
以所述圆心与距离所述圆心最近的障碍物的距离为半径生成与所述障碍物的边缘相切的圆;
利用预设的所述外部参考输入的约束条件,以及预设的不变集约束条件在所述圆内生成所述目标动力***模型和所述静态状态反馈控制器的函数模型下不变集S以及与所述不变集对应的可达集Sr。
可选的,在当前的初始动力***模型不是以所述当前子路径的起点为平衡点的初始动力***模型时,所述根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr还包括:
根据所述当前的初始动力***模型的平衡点与所述起点的坐标关系,将所述不变集以及与所述不变集对应的可达集转换为以所述当前子路径的起点为平衡点的初始动力***模型的坐标系下的不变集和可达集。
可选的,所述当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,包括:
根据所述可达集Sr与所述当前子路径的交点确定所述新动力***模型的***输入的约束条件;
根据所述新动力***模型的***输入的约束条件确定所述新动力***模型。
可选的,所述初始动力***模型包括:
其中,x表示***状态,u表示控制输入,ω表示外部扰动,y表示***输出,且满足 Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m}和Ωω={ω(t)|-1≤ω(t)≤1},h, u为常数向量,A,B,C,D为预设维数的常数矩阵;
所述外部参考输入积分模型包括:
e(t)=∫(ref-y(t))dt
其中,e(t)表示误差向量,ref表示外部参考输入,
所述目标动力***模型包括:
其中,Ae,Be,Ce,De分别为A,B,C,D扩维后的矩阵,Fe为预设维数的常数矩阵,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn。
可选的,所述外部参考输入的约束条件包括:
所述外部输入参考满足Ωref={ref|refTQrref≤1};其中,ref表示外部参考输入,
所述不变集约束条件包括:
当存在参数η1>0,η2>0,η3>0,对角矩阵Qu,对称正定矩阵Wc,R,参数λ,正定对称矩阵W∈Rn×n,Wr∈Rp×p以及矩阵Y∈Rm×n满足预设条件时,所述目标动力***模型的不变集为对应的可达集为Sr={ref|refTQrref≤1},且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1,所述预设条件包括:
[Ip 0p×(n-p)]TWr[Ip 0p×(n-p)]≤W
W≤W0
λ>0
其中,Yi表示矩阵Y的第i列,对角矩阵Qu为线性二次型调节器LQR控制器参数矩阵,则是***(2)的不变集,Sr={ref|refTQrref≤1}是相应的可达集且且u(t)∈Ωu,其中,Ae,Be,De分别为A,B,D扩维后的矩阵,A,B,D,Fe为预设维数的常数矩阵,P=W-1,Ke=YP,Qr=Wr -1。
本公开还提供一种无人设备的控制装置,所述装置包括:
获取模块,用于获取外部输入参考,所述外部输入参考为预先设置的规划路径;
路径划分模块,用于根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径;
计算模块,用于根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集;
路径确定模块,用于根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
可选的,所述计算模块包括:
第一建模子模块,用于执行a.根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型;
第二建模子模块,用于执行b.根据所述目标动力***模型生成静态状态反馈控制器的函数模型;
计算子模块,用于执行c.根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr;
判断子模块,用于执行d.判断所述当前子路径的终点是否被包含在所述可达集Sr中;
第三建模子模块,用于执行e.当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,并作为所述初始动力***模型再次执行步骤a~e,直至所述当前子路径的终点被包含在当前生成的可达集Sr中为止;
所述第一建模子模块、所述第二建模子模块、所述计算子模块、所述判断子模块以及所述第三建模子模块还用于对所述至少一段子路径中的其他子路径分别执行步骤a~e,得到每段子路径的不变集以及对应的可达集。
可选的,所述计算子模块用于:
以所述初始动力***模型的平衡点为圆心,获取所述圆心与距离所述圆心最近的障碍物的距离;
以所述圆心与距离所述圆心最近的障碍物的距离为半径生成与所述障碍物的边缘相切的圆;
利用预设的所述外部参考输入的约束条件,以及预设的不变集约束条件在所述圆内生成所述目标动力***模型和所述静态状态反馈控制器的函数模型下不变集S以及与所述不变集对应的可达集Sr。
可选的,在当前的初始动力***模型不是以所述当前子路径的起点为平衡点的初始动力***模型时,所述计算子模块还用于:
根据所述当前的初始动力***模型的平衡点与所述起点的坐标关系,将所述不变集以及与所述不变集对应的可达集转换为以所述当前子路径的起点为平衡点的初始动力***模型的坐标系下的不变集和可达集。
可选的,所述第三建模子模块用于:
根据所述可达集Sr与所述当前子路径的交点确定所述新动力***模型的***输入的约束条件;
根据所述新动力***模型的***输入的约束条件确定所述新动力***模型。
可选的,所述初始动力***模型包括:
其中,x表示***状态,u表示控制输入,ω表示外部扰动,y表示***输出,且满足 Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m}和Ωω={ω(t)|-1≤ω(t)≤1},h, u为常数向量,A,B,C,D为预设维数的常数矩阵;
所述外部参考输入积分模型包括:
e(t)=∫(ref-y(t))dt
其中,e(t)表示误差向量,ref表示外部参考输入,
所述目标动力***模型包括:
