CN111077887B - 一种采用领航跟随法的多机器人综合避障方法 - Google Patents
一种采用领航跟随法的多机器人综合避障方法 Download PDFInfo
- Publication number
- CN111077887B CN111077887B CN201911293698.XA CN201911293698A CN111077887B CN 111077887 B CN111077887 B CN 111077887B CN 201911293698 A CN201911293698 A CN 201911293698A CN 111077887 B CN111077887 B CN 111077887B
- Authority
- CN
- China
- Prior art keywords
- robot
- following
- force
- piloting
- formula
- 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 53
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 27
- 238000009826 distribution Methods 0.000 claims abstract description 23
- 230000001133 acceleration Effects 0.000 claims description 14
- 230000004888 barrier function Effects 0.000 claims description 11
- 150000001875 compounds Chemical class 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 6
- 239000013307 optical fiber Substances 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 2
- 238000004513 sizing Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000005484 gravity Effects 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
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)
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开了一种采用领航跟随法的多机器人综合避障方法,包括建立领航跟随法的运动学模型;引入障碍物分布区域角,改进领航机器人的人工势场,建立领航机器人避障法则;改进跟随机器人引力势场,将跟随机器人在势场中的各种受力进行分解并建立力与间距、力与相对角之间的联系,通过势场中的力来改变间距和相对角的大小,建立跟随机器人避障法则。通过本发明,机器人编队能够顺利避开障碍物,并且在行进的过程中能够有效减少间距和相对角同时与期望值相差较大情况的出现,更好地维护了编队的队形。
Description
技术领域
本发明属于避障技术,具体为一种采用领航跟随法的多机器人综合避障方法。
背景技术
近年来,随着制造工艺、机器人理论、控制理论和网络通信技术的不断发展,机器人技术也日趋成熟。相较于人类,机器人由于具有精度高、稳定性好和持续工作时间长的特点,正被广泛应用于各行各业。在执行复杂的任务时,多机器人可以通过相互协作的方式,拥有比单个机器人更好的鲁棒性和执行效率。因此,对于多机器人的研究,具有广阔的应用前景。编队作为多机器人协作技术中的一项基础研究,是指多机器人能够保持期望的空间队形,并且能够满足相应的环境约束。
目前对于机器人编队中的避障研究主要有人工势场法,人工势场法是建立在每一个机器人独自避障的基础之上。在避障的过程中,每个机器人根据各自所处的环境,根据人工势场中的受力,进行各自的避障,但没有考虑整体队形,也没有相应的避障策略,因此对编队的队形破坏较大。
发明内容
本发明的目的在于提供一种采用领航跟随法的多机器人综合避障方法。
实现本发明目的的技术方案为:一种采用领航跟随法的多机器人综合避障方法,包括以下步骤:
步骤2、通过引入障碍物分布区域角,改进领航机器人的斥力势场。建立完整领航机器人的人工势场,并对领航机器人进行受力分析。领航机器人根据在人工势场中受到的合力的大小和方向进行避障;
步骤3、将传统的跟随机器人引力势场修改为与领航跟随编队中的间距和相对角相关的势场,建立完整的跟随机器人人工势场,并对跟随机器人进行受力分析;
步骤4、将跟随机器人在势场中受到的各种力往l方向和垂直l方向上分解,并建立l方向的力与l的值之间的关系,建立垂直l方向的力与的值的关系,用相应的力来改变间距l和相对角的值。跟随机器人根据l和的大小实现避障。
步骤1-1、获取领航机器人坐标(xl,yl,θl);
步骤1-2、确定跟随机器人在期望目标点的坐标(xf,yf,θf)与领航机器人坐标(xl,yl,θl)的关系:
