CN109144047A - 一种基于多智能体***的有限时间编队控制方法 - Google Patents
一种基于多智能体***的有限时间编队控制方法 Download PDFInfo
- Publication number
- CN109144047A CN109144047A CN201810601356.9A CN201810601356A CN109144047A CN 109144047 A CN109144047 A CN 109144047A CN 201810601356 A CN201810601356 A CN 201810601356A CN 109144047 A CN109144047 A CN 109144047A
- Authority
- CN
- China
- Prior art keywords
- formation
- intelligent body
- agent
- finite time
- agent system
- 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.)
- Granted
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 13
- 239000003795 chemical substances by application Substances 0.000 claims description 57
- 238000004891 communication Methods 0.000 claims description 22
- 230000009885 systemic effect Effects 0.000 claims description 4
- 238000009795 derivation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 2
- 210000004227 basal ganglia Anatomy 0.000 abstract 3
- 238000005755 formation reaction Methods 0.000 abstract 3
- 238000001514 detection method Methods 0.000 abstract 2
- 230000006870 function Effects 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 230000033001 locomotion Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- TVZRAEYQIKYCPH-UHFFFAOYSA-N 3-(trimethylsilyl)propane-1-sulfonic acid Chemical compound C[Si](C)(C)CCCS(O)(=O)=O TVZRAEYQIKYCPH-UHFFFAOYSA-N 0.000 description 1
- 241000272814 Anser sp. Species 0.000 description 1
- 241000282461 Canis lupus Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0255—Control of position or course in two dimensions specially adapted to land vehicles using acoustic signals, e.g. ultra-sonic singals
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0268—Control of position or course in two dimensions specially adapted to land vehicles using internal positioning means
-
- 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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Electromagnetism (AREA)
- Acoustics & Sound (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种多机器人编队方法,具体涉及一种具有行为选择功能的多机器人编队方法,以解决传统编队方法中***的鲁棒性较差,可靠性难以保证等问题。具体步骤为:步骤一、设定与位置相关的检测收益计算方法;步骤二、定义机器人的具体行为;步骤三、确定基底神经节的通道数量,建立基底神经节通道模型,初始化相关参数;步骤四:校正基底神经节的通道模型参数。本发明用于多机器人检测任务中编队协同控制。
Description
技术领域
本发明涉及多智能体编队控制领域,具体涉及一种多智能体***分布式编队控制方法。
背景技术
多智能体***是当今通信领域和控制领域相结合的研究热点。多智能体技术的应用领域非常广阔,包括智能机器人***,交通控制,制造***,分布式决策***等多个方面。很多***由多个具备一定的感知和通信能力的智能体组成,而且各智能体之间通过无线通信网络,相互协作完成给定的任务,这样的***被称为多智能体***。其中的智能体被认为是一个物理或抽象的、能在一定环境下运行的实体,它能作用于自身和环境,并对环境做出反应。