其中,Ae,Be,Ce,De分别为A,B,C,D扩维后的矩阵,Fe为预设 维数的常数矩阵,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn。
可选的,所述外部参考输入的约束条件包括:
所述外部输入参考满足Ωref={ref|refTQrref≤1};其中,ref表示外部参考输入,
所述不变集约束条件包括:
当存在参数η1>0,η2>0,η3>0,对角矩阵Qu,对称正定矩阵Wc,R,参数λ,正定对称矩阵W∈Rn×n,Wr∈Rp×p以及矩阵Y∈Rm×n满足预设条件时,所述目标动力***模型的不变集为对应的可达集为Sr={ref|refTQrref≤1},且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1,所述预设条件包括:
[Ip 0p×(n-p)]TWr[Ip 0p×(n-p)]≤W
W≤W0
λ>0
其中,Yi表示矩阵Y的第i列,对角矩阵Qu为线性二次型调节器LQR控制器参数矩阵,则是***(2)的不变集,Sr={ref|refTQrref≤1}是相应的可达集且且u(t)∈Ωu,其中,Ae,Be,De分别为A,B,D扩维后的矩阵,A,B,D,Fe为预设维数的常数矩阵,P=W-1,Ke=YP,Qr=Wr -1。
本公开提供的无人设备的控制方法和装置,通过获取外部输入参考,所述外部输入参考为预先设置的规划路径,并根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径,再根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集,最后根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。可见通过结合预先设置的规划路径以及无人设备的动力***模型,能够同时满足外部环境约束和无人设备的动力学约束,从而能够避免无人设备与障碍物发生碰撞的情况。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本公开的进一步理解,并且构成说明书的一部分,与下面的具体实施方式一起用于解释本公开,但并不构成对本公开的限制。在附图中:
图1是本公开一实施例提供的一种无人设备的控制方法的流程示意图;
图2是本公开另一实施例提供的一种无人设备的控制方法的流程示意图;
图3是图2所示实施例示出的不变集和可达集的关系示意图;
图4a是图2所示实施例示出的一种计算不变集和可达集的示意图;
图4b是图2所示实施例示出的一种计算不变集和可达集的示意图;
图4c是图2所示实施例示出的实际路径的示意图;
图5a是图2所示实施例示出的规划路径的示意图;
图5b是图2所示实施例示出的规划路径中的可达集的示意图;
图5c是图2所示实施例示出的基于规划路径得到的实际路径的示意图;
图6是本公开实施例提供的一种无人设备的控制装置的框图;
图7是图6所示实施例提供的一种计算模块的框图。
具体实施方式
以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是,此处所描述的具体实施方式仅用于说明和解释本公开,并不用于限制本公开。
图1是本公开一实施例提供的一种无人设备的控制方法的流程示意图,参见图1,该无人设备的控制方法可以包括以下步骤:
步骤101,获取外部输入参考,所述外部输入参考为预先设置的规划路径。
步骤102,根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径。
步骤103,根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集。
步骤104,根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
其中,外部输入参考为预先规划的规划路径,该规划路径可以包括若干段直路(或者近似直路),因此可以根据规划路径中的拐点(可以理解为相邻的走向不同的两段路的连接点)该规划路径划分为至少一段子路径(其中,如果只有一段子路径则该子路径就是该规划路径本身,例如,规划路径中不 存在拐点的情况)。
本公开各个实施例中所涉及的无人设备可以是无人机、无人车、无人船、无人潜水器等无人设备,引入所述无人设备的初始动力***模型是基于对无人设备自身动力学约束的考虑,示例地,该无人设备的初始动力***模型可以包括:
后文将上述公式(1)称为***(1),其中,x表示***状态,u表示控制输入,ω表示外部扰动,y表示***输出,且满足 Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m}和Ωω={ω(t)|-1≤ω(t)≤1},表示x(t)的一阶导数,h, u为常数向量,A,B,C,D为预设维数的常数矩阵。
引入所述预设的外部参考输入积分模型,是为了实现对外部参考输入的跟踪,示例地,该外部参考输入积分模型可以包括以下积分器:
e(t)=∫(ref-y(t))dt
其中,e(t)表示误差向量,ref表示外部参考输入,
根据外部参考输入积分模型将***(1)进行扩维,并定义新的状态向量xe(t)=[xT(t) eT(t)]T∈Rn,则可以得到新的动力***模型,我们可以将其成为目标动力***模型,该目标动力***模型可以包括:
后文将上述公式(2)称为***(2),其中,Ae,Be,Ce,De分别为A,B,C,D扩维后的矩阵,Fe为预设维数的常数矩阵,xe(t)表示扩维后的***状态。
基于***(2)可以确定以下静态状态反馈控制器的函数模型:
u(t)=Kexe(t) (3)
其中,Ke为待设计的反馈矩阵。后文将公式(3)称为静态状态反馈控制器(3)。
***(2)和静态状态反馈控制器(3)可以用于计算不变集和可达集。
下面给出不变集以及可达集的相关定义:
不变集:如果对于所有的x(0)∈S都有x(t)∈S,则集合是***(1)的不变集。特别的,当t>0时,若上述条件成立,则S是正不变的。
鲁棒可控不变集:如果x∈Ωx,u∈Ωu,ω∈Ωω且存在一个反馈控制器u(t)=Kx(t)使S对于这一闭环***是正不变的,则是***(1)的鲁棒可控不变集,其中K为待设计的反馈矩阵。
另外,设V>0是x(t)的函数,若则几何Sρ={x(t)|V(x(t))≤ρ}是正不变的,其中ρ为正实数。