式中,θl表示领航机器人运动方向与x轴之间的夹角,θf表示跟随机器人运动方向与x轴之间的夹角,(xl,yl)为领航机器人在直角坐标系下的坐标,(xf,yf)为跟随机器人在直角坐标系下的坐标。
优选地,所述领航机器人人工势场包括:
领航机器人斥力场:
式中,Urep(x)为障碍物斥力势场,λ2为主要障碍物分布区域的斥力增益系数,λ3为其他区域的斥力增益系数,Φ为主要障碍物分布区域,Υ为其它障碍物分布区域,Other表示超出障碍物影响半径的区域;
领航机器人引力场:
优选地,领航机器人受到的合力为:
F(X)=Fatt(X)+Frep(X)
式中,F(X)为领航机器人受到的合力,Fatt(X)为领航机器人受到的引力,λ1为引力增益系数,表示机器人到目标点的距离,Frep(X)为领航机器人受到障碍物的斥力,λ2为主要障碍物分布区域的斥力增益系数,λ3为其他区域的斥力增益系数,Φ为主要障碍物分布区域,γ为其它障碍物分布区域,Other表示超出障碍物影响半径的区域;
优选地,所述跟随机器人人工势场包括:
跟随机器人引力场:
Ual(l)=0.5λl(l-lexp)2
跟随机器人与障碍物之间的斥力场:
式中,Urep(X)为跟随机器人与障碍物之间的斥力势场,X=(x,y)为机器人矢量位置,Xg=(xg,yg)为目标点的矢量位置,X0=(x0,y0)为障碍物的矢量位置,λ2分别为斥力增益系数,表示机器人到目标点的距离,表示机器人到障碍物的距离,ρ0是障碍物影响距离,n为大于0的实数;
跟随机器人与跟随机器人之间的斥力场:
优选地,跟随机器人受到的力分别为:
跟随机器人所受的引力:
跟随机器人与障碍物之间的斥力:
式中,Frep(X)为跟随机器人与障碍物之间的斥力,Frep1(X)和Frep2(X)为斥力的两个分力,具体表示如上式所示,X=(x,y)为机器人矢量位置,Xg=(xg,yg)为目标点的矢量位置,X0=(x0,y0)为障碍物的矢量位置,λ2分别为斥力增益系数,表示机器人到目标点的距离,表示机器人到障碍物的距离,ρ0是障碍物影响距离,n为大于0的实数;
跟随机器人与跟随机器人之间的斥力:
步骤4-1、将跟随机器人所受的各个力往l方向和垂直l方向上分解,具体公式如下:
Fl=krlFrl+korlForl+Fal
式中,Fl和分别为沿l方向和垂直l方向上的合力,Frl和Forl分别为障碍物的斥力Frep和跟随机器人的斥力For在l方向上的分力,krl和korl分别为障碍物的斥力和其他机器人的斥力对l的影响因子,和分别为障碍物的斥力Frep和跟随机器人的斥力For在l垂直方向上的分力,和分别为障碍物的斥力和其他机器人的斥力对的影响因子;
步骤4-3、确定Fl和l的关系式:
式中,lnow为当前间距,lnext为下一步间距,Fl为沿l方向上的分力,kl为比例系数;
附图说明
图1为领航、跟随机器人在人工势场中受力示意图。
图2为机器人结构示意图。
图3为领航、跟随机器人避障轨迹。
图4为领航、跟随机器人避障过程l差值曲线。
图6为领航、跟随机器人通过窄通道仿真轨迹。
图7为领航、跟随机器人通过窄通道前中后位置图。
图8为领航、跟随机器人通过窄通道l差值曲线。
图10为领航、跟随机器人通过宽通道仿真轨迹。
图11为领航、跟随机器人通过宽通道前中后位置图。
图12为领航、跟随机器人通过宽通道l差值曲线。
具体实施方式
一种采用领航跟随法的多机器人综合避障方法,具体步骤为:
步骤1-1、获取领航机器人坐标(xl,yl,θl);
步骤1-2、确定跟随机器人在期望目标点的坐标(xf,yf,θf)与领航机器人坐标(xl,yl,θl)的关系:
式中,θl表示领航机器人运动方向与x轴之间的夹角,θf表示跟随机器人运动方向与x轴之间的夹角,(xl,yl)为领航机器人在直角坐标系下的坐标,(xf,yf)为跟随机器人在直角坐标系下的坐标。
步骤2、如图1所示,通过引入障碍物分布区域角,来改进传统领航机器人的斥力势场。建立完整的领航机器人的人工势场,并对领航机器人进行受力分析,领航机器人根据在人工势场中受到的合力的大小和方向进行避障,具体方法为:
步骤2-1、引入主要障碍物分布区域角,建立改进后的领航机器人斥力场:
式中:Urep(x)为障碍物斥力势场,λ2为主要障碍物分布区域的斥力增益系数,λ3为其他区域的斥力增益系数,Φ主要障碍物分布区域,γ为其它障碍物分布区域,Other表示超出障碍物影响半径的区域。
对斥力势场求负梯度导数,得障碍物对领航机器人的斥力:
式中,表示机器人到目标点的距离。Frep(X)为领航机器人受到障碍物的斥力,λ2为主要障碍物分布区域的斥力增益系数,λ3为其他区域的斥力增益系数,Φ主要障碍物分布区域,γ为其它障碍物分布区域,Other表示超出障碍物影响半径的区域;
步骤2-2、建立领航机器人引力场:
步骤2-3、计算领航机器人受到的合力:
F(X)=Fatt(X)+Frep(X)
式中,F(X)为领航机器人受的合力,Fatt(X)为目标点对领航机器人的引力,Frep(X)为障碍物对领航机器人的斥力。
步骤2-4、领航机器人根据在人工势场中受到的合力的大小和方向进行避障。