在自然界中,非常多的现象可以看成是多智能体编队控制的问题,比如说蚂蚁协作进行食物搬运,雁群集体飞行度夏越冬,狼群团队捕杀猎物等,这些动物所构成的集合有着相同的特征,数目庞大个体简单,个体之间存在着某种信息交互的拓扑结构。每个个体有着在给定环境下认识环境、影响环境的能力。将群体中每个个体抽象为一个多智能体成员,将群体间信息的交互关系抽象为一个拓扑结构,将每个个体状态变化的规律抽象为一个控制律,这便是研究多智能体***编队控制的基本模型。
发明内容
本发明的目的在于针对现有技术的不足,提供一种基于多智能体***的有限时间编队控制算法,通过每个智能体收集相邻智能体的位置信息,利用其差值设计控制律,引入有限时间控制策略,设计控制协议使整个***达到指定的编队队形。
本发明为解决技术问题采取如下技术方案:
一种基于多智能体***的有限时间编队控制方法,包括以下步骤:
步骤1:在预设多智能体通信网络中部署多个智能体;编号为i=1,...,n,n≥3,每个智能体可以获得相邻智能体的位置信息,且信息的交互是对称的;不同时刻每个智能体周围的邻居智能体是不同的,当智能体之间的距离小于某个特定值时,通讯会自动成立,相反地,当智能体之间地距离大于该值时,通讯自动断开。
步骤2:对于每个智能体给出相应的编队信息;
步骤3:设计控制协议使每个智能体达到***预设的队形位置时,其速度信息保持不变,***按照给定队形前进,直到遇到障碍或接收新的队形信息且各智能体会做出相应的调整。
更进一步的,所述的智能体还包括数据采集模块,所述数据采集模块包括:红外传感器、超声波传感器和电子罗盘。
更进一步的,所述的***预设队形位置为水平面。
更进一步的,所述多个智能体***中单个智能体模型要求为:
上式中,xi(t)为该智能体在水平面内的位置向量,ui(t)为针对该多智能体设计的控制协议。
更进一步的,所述步骤2的编队控制目标为:
上式中hi为对应于第i个多智能体成员编队信息,其对时间的导数为T∈[0,+∞)是一个有限的时间上界,在这个时间范围内,多智能体***将实现编队控制。
更进一步的,所述步骤3具体为:
步骤3-1:计算智能体速度:
上式中,aij为第i个多智能体成员和第j个多智能体成员之间的通信权重,如果两个多智能体成员之间存在通信连接,那么aij>0,否则,aij=0;xi-hi表示该多智能体成员当前时刻位置与目标位置之间的距离。
步骤3-2:构造误差***:
ξi=xi-hi
取状态量可得:
得出恒定,令考虑Lyapunov函数:
对上式求导可得:
上式中,δih代表δi的第h个分量,δh=[δ1h,δ2h,K,δnh]T,N为多智能体***成员状态的维数;LB为G(B)的Laplace矩阵,
当只有一个***时:
上式中,f(x):Rn→Rn且f(0)=0,x=[x1,x2,K xn]T∈Rn;若存在一个正定连续函数V(x):Rn→R,正数c>0,和α∈(0,1),令
则V(x)在有限时间内趋于0,***在有限时间内稳定;
即该多智能体***在控制协议在有限时间内完成了对编队的控制;
步骤3-3:选取实例进行仿真验证;
各智能体成员的初始状态给出为:
x1(0)=[4,3]T,x2(0)=[-4,-5]T,x3(0)=[10,9]T,x4(0)=[-6,-7]T
各智能体成员的编队控制信息为:
h1=[1,1]T,h2=[1,-1]T,h3=[-1,1]T,h4=[-1,-1]T
利用Matlab中的S函数模块进行仿真,得到最后的编队图形。
本发明有益效果如下:
1)分布式控制算法计算公式为线性***,相对于现有的编队控制算法,具有较好的***收敛性,保证***是稳定的。
2)对于每个智能体而言,仅仅只需要用到邻居智能体的相对位置信息作为控制量就能实现编队控制,从实现角度考虑,相比于现有的编队控制算法,本发明需要更少的计算资源并且所需控制量更容易获取。
3)采用有限时间一致性控制的思想解决多智能体***编队控制问题,可以增强***的抗干扰能力与鲁棒性。
4)与传统的编队控制协议相比,该协议可以解决智能体在运动过程中的避障问题与编队信息更改问题,在适当调整后能使多智能体***在有限时间内完成编队控制目标。
5)基于多智能体***的编队控制方法可以适用于任何满足单个智能体运动模型的实际***中,应用范围广泛。
附图说明
图1为本发明多智能体***实例化图;
图2为本发明多智能体***硬件配置框图;
图3为本发明多智能体***通信拓扑图;
图4为本发明仿真结果分析图。
具体实施方式
硬件基础:
该通用多智能体***包括:图像采集模块、传感器模块、通信模块、控制模块和存储模块。其中:图像采集模块与存储模块项链传输视觉信息,传感器模块与存储模块相连传输感知信息,通信模块与存储模块相连传输通信组内的智能体的状态信息,控制模块与存储模块相连传输智能体的自身状态信息和环境信息。具体结构如图2所示。
图像采集模块为摄像头,用于采集周围环境的信息,为避障提供视觉信息。
传感器模块主要包括超声波传感器、红外传感器与电子罗盘传感器。超声波传感器和红外传感器用于测量相邻智能体的位置信息,电子罗盘传感器用来定位自身的位置信息和角度信息。
通信模块主要包括服务器端通信模块和客户端通信模块,可采用无线网卡,用于传输作为服务器的智能体的状态信息和作为客户端的智能体的状态信息。
控制模块和存储模块采用ARM板和ATOM板。