可达集:***(2)的可达集Sr定义为:
图2是本公开另一实施例提供的一种无人设备的控制方法的流程示意图,参见图2,上述步骤103所述的根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集可以包括以下步骤:
步骤1031,根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型。
其中,所述初始动力***模型以当前子路径的起点为平衡点。
假设当前的子路径为路径L0L1,其中,路径L0L1的起点为L0,终点为 L1。所述初始动力***模型以当前子路径的起点L0为平衡点即所述初始动力***模型所在的坐标系以起点L0为坐标系的原点。由于前文已经说明了根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型的方法,因此这里不再进行赘述。
步骤1032,根据所述目标动力***模型生成静态状态反馈控制器的函数模型。
由于前文已经说明了根据所述目标动力***模型生成静态状态反馈控制器的函数模型的方法,此处不再赘述。
步骤1033,根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr。
首先,以所述初始动力***模型的平衡点为圆心,获取所述圆心与距离所述圆心最近的障碍物的距离;
其次,以所述圆心与距离所述圆心最近的障碍物的距离为半径生成与所述障碍物的边缘相切的圆;
再次,利用预设的所述外部参考输入的约束条件,以及预设的不变集约束条件在所述圆内生成所述目标动力***模型和所述静态状态反馈控制器的函数模型下不变集S以及与所述不变集S对应的可达集Sr。
示例地,图3是图2所示实施例示出的不变集和可达集的关系示意图,参见图3,以路径L0L1为例,假设当前的初始动力***模型的平衡点为路径L0L1的起点L0,则以起点L0为圆心,获取起点L0与距离起点L0最近的障碍物的距离d;然后,以以起点L0为圆心,距离d为半径构造一个圆Sc,则这个圆Sc与该距离最近的障碍物的边缘相切,从而在该圆Sc内生成不变集以及可达集可以保证无人设备与障碍物不想交。
下面介绍不变集与可达集的计算过程:
示例地,考虑到***(2)和静态状态反馈控制器(3),上述的所述外部参考输入的约束条件可以包括:所述外部输入参考满足Ωref={ref|refTQrref≤1};其中,ref表示外部参考输入,并且可以采用椭圆不变集,即则通过以下所述的不变集约束条件可以计算出不变集S以及对应的可达集Sr,该不变集约束条件可以包括:
当存在参数η1>0,η2>0,η3>0,对角矩阵Qu,对称正定矩阵Wc,R,参数λ,正定对称矩阵W∈Rn×n,Wr∈Rp×p以及矩阵Y∈Rm×n满足预设条件时,所述目标动力***模型的不变集为对应的可达集为Sr={ref|refTQrref≤1},且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1,所述预设条件包括:
[Ip 0p×(n-p)]TWr[Ip 0p×(n-p)]≤W
W≤W0
λ>0
其中,Yi表示矩阵Y的第i列,对角矩阵Qu为LQR(Linear Quadratic Regulator,线性二次型调节器)控制器参数矩阵,。则可以保证 是***(2)的不变集,Sr={ref|refTQrref≤1}是相应的可达集且且u(t)∈Ωu,其中,Ae,Be,De分别为A,B,D扩维后的矩阵,A,B,D,Fe为预设维数的常数矩阵,P=W-1,Ke=YP,Qr=Wr -1。
从而,通过上述方法即可计算出以起点L0为平衡点的***(2)的不变集S以及可达集Sr,示例地,可达集Sr与不变集S的关系可以如图3所示。
步骤1034,判断所述当前子路径的终点是否被包含在所述可达集Sr中。
步骤1035,当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,并作为所述初始动力***模型再次执行步骤1031~1035,直至所述当前子路径的终点被包含在当前生成的可达集Sr中为止。
由于在步骤1034中计算出的不变集S以及可达集Sr是以起点L0为平衡点的***(2)的不变集以及与可达集,因此,该不变集S和该可达集Sr在下文可以记为不变集S0和可达集Sr0。
示例地,图4a是图2所示实施例示出的一种计算不变集和可达集的示意图,参见图4a,路径L0L1的终点L1没有被包括在可达集Sr0中,则可以将可达集Sr0与路径L0L1的交点c1作为新的平衡点,生成以c1平衡点的新动力***模型。
首先,可以根据所述可达集Sr0与所述当前子路径L0L1的交点c1确定所述新动力***模型的***输入的约束条件,示例地,考虑新***与原***之间的区别仅在于平衡点不同(相对于原有***的坐标系),因此采用改变***的控制输入的约束的方法,移动***的平衡点,该约束条件可以包括:
其中,B+表示矩阵B的伪逆,将该新动力***模型的控制输入的约束条件改写为-β≤u(t)≤α,再将其转换为如下对称形式:
其中,ζ和z(t)分别表示u(t)中与时间有关的常数项和相关项,同时,定义新的状态变量则该新动力***模型可以表示为:
后文将上述公式(4)称为***(4),其中,由于***(4)的平衡点为xc1(其相对于***(1)坐标系),而相对于其自身坐标系为原点,因此可以在***(4)自身坐标系下利用前述的方法计算不变集和可达集,分别记为和并将不变集和可达集平移至***(1)坐标系,可以将平移至***(1)坐标系后的不变集和可达集分别记为不变集S1和可达集Sr1。
而后,继续判断当所述当前子路径的终点L1是否被包含在所述可达集Sr1中,如果当前子路径的终点被包含在所述可达集Sr1中,则当前子路径L0L1的计算不变集与可达集的流程就结束了。如果当前子路径的终点未被包含在所述可达集Sr1中,则将可达集Sr1与路径L0L1的交点c2作为新的平衡点,生成以c2平衡点的新动力***模型,并重复进行上述方法计算出不变集S2和可达集Sr2,并以此类推,直至计算出可达集Srn,使得该可达集Srn能够包含路径L0L1的终点L1为止。
上述步骤104所述的根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径的步骤包括:
对多规划路径中其他路径也同样执行上述的步骤1031~1035,从而得到 每段子路径的不变集以及对应的可达集,而后根据根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
示例地,图4b是图2所示实施例示出的一种计算不变集和可达集的示意图,参见图4b,图中包括不变集S1和可达集Sr1,路径L0L1的终点L1被包括在可达集Sr1中,则根据可达集Sr1与L0L1的交点以及路径L0L1的起点L0确定最终的实际路径。示例地,该实际路径可以如图4c所示。
同理,可以得出整个规划路径的最终实际的路径,如图5a-5c所示,图5a是图2所示实施例示出的规划路径的示意图,图5b是图2所示实施例示出的规划路径中的可达集的示意图,图5c是图2所示实施例示出的基于规划路径得到的实际路径的示意图。
本公开提供的无人设备的控制方法,通过获取外部输入参考,所述外部输入参考为预先设置的规划路径,并根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径,再根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集,最后根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。可见通过结合预先设置的规划路径以及无人设备的动力***模型,能够同时满足外部环境约束和无人设备的动力学约束,从而能够避免无人设备与障碍物发生碰撞的情况。
图6是本公开实施例提供的一种无人设备的控制装置的框图,参见图6,该无人设备的控制装置600包括:
获取模块610,用于获取外部输入参考,所述外部输入参考为预先设置的规划路径;
路径划分模块620,用于根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径;
计算模块630,用于根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集;
路径确定模块640,用于根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
可选的,图7是图6所示实施例提供的一种计算模块的框图,参见图7,所述计算模块630包括:
第一建模子模块631,用于执行a.根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型,所述初始动力***模型以当前子路径的起点为平衡点,所述初始动力***模型以当前子路径的起点为平衡点;
第二建模子模块632,用于执行b.根据所述目标动力***模型生成静态状态反馈控制器的函数模型;
计算子模块633,用于执行c.根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr;
判断子模块634,用于执行d.判断所述当前子路径的终点是否被包含在所述可达集Sr中;
第三建模子模块635,用于执行e.当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,并作为所述初始动力***模型再次执行步骤a~e,直至所述当前子路径的终点被包含在当前生成的可达集Sr中为止;
所述第一建模子模块631、所述第二建模子模块632、所述计算子模块633、所述判断子模块634以及所述第三建模子模块635还用于对所述至少一段子路径中的其他子路径分别执行步骤a~e,得到每段子路径的不变集以及对应的可达集。
可选的,所述计算子模块633用于:
以所述初始动力***模型的平衡点为圆心,获取所述圆心与距离所述圆心最近的障碍物的距离;
以所述圆心与距离所述圆心最近的障碍物的距离为半径生成与所述障碍物的边缘相切的圆;
利用预设的所述外部参考输入的约束条件,以及预设的不变集约束条件在所述圆内生成所述目标动力***模型和所述静态状态反馈控制器的函数模型下不变集S以及与所述不变集对应的可达集Sr。
可选的,在当前的初始动力***模型不是以所述当前子路径的起点为平衡点的初始动力***模型时,所述计算子模块633还用于:
根据所述当前的初始动力***模型的平衡点与所述起点的坐标关系,将所述不变集以及与所述不变集对应的可达集转换为以所述当前子路径的起点为平衡点的初始动力***模型的坐标系下的不变集和可达集。
可选的,所述第三建模子模块635用于:
根据所述可达集Sr与所述当前子路径的交点确定所述新动力***模型的***输入的约束条件;
根据所述新动力***模型的***输入的约束条件确定所述新动力***模型。
可选的,所述初始动力***模型包括:
其中,x表示***状态,u表示控制输入,ω表示外部扰动,y表示***输出,且满足 Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m}和Ωω={ω(t)|-1≤ω(t)≤1},h, u为常数向量,A,B,C,D为预设维数的常数 矩阵;
所述外部参考输入积分模型包括:
e(t)=∫(ref-y(t))dt
其中,e(t)表示误差向量,ref表示外部参考输入,
所述目标动力***模型包括:
其中,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn。
可选的,所述外部参考输入的约束条件包括:
所述外部输入参考满足Ωref={ref|refTQrref≤1};其中,ref表示外部参考输入,
所述不变集约束条件包括:
当存在参数η1>0,η2>0,η3>0,对角矩阵Qu,对称正定矩阵Wc,R,参数λ,正定对称矩阵W∈Rn×n,Wr∈Rp×p以及矩阵Y∈Rm×n满足预设条件时,所述目标动力***模型的不变集为对应的可达集为Sr={ref|refTQrref≤1},且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1,所述预设条件包括:
[Ip 0p×(n-p)]TWr[Ip 0p×(n-p)]≤W
W≤W0
λ>0
其中Yi表示矩阵Y的第i列,对角矩阵Qu为LQR控制器参数矩阵, 则可以保证是***(2)的不变集,Sr={ref|refTQrref≤1}是相应的可达集且且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1。
