移动机器人编队的运动控制策略

计算机应用 ›› 2011, Vol. 31 ›› Issue (12): 3312-3314.

移动机器人编队的运动控制策略

梁家海¹,²

1. 北京工业大学电子信息与控制工程学院，北京 100124
2. 钦州学院数学与计算机科学学院，广西钦州 535000

收稿日期:2011-05-23 修回日期:2011-06-27 发布日期:2011-12-12 出版日期:2011-12-01
通讯作者: 梁家海
基金资助:
广西自然科学基金重点攻关项目

A research of motion control strategy on mobile robot formation

LIANG Jia-hai¹,²

1. College of Electronic Information and Control Engineering, Beijing University of Technology, Beijing 100124,China
2. College of Mathematics and Computer Science, Qinzhou University, Qinzhou Guangxi 535000,China

Received:2011-05-23 Revised:2011-06-27 Online:2011-12-12 Published:2011-12-01
Contact: LIANG Jia-hai

摘要/Abstract

摘要： 为实现移动机器人编队的多样性、稳定性和队形变换连续性，并解决移动机器人编队运动中的避障、避碰、到达目标的问题，对基本队形进行分析，提出队形参数化的思路，建立基本队形虚结构的参数化数学模型，通过调整参数使队形在基本队形及其衍生的队形间进行变换；机器人在运行的过程中，利用行为融合方法、跟随领航者法、人工势场法和虚结构法对机器人进行运动控制，实现了机器人的避障、避碰、队形归建等目标。对上述策略进行了仿真实验，实验结果表明，使用本策略既保留了虚结构法队形稳定、队形归建迅速的优点，又改进了其灵活性差的不足。

关键词: 机器人编队, 队形参数化, 运动控制, 策略, 研究

Abstract: This paper studied how to achieve the diversity, stability and continuity of formation change for mobile robots，and solved the problem of obstacle and collision avoidance for the robot formation to reach the destination. The basic formation was analyzed and the idea of formation parameterization was presented. Parametric mathematical model was established for the virtual structure of basic formation. Formation alternated between basic formation and derivative formation by adjusting the parameters. Robot motion can be controlled by using behavior fusion method, follow pilot method, artificial potential field method and virtual structure method. The simulation and experimental results show that this strategy not only retains the advantage of stability and rapid formation of virtual structure method but also improves flexibility.

Key words: robot formation, formation parametric, motion control, strategy, research

中图分类号:

梁家海. 移动机器人编队的运动控制策略[J]. 计算机应用, 2011, 31(12): 3312-3314.

LIANG Jia-hai. A research of motion control strategy on mobile robot formation[J]. Journal of Computer Applications, 2011, 31(12): 3312-3314.

[1]	黄颖, 杨佳宇, 金家昊, 万邦睿. 用于RGBT跟踪的孪生混合信息融合算法[J]. 《计算机应用》唯一官方网站, 2024, 44(9): 2878-2885.
[2]	周毅, 高华, 田永谌. 基于裁剪优化和策略指导的近端策略优化算法[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2334-2341.
[3]	张英俊, 李牛牛, 谢斌红, 张睿, 陆望东. 课程学习指导下的半监督目标检测框架[J]. 《计算机应用》唯一官方网站, 2024, 44(8): 2326-2333.
[4]	马天, 席润韬, 吕佳豪, 曾奕杰, 杨嘉怡, 张杰慧. 基于深度强化学习的移动机器人三维路径规划方法[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2055-2064.
[5]	魏文亮, 王阳萍, 岳彪, 王安政, 张哲. 基于光照权重分配和注意力的红外与可见光图像融合深度学习模型[J]. 《计算机应用》唯一官方网站, 2024, 44(7): 2183-2191.
[6]	唐睿, 庞川林, 张睿智, 刘川, 岳士博. D2D通信增强的蜂窝网络中基于DDPG的资源分配[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1562-1569.
[7]	郑志强, 段海滨. 基于有限忍耐度鸽群优化的无人机近距空战机动决策[J]. 《计算机应用》唯一官方网站, 2024, 44(5): 1401-1407.
[8]	高改梅, 张瑾, 刘春霞, 党伟超, 白尚旺. 基于区块链与CP-ABE策略隐藏的众包测试任务隐私保护方案[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 811-818.
[9]	唐朝君, 夏梅妍, 张华, 谢挺. 动态事件触发下多智能体系统固定时间一致性[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 960-965.
[10]	杜晓昕, 周薇, 王浩, 郝田茹, 王振飞, 金梅, 张剑飞. 智能算法的亚群优化策略综述[J]. 《计算机应用》唯一官方网站, 2024, 44(3): 819-830.
[11]	刘勇, 杨锟. 新能源汽车电池回收网点竞争选址模型及算法[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 595-603.
[12]	张睿, 宋思琪, 胡静, 张永梅, 柴艳峰. 基于统计和自适应ParNet的产学研绩效评价[J]. 《计算机应用》唯一官方网站, 2024, 44(2): 628-637.
[13]	刘世梁, 王义, 马应龙. 考虑社区规模不平衡的非重叠社区检测[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3396-3402.
[14]	余家宸, 杨晔. 基于裁剪近端策略优化算法的软机械臂不规则物体抓取[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3629-3638.
[15]	王昱, 关智慧, 李远鹏. 基于轨迹预测和分布式MADDPG的无人机集群追击决策[J]. 《计算机应用》唯一官方网站, 2024, 44(11): 3623-3628.