具体算法实施:
针对任意一个满足单个智能体运动的多智能体***进行编号,其***通信拓扑如图3所示。智能体在水平面内满足如下运动模型:
其中xi(t)为该智能体在水平面内的位置向量,ui(t)为针对该多智能体设计的控制协议。
给定多智能体***的编队控制目标为:
其中hi为对应于第i个多智能体成员编队信息,其对时间的导数为T∈[0,+∞)是一个有限的时间上界,在这个时间范围内,多智能体***将实现编队控制。
第一步:针对上述多智能体***设计控制协议:
其中aij为第i个多智能体成员和第j个多智能体成员之间的通信权重,通常,如果两个多智能体成员之间存在通信连接,那么aij>0,否则,aij=0。xi-hi表示该多智能体成员当前时刻位置与目标位置之间的距离,通常指欧几里得距离。
第二步:构造误差***:ξi=xi-hi,由(3)可得
取状态量可以得到
这意味着恒定。令考虑Lyapunov函数
对(6)进行求导可得:
其中,δih代表δi的第h个分量,δh=[δ1h,δ2h,K,δnh]T,N为多智能体***成员状态的维数。LB为G(B)的Laplace矩阵,
引理1考虑一个***
其中f(x):Rn→Rn并且f(0)=0,x=[x1,x2,K xn]T∈Rn。若存在一个正定连续函数V(x):Rn→R,正数c>0,和α∈(0,1)能令
那么V(x)在有限时间内趋于0,***(7)是有限时间内稳定的
由引理1可得该多智能体***在控制协议(3)下在有限时间内完成了编队控制的目标。
第三步:选取实例进行仿真验证。该多智能体***网络通信拓扑结构如图3所示,其中各智能体成员的初始状态给出为:
x1(0)=[4,3]T,x2(0)=[-4,-5]T,x3(0)=[10,9]T,x4(0)=[-6,-7]T
各智能体成员的编队控制信息为:
h1=[1,1]T,h2=[1,-1]T,h3=[-1,1]T,h4=[-1,-1]T。
利用Matlab中的S函数模块进行仿真,得到最后的编队图形如图4所示。
Claims (6)
1.一种基于多智能体***的有限时间编队控制方法,其特征在于,包括以下步骤:
步骤1:在预设多智能体通信网络中部署多个智能体;编号为i=1,...,n,n≥3,每个智能体可以获得相邻智能体的位置信息,且信息的交互是对称的;不同时刻每个智能体周围的邻居智能体是不同的,当智能体之间的距离小于某个特定值时,通讯会自动成立,相反地,当智能体之间地距离大于该值时,通讯自动断开。
步骤2:对于每个智能体给出相应的编队信息;
步骤3:设计控制协议使每个智能体达到***预设的队形位置时,其速度信息保持不变,***按照给定队形前进,直到遇到障碍或接收新的队形信息且各智能体会做出相应的调整。
2.根据权利要求1所述的基于多智能体***的有限时间编队控制方法,其特征在于:所述的智能体还包括数据采集模块,所述数据采集模块包括:红外传感器、超声波传感器和电子罗盘。
3.根据权利要求1所述的基于多智能体***的有限时间编队控制方法,其特征在于:所述的***预设队形位置为水平面。
4.根据权利要求1所述的基于多智能体***的有限时间编队控制方法,其特征在于:所述多个智能体***中单个智能体模型要求为:
xi(t)=ui(t),i∈Γ={1,2,...,n}
上式中,xi(t)为该智能体在水平面内的位置向量,ui(t)为针对该多智能体设计的控制协议。
5.根据权利要求1所述的基于多智能体***的有限时间编队控制方法,其特征在于:所述步骤2的编队控制目标为:
上式中hi为对应于第i个多智能体成员编队信息,其对时间的导数为hi,T∈[0,+∞)是一个有限的时间上界,在这个时间范围内,多智能体***将实现编队控制。
6.根据权利要求1所述的基于多智能体***的有限时间编队控制方法,其特征在于:所述步骤3具体为:
步骤3-1:计算智能体速度:
上式中,aij为第i个多智能体成员和第j个多智能体成员之间的通信权重,如果两个多智能体成员之间存在通信连接,那么aij>0,否则,aij=0;xi-hi表示该多智能体成员当前时刻位置与目标位置之间的距离;
步骤3-2:构造误差***:
ξi=xi-hi
取状态量可得:
得出恒定,令考虑Lyapunov函数:
对上式求导可得:
上式中,δih代表δi的第h个分量,δh=[δ1h,δ2h,K,δnh]T,N为多智能体***成员状态的维数;LB为G(B)的Laplace矩阵,
当只有一个***时:
x(t)=f(x(t))
上式中,f(x):Rn→Rn且f(0)=0,x=[x1,x2,Kxn]T∈Rn;若存在一个正定连续函数V(x):Rn→R,正数c>0,和α∈(0,1),令
V(x)+c(V(x))α≤0,x∈Rn\{0}
则V(x)在有限时间内趋于0,***在有限时间内稳定;
即该多智能体***在控制协议在有限时间内完成了对编队的控制;
步骤3-3:选取实例进行仿真验证;
各智能体成员的初始状态给出为:
x1(0)=[4,3]T,x2(0)=[-4,-5]T,x3(0)=[10,9]T,x4(0)=[-6,-7]T
各智能体成员的编队控制信息为:
h1=[1,1]T,h2=[1,-1]T,h3=[-1,1]T,h4=[-1,-1]T