本公开提供的无人设备的控制装置,通过获取外部输入参考,所述外部输入参考为预先设置的规划路径,并根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径,再根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集,最后根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。可见通过结合预先设置的规划路径以及无人设备的动力***模型,能够同时满足外部环境约束和无人设备的动力学约束,从而能够避免无人设备与障碍物发生碰撞的情况。
以上结合附图详细描述了本公开的优选实施方式,但是,本公开并不限于上述实施方式中的具体细节,在本公开的技术构思范围内,可以对本公开的技术方案进行多种简单变型,这些简单变型均属于本公开的保护范围。
另外需要说明的是,在上述具体实施方式中所描述的各个具体技术特征,在不矛盾的情况下,可以通过任何合适的方式进行组合,为了避免不必要的重复,本公开对各种可能的组合方式不再另行说明。
此外,本公开的各种不同的实施方式之间也可以进行任意组合,只要其不违背本公开的思想,其同样应当视为本公开所公开的内容。
Claims (12)
1.一种无人设备的控制方法,其特征在于,所述方法包括:
获取外部参考输入,所述外部参考输入为预先设置的规划路径;
根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径;
根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集,包括:a.根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型;b.根据所述目标动力***模型生成静态状态反馈控制器的函数模型;c.根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr;d.判断当前子路径的终点是否被包含在所述可达集Sr中;e.当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,并作为所述初始动力***模型再次执行步骤a~e,直至所述当前子路径的终点被包含在当前生成的可达集Sr'中为止,并将所述可达集Sr'作为所述当前子路径的不变集对应的可达集;对所述至少一段子路径中的其他子路径执行步骤a~e,得到每段子路径的不变集以及对应的可达集;所述外部参考输入积分模型为用于实现对所述外部参考输入的跟踪的积分器;
根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
2.根据权利要求1所述的无人设备的控制方法,其特征在于,所述根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr包括:
以所述初始动力***模型的平衡点为圆心,获取所述圆心与距离所述圆心最近的障碍物的距离;
以所述圆心与距离所述圆心最近的障碍物的距离为半径生成与所述障碍物的边缘相切的圆;
利用预设的所述外部参考输入的约束条件,以及预设的不变集约束条件在所述圆内生成所述目标动力***模型和所述静态状态反馈控制器的函数模型下不变集S以及与所述不变集对应的可达集Sr。
3.根据权利要求2所述的无人设备的控制方法,其特征在于,在当前的初始动力***模型不是以所述当前子路径的起点为平衡点的初始动力***模型时,所述根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr还包括:
根据所述当前的初始动力***模型的平衡点与所述起点的坐标关系,将所述不变集以及与所述不变集对应的可达集转换为以所述当前子路径的起点为平衡点的初始动力***模型的坐标系下的不变集和可达集。
4.根据权利要求1所述的无人设备的控制方法,其特征在于,所述当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,包括:
根据所述可达集Sr与所述当前子路径的交点确定所述新动力***模型的***输入的约束条件;
根据所述新动力***模型的***输入的约束条件确定所述新动力***模型。
5.根据权利要求1所述的无人设备的控制方法,其特征在于,所述初始动力***模型包括:
其中,x表示***状态,u表示控制输入,ω表示外部扰动,y表示***输出,且满足 Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m}和Ωω={ω(t)|-1≤ω(t)≤1},表示x(t)的一阶导数,h, u为常数向量,A,B,C,D为预设维数的常数矩阵;
所述外部参考输入积分模型包括:
e(t)=∫(ref-y(t))dt
其中,e(t)表示误差向量,ref表示外部参考输入,Ωref={ref|refTQrref≤1},Qr=Wr -1,Wr为正定对称矩阵,Wr∈Rp×p;
所述目标动力***模型包括:
其中,Ae,Be,Ce,De分别为A,B,C,D扩维后的矩阵,Fe为预设维数的常数矩阵,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn。
6.根据权利要求2所述的无人设备的控制方法,其特征在于,所述外部参考输入的约束条件包括:
所述外部参考输入满足Ωref={ref|refTQrref≤1};其中,ref表示外部参考输入,
所述不变集约束条件包括:
当存在参数η1>0,η2>0,η3>0,对角矩阵Qu,对称正定矩阵Wc,R,参数λ,正定对称矩阵W∈Rn×n,Wr∈Rp×p以及矩阵Y∈Rm×n满足预设条件时,所述目标动力***模型的不变集为对应的可达集为Sr={ref|refTQrref≤1},且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1,所述预设条件包括:
[Ip 0p×(n-p)]TWr[Ip 0p×(n-p)]≤W
W≤W0
λ>0