步骤3、将传统的引力势场改进为与领航跟随编队中的间距和相对角相关的势场。对跟随机器人建立完整的人工势场法,并对跟随机器人进行受力分析。对跟随机器人的引力场进行改进,具体为:
步骤3-1、将传统的引力势场改进为与领航跟随编队中的间距和相对角相关的势场,建立跟随机器人引力场:
Ual(l)=0.5λl(l-lexp)2
步骤3-2、建立跟随机器人与障碍物之间的斥力场:
式中,Urep(X)为跟随机器人与障碍物之间的斥力势场,X=(x,y)为机器人矢量位置,Xg=(xg,yg)为目标点的矢量位置,X0=(x0,y0)为障碍物的矢量位置,λ2分别为斥力增益系数,表示机器人到目标点的距离,表示机器人到障碍物的距离,ρ0是障碍物影响距离,n为大于0的实数;则跟随机器人与障碍物之间的斥力为:
式中,Frep(X)为跟随机器人与障碍物之间的斥力,Frep1(X)和Frep2(X)为斥力的两个分力,表达式如上式所示,X=(x,y)为机器人矢量位置,Xg=(xg,yg)为目标点的矢量位置,X0=(x0,y0)为障碍物的矢量位置,λ2分别为斥力增益系数,表示机器人到目标点的距离,表示机器人到障碍物的距离,ρ0是障碍物影响距离,n为大于0的实数;
步骤3-3、建立跟随机器人与跟随机器人之间的斥力场:
步骤4、将跟随机器人在势场中受到的各种力往l方向和垂直l方向上分解,将垂直l方向的力与的值建立联系,将l方向的力与l的值建立联系,用两个方向上的分力分别改变l和的大小。跟随机器人通过变l和变实现避障,具体为:
Fl=krlFrl+korlForl+Fal
式中:Fl和分别为沿l方向上的合力和垂直l方向上的合力,Frl和Forl分别为Frep和For在l方向上的分力,krl和korl分别为障碍物的斥力和其他机器人的斥力对l的影响因子。和分别为Frep和For在l垂直方向上的分力,和分别为障碍物的斥力和其他机器人的斥力对的影响因子。
为了得到相对角与垂直l方向上的合力之间的对应关系,本文假设机器人在力作用下,做圆周运动。根据牛顿第二定律,可知与在作用下的跟随机器人的线加速度av之间的关系如式所示,其中kv为与跟随机器人有关的常量。
由圆周运动线速度v与角速度w之间的关系式v=rw,r为圆周运动半径,可知线加速度av与角加速度aw之间的关系如式所示:
av=law
式中,av为线加速度,aw为角加速度,l为领航机器人与跟随机器人之间的间距;
故可得:
步骤4-3、建立沿l方向上的合力Fl和l之间的联系:
为了得到l与沿l方向上的合力Fl之间的对应关系,可将领航机器人与跟随机器人之间看成由一根弹簧进行连接,故可得式:
Fl=klΔl
式中,Fl为沿l方向上的分力,kl为弹簧的弹力系数,Δl为实际间距与期望间距之差。
由上式可得领航机器人与跟随机器人之间的间距l与Fl之间的关系如式所示:
式中:lnow为当前间距,lnext为下一步间距,Fl为沿l方向上的分力,kl为弹簧的弹力系数。
实施例
本实施例采用的移动机器人平台如图2所示,其相关参数如表1所示:
表1:移动机器人平台相关参数
本实施例使用一个领航机器人和两个跟随机器人共同组成一个三角形编队。设置领航机器人速度为1m/s,跟随机器人最大速度为2m/s。领航机器人与跟随机器人1之间间距为1.5m,相对角为135°,与跟随机器人2之间的间距为1.5m,相对角为225°,机器人为直径为30cm的轮式机器人。领航机器人初始位置坐标为(0.5,0.5),目标点坐标为(6,0.6)跟随机器人1的初始坐标为(-0.5,1.5),跟随机器人2的初始坐标为(-0.5,-0.5)。
分别设置了三种场景:(1)在有障碍物环境下进行避障。(2)机器人编队进入狭窄通道,通道宽为80cm。(3)机器人编队进入宽通道,通道宽为120cm。实验结果如图3-图13所示,结果表明,使用该算法机器人能够有效的避开障碍物,在通过狭小通道时,机器人编队可以压缩编队,极端情况下可变成“一”字形,通过通道。在通过较宽的通道时,两机器人可以并排通过,尽可能的维持队形。
Claims (6)
1.一种采用领航跟随法的多机器人综合避障方法,其特征在于,包括以下步骤:
步骤2、通过引入障碍物分布区域角,改进领航机器人的斥力势场,建立完整领航机器人的人工势场,并对领航机器人进行受力分析,领航机器人根据在人工势场中受到的合力的大小和方向进行避障;
步骤3、将传统的跟随机器人引力势场修改为与领航跟随编队中的间距和相对角相关的势场,建立完整的跟随机器人人工势场,并对跟随机器人进行受力分析,具体为:
步骤3-1、将传统的引力势场改进为与领航跟随编队中的间距和相对角相关的势场,建立跟随机器人引力场:
Ual(l)=0.5λl(l-lexp)2
步骤3-2、建立跟随机器人与障碍物之间的斥力场:
式中,Urep(X)为跟随机器人与障碍物之间的斥力势场,X=(x,y)为机器人矢量位置,Xg=(xg,yg)为目标点的矢量位置,X0=(x0,y0)为障碍物的矢量位置,λ2分别为斥力增益系数,表示机器人到目标点的距离,表示机器人到障碍物的距离,ρ0是障碍物影响距离,n为大于0的实数;则跟随机器人与障碍物之间的斥力为:
式中,Frep(X)为跟随机器人与障碍物之间的斥力,Frep1(X)和Frep2(X)为斥力的两个分力,X=(x,y)为机器人矢量位置,Xg=(xg,yg)为目标点的矢量位置,X0=(x0,y0)为障碍物的矢量位置,λ2分别为斥力增益系数,表示机器人到目标点的距离,表示机器人到障碍物的距离,ρ0是障碍物影响距离,n为大于0的实数;