利用Matlab中的S函数模块进行仿真,得到最后的编队图形。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810601356.9A CN109144047B (zh) | 2018-06-12 | 2018-06-12 | 一种基于多智能体***的有限时间编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810601356.9A CN109144047B (zh) | 2018-06-12 | 2018-06-12 | 一种基于多智能体***的有限时间编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109144047A true CN109144047A (zh) | 2019-01-04 |
CN109144047B CN109144047B (zh) | 2021-07-06 |
Family
ID=64801914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810601356.9A Expired - Fee Related CN109144047B (zh) | 2018-06-12 | 2018-06-12 | 一种基于多智能体***的有限时间编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109144047B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108646550A (zh) * | 2018-04-03 | 2018-10-12 | 江苏江荣智能科技有限公司 | 一种基于行为选择的多智能体编队方法 |
CN109828580A (zh) * | 2019-02-27 | 2019-05-31 | 华南理工大学 | 一种基于分离式超声波的移动机器人编队跟踪控制方法 |
CN111694272A (zh) * | 2020-07-22 | 2020-09-22 | 南京工程学院 | 基于模糊逻辑***的非线性多智能体的自适应控制方法及装置 |
CN111948942A (zh) * | 2020-07-30 | 2020-11-17 | 北京理工大学 | 一种多架旋翼飞行器协作搬运的能量优化方法 |
CN112558613A (zh) * | 2020-12-18 | 2021-03-26 | 浙江工业大学 | 基于复拉普拉斯矩阵的编队控制方法 |
CN112947407A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种多智能体有限时间的编队路径跟踪控制方法及*** |
CN112947442A (zh) * | 2021-02-08 | 2021-06-11 | 辽宁工业大学 | 一种有限时间收敛车辆编队控制器及设计方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050113987A1 (en) * | 2002-07-22 | 2005-05-26 | Wolfgang Fink | Multi-agent autonomous system |
CN101685309A (zh) * | 2008-09-24 | 2010-03-31 | 中国科学院自动化研究所 | 多机器人协调队形控制方法 |
EP2657644A1 (en) * | 2010-12-20 | 2013-10-30 | Nec Corporation | Positioning apparatus and positioning method |
US20140058992A1 (en) * | 2012-08-21 | 2014-02-27 | Patrick Lucey | Characterizing motion patterns of one or more agents from spatiotemporal data |
CN104076689A (zh) * | 2014-07-17 | 2014-10-01 | 山东省科学院海洋仪器仪表研究所 | 全驱动式自主水下航行器协同控制方法 |
CN104865960A (zh) * | 2015-04-29 | 2015-08-26 | 山东师范大学 | 基于平面的一种多智能体队形控制方法 |
CN105093934A (zh) * | 2015-08-17 | 2015-11-25 | 哈尔滨工业大学 | 考虑干扰与模型不确定性的多机器人***分布式有限时间跟踪控制方法 |
US9216745B2 (en) * | 2013-09-16 | 2015-12-22 | Disney Enterprises, Inc. | Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios |
CN105573316A (zh) * | 2015-12-01 | 2016-05-11 | 武汉科技大学 | 一种自主编队移动群体机器人 |
CN105589333A (zh) * | 2016-02-03 | 2016-05-18 | 电子科技大学 | 多智能体***分组包围控制方法 |
CN106950954A (zh) * | 2017-03-15 | 2017-07-14 | 普倩萌 | 一种多农业机器人的控制方法及*** |
CN107065859A (zh) * | 2017-02-14 | 2017-08-18 | 浙江工业大学 | 多移动机器人的轨迹预测方法 |
CN107168369A (zh) * | 2017-06-13 | 2017-09-15 | 中国科学院声学研究所 | 一种欠驱动无人车的编队控制方法及*** |
CN107179777A (zh) * | 2017-06-03 | 2017-09-19 | 复旦大学 | 多智能体集群协同方法与多无人机集群协同*** |
US20180056998A1 (en) * | 2016-08-29 | 2018-03-01 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Multi-Vehicle Path Planning Technical Field |
-
2018
- 2018-06-12 CN CN201810601356.9A patent/CN109144047B/zh not_active Expired - Fee Related
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050113987A1 (en) * | 2002-07-22 | 2005-05-26 | Wolfgang Fink | Multi-agent autonomous system |
CN101685309A (zh) * | 2008-09-24 | 2010-03-31 | 中国科学院自动化研究所 | 多机器人协调队形控制方法 |
EP2657644A1 (en) * | 2010-12-20 | 2013-10-30 | Nec Corporation | Positioning apparatus and positioning method |
US20140058992A1 (en) * | 2012-08-21 | 2014-02-27 | Patrick Lucey | Characterizing motion patterns of one or more agents from spatiotemporal data |
US9216745B2 (en) * | 2013-09-16 | 2015-12-22 | Disney Enterprises, Inc. | Shared control of semi-autonomous vehicles including collision avoidance in multi-agent scenarios |
CN104076689A (zh) * | 2014-07-17 | 2014-10-01 | 山东省科学院海洋仪器仪表研究所 | 全驱动式自主水下航行器协同控制方法 |
CN104865960A (zh) * | 2015-04-29 | 2015-08-26 | 山东师范大学 | 基于平面的一种多智能体队形控制方法 |
CN105093934A (zh) * | 2015-08-17 | 2015-11-25 | 哈尔滨工业大学 | 考虑干扰与模型不确定性的多机器人***分布式有限时间跟踪控制方法 |
CN105573316A (zh) * | 2015-12-01 | 2016-05-11 | 武汉科技大学 | 一种自主编队移动群体机器人 |
CN105589333A (zh) * | 2016-02-03 | 2016-05-18 | 电子科技大学 | 多智能体***分组包围控制方法 |
US20180056998A1 (en) * | 2016-08-29 | 2018-03-01 | Mitsubishi Electric Research Laboratories, Inc. | System and Method for Multi-Vehicle Path Planning Technical Field |
CN107065859A (zh) * | 2017-02-14 | 2017-08-18 | 浙江工业大学 | 多移动机器人的轨迹预测方法 |
CN106950954A (zh) * | 2017-03-15 | 2017-07-14 | 普倩萌 | 一种多农业机器人的控制方法及*** |
CN107179777A (zh) * | 2017-06-03 | 2017-09-19 | 复旦大学 | 多智能体集群协同方法与多无人机集群协同*** |
CN107168369A (zh) * | 2017-06-13 | 2017-09-15 | 中国科学院声学研究所 | 一种欠驱动无人车的编队控制方法及*** |
Non-Patent Citations (2)
Title |
---|
HONG XIA,KU DU: "Containment control of second-order multi-agent systems with different sampled position data", 《2017 32ND YOUTH ACADEMIC ANNUAL CONFERENCE OF CHINESE ASSOCIATION OF AUTOMATION (YAC)》 * |
叶志勇等: "带有噪声和时滞的二阶多智能体的一致性", 《南京师大学报(自然科学版)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108646550A (zh) * | 2018-04-03 | 2018-10-12 | 江苏江荣智能科技有限公司 | 一种基于行为选择的多智能体编队方法 |
CN108646550B (zh) * | 2018-04-03 | 2022-03-22 | 江苏江荣智能科技有限公司 | 一种基于行为选择的多智能体编队方法 |
CN109828580A (zh) * | 2019-02-27 | 2019-05-31 | 华南理工大学 | 一种基于分离式超声波的移动机器人编队跟踪控制方法 |
CN109828580B (zh) * | 2019-02-27 | 2022-05-24 | 华南理工大学 | 一种基于分离式超声波的移动机器人编队跟踪控制方法 |
CN111694272A (zh) * | 2020-07-22 | 2020-09-22 | 南京工程学院 | 基于模糊逻辑***的非线性多智能体的自适应控制方法及装置 |
CN111694272B (zh) * | 2020-07-22 | 2022-05-27 | 南京工程学院 | 基于模糊逻辑***的非线性多智能体的自适应控制方法及装置 |
CN111948942A (zh) * | 2020-07-30 | 2020-11-17 | 北京理工大学 | 一种多架旋翼飞行器协作搬运的能量优化方法 |
CN112558613A (zh) * | 2020-12-18 | 2021-03-26 | 浙江工业大学 | 基于复拉普拉斯矩阵的编队控制方法 |
CN112947407A (zh) * | 2021-01-14 | 2021-06-11 | 华南理工大学 | 一种多智能体有限时间的编队路径跟踪控制方法及*** |
CN112947442A (zh) * | 2021-02-08 | 2021-06-11 | 辽宁工业大学 | 一种有限时间收敛车辆编队控制器及设计方法 |
CN112947442B (zh) * | 2021-02-08 | 2024-03-15 | 辽宁工业大学 | 一种有限时间收敛车辆编队控制器及设计方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109144047B (zh) | 2021-07-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109144047A (zh) | 一种基于多智能体***的有限时间编队控制方法 | |
CN108803349B (zh) | 非线性多智能体***的最优一致性控制方法及*** | |
CN112153736B (zh) | 一种基于信道状态信息的人员动作识别和位置估计方法 | |
CN112732450B (zh) | 端-边-云协同框架下的机器人知识图谱生成***及方法 | |
CN109327797A (zh) | 基于WiFi网络信号的移动机器人室内定位*** | |
CN105634828A (zh) | 线性微分包含多智能体***的分布式平均跟踪的控制方法 | |
CN110161847A (zh) | 一种基于分布式奇异观测器的无人机编队***传感器故障估计方法 | |
CN105869181B (zh) | 基于交互多模型的人体关节点分布式信息一致性估计方法 | |
CN109254532A (zh) | 一种面向通信时滞的多智能体分布式合作故障检测方法 | |
CN107197439A (zh) | 基于矩阵补全的无线传感器网络定位方法 | |
CN110472596A (zh) | 一种农业精细化种植及灾害预防控制*** | |
CN104331630B (zh) | 一种多速率观测数据的状态估计和数据融合方法 | |
CN115562037A (zh) | 一种非线性多智能体***控制方法、装置、设备及应用 | |
CN114818860A (zh) | 一种基于多元特征的台风轨迹预测方法 | |
CN110209175A (zh) | 基于分布式有限时间状态观测器的多智能车辆编队方法 | |
Zhan et al. | Flocking of discrete-time multi-agent systems with predictive mechanisms | |
CN102566432B (zh) | 基于Bang-bang控制策略的最优时间追踪捕获***及其方法 | |
CN106646452B (zh) | 一种基于摄动多高斯拟合的空间目标跟踪方法 | |
CN111781830A (zh) | 基于估计状态扰动观测的混合阶机电***协同控制方法 | |
CN109828460B (zh) | 一种针对双向异构多智能体***的输出一致控制方法 | |
CN106357461A (zh) | 一种空中交通显示复杂性的测度方法 | |
Huang et al. | Multisource data acquisition based on single-chip microcomputer and sensor technology | |
CN114139688A (zh) | 基于马尔可夫链共识的工业物联网分布式联邦学习方法 | |
CN113838101A (zh) | 一种适用于具有重叠视野的摄像机网络下的目标追踪方法 | |
Xinyun et al. | IoT data acquisition node for deep learning time series prediction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20210706 |
|
CF01 | Termination of patent right due to non-payment of annual fee |