其中,Yi表示矩阵Y的第i列,对角矩阵Qu为线性二次型调节器LQR控制器参数矩阵,则是所述目标动力***模型的不变集,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn,Sr={ref|refTQrref≤1}是相应的可达集且且Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m},其中,u表示控制输入,h,和u为常数向量,Ae,Be,De分别为A,B,D扩维后的矩阵,A,B,D,Fe为预设维数的常数矩阵,P=W-1,Ke=YP,Qr=Wr -1。
7.一种无人设备的控制装置,其特征在于,所述装置包括:
获取模块,用于获取外部参考输入,所述外部参考输入为预先设置的规划路径;
路径划分模块,用于根据所述规划路径中的拐点将所述规划路径划分为至少一段子路径;
计算模块,用于根据无人设备的初始动力***模型以及预设的外部参考输入积分模型分别获取每段子路径的不变集以及对应的可达集,所述计算模块包括:第一建模子模块,用于执行a.根据所述初始动力***模型以及预设的外部参考输入积分模型获取所述无人设备的目标动力***模型;第二建模子模块,用于执行b.根据所述目标动力***模型生成静态状态反馈控制器的函数模型;计算子模块,用于执行c.根据所述目标动力***模型和所述静态状态反馈控制器的函数模型生成所述目标动力***模型的不变集S以及与所述不变集S对应的可达集Sr;判断子模块,用于执行d.判断当前子路径的终点是否被包含在所述可达集Sr中;第三建模子模块,用于执行e.当所述当前子路径的终点未被包含在所述可达集Sr中时,生成以所述可达集Sr与所述当前子路径的交点为平衡点的新动力***模型,并作为所述初始动力***模型再次执行步骤a~e,直至所述当前子路径的终点被包含在当前生成的可达集Sr'中为止,并将所述可达集Sr'作为所述当前子路径的不变集对应的可达集;所述第一建模子模块、所述第二建模子模块、所述计算子模块、所述判断子模块以及所述第三建模子模块还用于对所述至少一段子路径中的其他子路径分别执行步骤a~e,得到每段子路径的不变集以及对应的可达集;所述外部参考输入积分模型为用于实现对所述外部参考输入的跟踪的积分器;
路径确定模块,用于根据每段子路径的可达集与该段子路径的交点确定无人设备的实际路径。
8.根据权利要求7所述的无人设备的控制装置,其特征在于,所述计算子模块用于:
以所述初始动力***模型的平衡点为圆心,获取所述圆心与距离所述圆心最近的障碍物的距离;
以所述圆心与距离所述圆心最近的障碍物的距离为半径生成与所述障碍物的边缘相切的圆;
利用预设的所述外部参考输入的约束条件,以及预设的不变集约束条件在所述圆内生成所述目标动力***模型和所述静态状态反馈控制器的函数模型下不变集S以及与所述不变集对应的可达集Sr。
9.根据权利要求8所述的无人设备的控制装置,其特征在于,在当前的初始动力***模型不是以所述当前子路径的起点为平衡点的初始动力***模型时,所述计算子模块还用于:
根据所述当前的初始动力***模型的平衡点与所述起点的坐标关系,将所述不变集以及与所述不变集对应的可达集转换为以所述当前子路径的起点为平衡点的初始动力***模型的坐标系下的不变集和可达集。
10.根据权利要求7所述的无人设备的控制装置,其特征在于,所述第三建模子模块用于:
根据所述可达集Sr与所述当前子路径的交点确定所述新动力***模型的***输入的约束条件;
根据所述新动力***模型的***输入的约束条件确定所述新动力***模型。
11.根据权利要求7所述的无人设备的控制装置,其特征在于,所述初始动力***模型包括:
其中,x表示***状态,u表示控制输入,ω表示外部扰动,y表示***输出,且满足 Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m}和Ωω={ω(t)|-1≤ω(t)≤1},h, u为常数向量,A,B,C,D为预设维数的常数矩阵;
所述外部参考输入积分模型包括:
e(t)=∫(ref-y(t))dt
其中,e(t)表示误差向量,ref表示外部参考输入,Ωref={ref|refTQrref≤1},Qr=Wr -1,Wr为正定对称矩阵,Wr∈Rp×p;
所述目标动力***模型包括:
其中,Ae,Be,Ce,De分别为A,B,C,D扩维后的矩阵,Fe为预设维数的常数矩阵,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn。
12.根据权利要求8所述的无人设备的控制装置,其特征在于,所述外部参考输入的约束条件包括:
所述外部参考输入满足Ωref={ref|refTQrref≤1};其中,ref表示外部参考输入,
所述不变集约束条件包括:
当存在参数η1>0,η2>0,η3>0,对角矩阵Qu,对称正定矩阵Wc,R,参数λ,正定对称矩阵W∈Rn×n,Wr∈Rp×p以及矩阵Y∈Rm×n满足预设条件时,所述目标动力***模型的不变集为对应的可达集为Sr={ref|refTQrref≤1},且u(t)∈Ωu,其中P=W-1,Ke=YP,Qr=Wr -1,所述预设条件包括:
[Ip 0p×(n-p)]TWr[Ip 0p×(n-p)]≤W
W≤W0
λ>0
其中,Yi表示矩阵Y的第i列,对角矩阵Qu为线性二次型调节器LQR控制器参数矩阵,则是所述目标动力***模型的不变集,xe(t)表示扩维后的***状态,xe(t)=[xT(t) eT(t)]T∈Rn,Sr={ref|refTQrref≤1}是相应的可达集且且u(t)∈Ωu,Ωu={u(t)|-u i≤ui(t)≤u i,i=1,...m},其中,u表示控制输入,h,和u为常数向量,Ae,Be,De分别为A,B,D扩维后的矩阵,A,B,D,Fe为预设维数的常数矩阵,P=W-1,Ke=YP,Qr=Wr -1。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610188195.6A CN105786014B (zh) | 2016-03-29 | 2016-03-29 | 无人设备的控制方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610188195.6A CN105786014B (zh) | 2016-03-29 | 2016-03-29 | 无人设备的控制方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105786014A CN105786014A (zh) | 2016-07-20 |