步骤3-3、建立跟随机器人与跟随机器人之间的斥力场:
步骤4、将跟随机器人在势场中受到的各种力往l方向和垂直l方向上分解,并建立l方向的力与l的值之间的关系,建立垂直l方向的力与的值的关系,用相应的力来改变间距l和相对角的值,跟随机器人根据l和的大小实现避障,具体方法为:
步骤4-1、将跟随机器人所受的各个力往l方向和垂直l方向上分解,具体公式如下:
Fl=krlFrl+korlForl+Fal
式中,Fl和分别为沿l方向和垂直l方向上的合力,Frl和Forl分别为障碍物的斥力Frep和跟随机器人的斥力For在l方向上的分力,krl和korl分别为障碍物的斥力和其他机器人的斥力对l的影响因子,和分别为障碍物的斥力Frep和跟随机器人的斥力For在l垂直方向上的分力,和分别为障碍物的斥力和其他机器人的斥力对的影响因子;
步骤4-3、确定Fl和l的关系式:
式中,lnow为当前间距,lnext为下一步间距,Fl为沿l方向上的分力,kl为比例系数;
由圆周运动线速度v与角速度w之间的关系式v=rw,r为圆周运动半径,可知线加速度av与角加速度aw之间的关系如式所示:
av=law
式中,av为线加速度,aw为角加速度,l为领航机器人与跟随机器人之间的间距;
故可得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911293698.XA CN111077887B (zh) | 2019-12-12 | 2019-12-12 | 一种采用领航跟随法的多机器人综合避障方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911293698.XA CN111077887B (zh) | 2019-12-12 | 2019-12-12 | 一种采用领航跟随法的多机器人综合避障方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111077887A CN111077887A (zh) | 2020-04-28 |
CN111077887B true CN111077887B (zh) | 2022-06-28 |
Family
ID=70314765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911293698.XA Active CN111077887B (zh) | 2019-12-12 | 2019-12-12 | 一种采用领航跟随法的多机器人综合避障方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111077887B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113296497A (zh) * | 2021-04-07 | 2021-08-24 | 西安电子科技大学 | 实时分布式多机器人编队控制方法及*** |
CN113341956B (zh) * | 2021-05-20 | 2022-10-28 | 西安交通大学 | 基于改进人工势场法的多智能体主从式编队控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096415A (zh) * | 2010-12-31 | 2011-06-15 | 重庆邮电大学 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
CN108693879A (zh) * | 2018-04-28 | 2018-10-23 | 上海理工大学 | 基于改进人工势场法的移动机器人路径规划方法 |
CN108897315A (zh) * | 2018-06-12 | 2018-11-27 | 南京理工大学 | 一种多机器人编队方法 |
CN110488845A (zh) * | 2019-09-18 | 2019-11-22 | 中国人民解放***箭军工程大学 | 一种障碍物遮挡下多智能体自抗扰时变编队跟踪与避撞控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8229618B2 (en) * | 2008-09-11 | 2012-07-24 | Deere & Company | Leader-follower fully autonomous vehicle with operator on side |
-
2019
- 2019-12-12 CN CN201911293698.XA patent/CN111077887B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102096415A (zh) * | 2010-12-31 | 2011-06-15 | 重庆邮电大学 | 基于Ad-Hoc网络和leader-follower算法的多机器人编队方法 |
CN108693879A (zh) * | 2018-04-28 | 2018-10-23 | 上海理工大学 | 基于改进人工势场法的移动机器人路径规划方法 |
CN108897315A (zh) * | 2018-06-12 | 2018-11-27 | 南京理工大学 | 一种多机器人编队方法 |
CN110488845A (zh) * | 2019-09-18 | 2019-11-22 | 中国人民解放***箭军工程大学 | 一种障碍物遮挡下多智能体自抗扰时变编队跟踪与避撞控制方法 |
Non-Patent Citations (1)
Title |
---|
基于多虚拟领航者的多机器人编队控制方法;王钦钊;《装甲兵工程学院学报》;20171031;第31卷(第5期);第49-55页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111077887A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106125728B (zh) | 一种四驱轮式移动机器人轨迹跟踪控制方法 | |
CN111077887B (zh) | 一种采用领航跟随法的多机器人综合避障方法 | |
CN109782601B (zh) | 一种协调机械臂自适应神经网络同步鲁棒控制器设计方法 | |
WO2016045615A1 (zh) | 机器人静态路径规划方法 | |
CN107160398B (zh) | 基于确定学习的全状态受限刚性机械臂安全可靠控制方法 | |
CN108829113B (zh) | 一种多机器人编队自适应零空间行为融合方法 | |
CN109597310A (zh) | 一种基于扰动观测器的轮式移动机器人轨迹跟踪方法 | |
CN101436073A (zh) | 基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法 | |
CN107422733B (zh) | 一种基于两轮差速机器人的运动控制方法 | |
CN111168684B (zh) | 一种空间大型结构在轨装配序列规划方法 | |
CN104501816A (zh) | 一种多无人飞行器协调避碰导引规划方法 | |
CN110045598B (zh) | 一种悬臂式掘进机井下行进路径跟踪控制方法 | |
CN111273664A (zh) | 一种空间桁架结构在轨装配的多机器人路径协同规划方法 | |
CN109857100B (zh) | 一种基于反演法和快速终端滑模的复合轨迹跟踪控制算法 | |
CN113341956B (zh) | 基于改进人工势场法的多智能体主从式编队控制方法 | |
CN107450317A (zh) | 一种空间机械臂自适应动力学协调控制方法 | |
CN113759936A (zh) | 一种适用于动态目标跟踪的比例导引法与人工势场法相结合的路径规划方法 | |
CN109471361A (zh) | 一种异构多机器人***的多目标跟踪控制方法 | |
CN110162053A (zh) | 异构多无人艇编队的自适应行为融合方法 | |
CN113467475A (zh) | 一种麦克纳姆轮全向移动机器人轨迹跟踪滑模控制方法 | |
CN108459614B (zh) | 一种基于cw-rnn网络的uuv实时避碰规划方法 | |
CN110597067A (zh) | 一种多移动机器人的群集控制方法及*** | |
Mohan et al. | A null space control of an underactuated underwater vehicle-manipulator system under ocean currents | |
CN113377016B (zh) | 考虑打滑的多移动机器人协同编队无抖振滑模控制方法 | |
CN114840947A (zh) | 一种带约束的三自由度机械臂动力学模型 |
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 | ||
CB03 | Change of inventor or designer information | ||
CB03 | Change of inventor or designer information |
Inventor after: Shan Liang Inventor after: Zhou Chao Inventor after: Chang Lu Inventor after: Zhou Shengshi Inventor after: Li Jun Inventor before: Zhou Chao Inventor before: Shan Liang Inventor before: Chang Lu Inventor before: Zhou Shengshi Inventor before: Li Jun |
|
GR01 | Patent grant | ||
GR01 | Patent grant |