CN105786014B true CN105786014B (zh) | 2018-09-21 |
Family
ID=56392105
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610188195.6A Active CN105786014B (zh) | 2016-03-29 | 2016-03-29 | 无人设备的控制方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105786014B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10012988B2 (en) | 2016-11-29 | 2018-07-03 | Mitsubishi Electric Research Laboratories, Inc. | Methods and systems for path planning using a network of safe-sets |
US10994729B2 (en) * | 2017-03-29 | 2021-05-04 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling lateral motion of vehicle |
US11091158B2 (en) * | 2018-06-24 | 2021-08-17 | Mitsubishi Electric Research Laboratories, Inc. | System and method for controlling motion of vehicle with variable speed |
CN109695540B (zh) * | 2018-12-13 | 2020-06-09 | 扬州大学 | 基于综合关联改进型de算法的风力机翼型最优lqr控制方法 |
CN109669459B (zh) * | 2018-12-28 | 2022-05-10 | 西北工业大学 | 一种采用不变集的动态反馈路径规划方法 |
CN116494993B (zh) * | 2023-04-04 | 2024-06-21 | 同济大学 | 考虑高精度车辆动力特性的智能驾驶实时轨迹规划方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495631A (zh) * | 2011-12-09 | 2012-06-13 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆跟踪预定轨迹的智能控制方法 |
CN102854880A (zh) * | 2012-10-08 | 2013-01-02 | 中国矿业大学 | 面向混合地形区域不确定环境的机器人全局路径规划方法 |
CN104808682A (zh) * | 2015-03-10 | 2015-07-29 | 成都市优艾维机器人科技有限公司 | 小型旋翼无人机自主避障飞行控制***及控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9665104B2 (en) * | 2013-07-22 | 2017-05-30 | The United States Of America As Represented By The Secretary Of The Air Force | Store separation autopilot |
-
2016
- 2016-03-29 CN CN201610188195.6A patent/CN105786014B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102495631A (zh) * | 2011-12-09 | 2012-06-13 | 中国科学院合肥物质科学研究院 | 一种无人驾驶车辆跟踪预定轨迹的智能控制方法 |
CN102854880A (zh) * | 2012-10-08 | 2013-01-02 | 中国矿业大学 | 面向混合地形区域不确定环境的机器人全局路径规划方法 |
CN104808682A (zh) * | 2015-03-10 | 2015-07-29 | 成都市优艾维机器人科技有限公司 | 小型旋翼无人机自主避障飞行控制***及控制方法 |
Non-Patent Citations (4)
Title |
---|
Collision Avoidance for UAVs Using Reachable Sets;Yucong Lin,等;《2015 International Conference on Unmanned Aircraft Systems (ICUAS)》;20150630;226-235 * |
Path-Guided Artificial Potential Fields with Stochastic Reachable Sets for Motion Planning in Highly Dynamic Environments;Hao-Tien Chiang,等;《2015 IEEE International Conference on Robotics and Automation (ICRA)》;20150531;2347-2354 * |
Safety Control of Robots under Computed Torque Control Using Reachable Sets;Aaron Pereira,等;《2015 IEEE International Conference on Robotics and Automation (ICRA)》;20150531;331-338 * |
基于可达集的鲁棒模型预测控制;王亚锋,等;《信息与控制》;20111031;第40卷(第5期);669-685 * |
Also Published As
Publication number | Publication date |
---|---|
CN105786014A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105786014B (zh) | 无人设备的控制方法和装置 | |
Li et al. | Path planning for mobile robot using self-adaptive learning particle swarm optimization | |
Lim et al. | Constrained path planning of autonomous underwater vehicle using selectively-hybridized particle swarm optimization algorithms | |
Lenz et al. | Stochastic model predictive controller with chance constraints for comfortable and safe driving behavior of autonomous vehicles | |
Li et al. | An improved artificial potential field method for solving local minimum problem | |
CN109163728B (zh) | 一种动态环境避障方法、控制器及机器人 | |
Fan et al. | Formation control of multiple unmanned surface vehicles using the adaptive null-space-based behavioral method | |
Lin | Differential games for multi-agent systems under distributed information | |
Shafiei et al. | Application of neural network and genetic algorithm in identification of a model of a variable mass underwater vehicle | |
Taheri et al. | Design boundary layer thickness and switching gain in SMC algorithm for AUV motion control | |
Liu et al. | Fractional optimal control for malware propagation in the internet of underwater Things | |
Huang et al. | A cooperative hunting algorithm of multi-AUV in 3-D dynamic environment | |
Arslan et al. | Information-theoretic stochastic optimal control via incremental sampling-based algorithms | |
Gronemeyer et al. | Using particle swarm optimization for source seeking in multi-agent systems | |
Tuba et al. | Water cycle algorithm for robot path planning | |
Jasna et al. | Remodeled A* algorithm for mobile robot agents with obstacle positioning | |
Zhang | Semitensor product based adaptive control for attitude tracking of spacecraft with unknown external disturbances | |
Pavlovskii et al. | A mathematical model of a 2D homogeneous swarm of robots | |
Wu et al. | Design of mixed H-two/H-infinity optimal control systems using multiobjective differential evolution algorithm | |
Bakolas | Partitioning algorithms for homogeneous multi-vehicle systems with planar rigid body dynamics | |
Hung et al. | IEEEexample: BSTcontrol Optimal Sensing for Tracking Task by Heterogeneous Multi-UAV Systems | |
Cella et al. | Fueling Glocal: Optimization-Based Path Planning for Indoor Uavs in AN Autonomous Exploration Framework | |
Bethencourt et al. | Controller design and implementation for a differential drive wheeled mobile robot | |
Zhang et al. | Path planning for the mobile robots in the environment with unknown obstacles | |
Dworak | A type of fuzzy TS controller for a nonlinear MIMO dynamic plant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |