多機(jī)器人協(xié)同控制技術(shù)

第1章　緒論 001
1.1　多機(jī)器人協(xié)同定位發(fā)展現(xiàn)狀 004
1.2　多機(jī)器人協(xié)同通信發(fā)展現(xiàn)狀 006
1.3　移動(dòng)機(jī)器人環(huán)境感知與自主探索發(fā)展現(xiàn)狀 007
1.4　移動(dòng)機(jī)器人軌跡跟蹤控制技術(shù) 008
1.5　移動(dòng)機(jī)器人分布式控制技術(shù) 010
1.6　模塊化機(jī)器人國內(nèi)外發(fā)展現(xiàn)狀 011
參考文獻(xiàn) 017
第2章　多機(jī)器人協(xié)同通信與定位技術(shù) 023
2.1　概述 023
2.2　多機(jī)器人協(xié)同通信技術(shù) 024
2.2.1　基于TCP/IP 協(xié)議的多機(jī)器人協(xié)同通信 027
2.2.2　基于UDP 協(xié)議的多機(jī)器人協(xié)同通信 029
2.2.3　基于ICMP 協(xié)議的多機(jī)器人協(xié)同通信 030
2.2.4　基于ROS 的多機(jī)器人協(xié)同通信 032
2.2.5　復(fù)雜場景下的協(xié)同通信 036
2.3　定位感知技術(shù) 037
2.3.1　絕對式定位感知技術(shù) 037
2.3.2　相對式定位感知技術(shù) 045
2.4　基于濾波的多機(jī)器人定位感知算法 052
2.4.1　卡爾曼濾波算法 052
2.4.2　粒子濾波算法 053
2.5　基于優(yōu)化的多機(jī)器人定位感知算法 054
2.5.1　滾動(dòng)時(shí)域法 054
2.5.2　粒子群優(yōu)化法 056
2.5.3　梯度下降法 057
2.6　基于分布式擴(kuò)展卡爾曼濾波算法的相對位姿優(yōu)化估算 058
2.6.1　多平臺(tái)擴(kuò)展卡爾曼算法集中建模 059
2.6.2　分布式擴(kuò)展卡爾曼濾波耦合 061
2.6.3　分布式濾波系統(tǒng)自適應(yīng)誤差優(yōu)化 065
2.7　多機(jī)器人相對位姿估計(jì)方法與協(xié)同定位方法 066
2.7.1　初始相對位姿估計(jì)解算 066
2.7.2　基于定位置信度的傳感器信息融合 070
2.7.3　基于擴(kuò)展容積卡爾曼濾波的協(xié)同定位 072
2.7.4　仿真與物理平臺(tái)實(shí)驗(yàn) 073
參考文獻(xiàn) 080
第3章　多機(jī)器人協(xié)同導(dǎo)航與自主探索技術(shù) 081
3.1　概述 081
3.2　多機(jī)器人協(xié)同導(dǎo)航技術(shù) 082
3.2.1　傳感器技術(shù)在多機(jī)器人導(dǎo)航中的應(yīng)用 082
3.2.2　多機(jī)器人導(dǎo)航控制策略概述 084
3.3　多機(jī)器人導(dǎo)航中的路徑規(guī)劃算法 087
3.3.1　常見的全局路徑規(guī)劃算法 087
3.3.2　常見的局部路徑規(guī)劃算法 091
3.3.3　多機(jī)器人導(dǎo)航技術(shù)發(fā)展趨勢 093
3.4　基于多線激光雷達(dá)的透明障礙物識(shí)別與重建方法 094
3.4.1　基于反射強(qiáng)度特征和局部結(jié)構(gòu)特征的透明障礙物識(shí)別方法 094
3.4.2　基于環(huán)境信息的透明障礙物重建方法 103
3.5　透明障礙物環(huán)境地圖構(gòu)建方法           106
3.5.1　基于對稱特征的反射錯(cuò)誤點(diǎn)識(shí)別與修正方法 106
3.5.2　透明障礙物場景優(yōu)化SLAM 方法 112
3.6　透明障礙物環(huán)境下機(jī)器人自主探索策略 114
3.6.1　基于雙RRT 的局部探索 115
3.6.2　目標(biāo)點(diǎn)評估模型 120
3.6.3　基于拓?fù)渎窂綀D的全局調(diào)整 122
3.6.4　透明障礙物環(huán)境探索優(yōu)化策略 122
3.7　綜合實(shí)驗(yàn)驗(yàn)證與分析 123
3.7.1　實(shí)驗(yàn)平臺(tái) 123
3.7.2　實(shí)驗(yàn)驗(yàn)證 124
3.7.3　結(jié)果分析 127
參考文獻(xiàn) 128
第4章　多機(jī)器人編隊(duì)協(xié)同運(yùn)動(dòng)控制 129
4.1　概述 129
4.2　多機(jī)器人協(xié)同運(yùn)動(dòng)建模 129
4.3　協(xié)同跟隨控制器 130
4.4　最優(yōu)控制參數(shù)選取 132
4.4.1　遺傳算法 132
4.4.2　種群初始化 132
4.4.3　適應(yīng)度函數(shù) 133
4.4.4　精英選擇 133
4.4.5　交叉和突變 134
4.5　多機(jī)器人編隊(duì)協(xié)同運(yùn)動(dòng)策略 135
4.5.1　編隊(duì)控制相關(guān)方法 135
4.5.2　基于行為法 141
4.5.3　系列優(yōu)化方法 143
4.5.4　圖論概念 149
4.5.5　隊(duì)形結(jié)構(gòu)描述 150
4.5.6　聚合靠攏 151
4.5.7　分散隊(duì)形變換 152
4.5.8　協(xié)同隊(duì)形控制流程 154
4.6　分布式多機(jī)器人編隊(duì)控制策略           155
4.6.1　多機(jī)器人系統(tǒng)圖論及編隊(duì)模型 155
4.6.2　領(lǐng)航者機(jī)器人路徑生成 156
4.6.3　編隊(duì)控制律分析 158
4.6.4　編隊(duì)形成仿真實(shí)驗(yàn) 159
4.7　基于改進(jìn)APF 的多機(jī)器人系統(tǒng)分布式避障算法 160
4.8　多機(jī)器人行為決策設(shè)計(jì) 162
4.8.1　行為加權(quán)融合方法 162
4.8.2　避障與隊(duì)形切換仿真實(shí)驗(yàn) 163
參考文獻(xiàn) 164
第5章　機(jī)器人戶外復(fù)雜環(huán)境感知與地圖構(gòu)建 166
5.1　概述 166
5.1.1　感知定位與建圖方法 167
5.1.2　基于因子圖優(yōu)化的狀態(tài)估計(jì)方法 167
5.1.3　傳感器因子節(jié)點(diǎn)構(gòu)建方法 168
5.1.4　多因子圖優(yōu)化設(shè)計(jì) 174
5.1.5　基于SegNet 的動(dòng)態(tài)環(huán)境建圖方法 177
5.2　機(jī)器人戶外環(huán)境感知與規(guī)劃方法實(shí)驗(yàn)分析 183
5.2.1　系統(tǒng)硬件選型設(shè)計(jì) 184
5.2.2　仿真平臺(tái)搭建 186
5.2.3　仿真實(shí)驗(yàn) 188
5.2.4　樣機(jī)實(shí)驗(yàn)分析 192
參考文獻(xiàn) 198
第6章　機(jī)器人起伏地形軌跡規(guī)劃與跟蹤控制 199
6.1　概述 199
6.1.1　規(guī)劃問題描述與RRT??算法 200
6.1.2　RRT??算法改進(jìn) 201
6.2　面向崎嶇地形的路徑規(guī)劃方法 204
6.2.1　基于A??算法的2.5D 路徑規(guī)劃方法 204
6.2.2　基于非線性模型預(yù)測控制算法的2.5D 軌跡跟蹤控制方法 207
6.3　起伏地形軌跡跟蹤算法研究與方法設(shè)計(jì) 212
6.3.1　起伏地形機(jī)器人姿態(tài)誤差補(bǔ)償控制問題分析 212
6.3.2　基于模型預(yù)測控制的機(jī)器人軌跡跟蹤方法 214
6.3.3　基于反饋控制的機(jī)器人姿態(tài)角誤差動(dòng)態(tài)補(bǔ)償方法 218
6.3.4　避障規(guī)劃算法研究與方法設(shè)計(jì) 221
6.4　多輪移動(dòng)機(jī)器人多輪分布式協(xié)同控制方法 228
6.4.1　分布式協(xié)同控制算法研究與方法設(shè)計(jì) 228
6.4.2　基于擴(kuò)張狀態(tài)觀測器的未知擾動(dòng)補(bǔ)償控制方法 236
6.5　輪式移動(dòng)機(jī)器人運(yùn)動(dòng)控制系統(tǒng)實(shí)驗(yàn)驗(yàn)證 240
6.5.1　仿真實(shí)驗(yàn) 240
6.5.2　樣機(jī)實(shí)驗(yàn) 253
參考文獻(xiàn) 259
第7章　組合體越障規(guī)劃與構(gòu)型分析 261
7.1　概述 261
7.2　崎嶇地形建模與越障路徑規(guī)劃 262
7.2.1　基于可變構(gòu)模塊化機(jī)器人越障特征的幾何通過性與地形 262
7.2.2　地形語義分割 268
7.2.3　語義地圖與柵格地圖結(jié)合的越障路徑規(guī)劃方法 270
7.3　地形與負(fù)載約束下的越障能耗與時(shí)間最優(yōu)構(gòu)型生成方法 273
7.3.1　越障構(gòu)型規(guī)劃問題建模 273
7.3.2　基于遺傳算法的構(gòu)型規(guī)劃求解 276
7.3.3　基于BP 神經(jīng)網(wǎng)絡(luò)的構(gòu)型規(guī)劃 283
參考文獻(xiàn) 287
第8章　模塊化可重構(gòu)機(jī)器人最優(yōu)變構(gòu)決策與規(guī)劃 288
8.1　概述 288
8.2　多目標(biāo)變構(gòu)決策層次優(yōu)化 290
8.2.1　模塊化機(jī)器人平面構(gòu)型表達(dá) 290
8.2.2　最大公共子構(gòu)型匹配 291
8.2.3　組元拆分樹結(jié)構(gòu)啟發(fā)式搜索 293
8.2.4　變構(gòu)移動(dòng)距離估計(jì) 297
8.2.5　帕累托最優(yōu)性證明 298
8.2.6　時(shí)間復(fù)雜度 300
8.3　大規(guī)模組合體的分組變構(gòu)優(yōu)化策略           302
8.4　模塊化機(jī)器人并行變構(gòu)最優(yōu)軌跡規(guī)劃技術(shù) 302
8.4.1　構(gòu)建最優(yōu)執(zhí)行路徑 305
8.4.2　并行變構(gòu)運(yùn)動(dòng)的路徑-時(shí)間維映射 305
8.4.3　運(yùn)動(dòng)約束下分段平滑時(shí)刻表模型 308
8.4.4　啟發(fā)式偏移粒子群算法的時(shí)刻表優(yōu)化器 310
8.5　仿真與物理平臺(tái)實(shí)驗(yàn) 312
8.5.1　最優(yōu)變構(gòu)規(guī)劃仿真與分析 312
8.5.2　面向大量模塊的分組變構(gòu)規(guī)劃仿真與分析 314
8.5.3　模型仿真與結(jié)果分析 316
8.5.4　算法性能仿真 316
8.5.5　對比仿真 317
8.5.6　物理平臺(tái)對比實(shí)驗(yàn) 319
參考文獻(xiàn) 322
第9章　模塊化機(jī)器人變構(gòu)實(shí)時(shí)路徑規(guī)劃與并行控制 325
9.1　概述 325
9.2　變構(gòu)實(shí)時(shí)路徑規(guī)劃 326
9.2.1　高實(shí)時(shí)性去中心化全地圖隨機(jī)樹 326
9.2.2　回環(huán)分支迭代的實(shí)時(shí)路徑優(yōu)化 328
9.2.3　動(dòng)態(tài)環(huán)境快速響應(yīng)機(jī)制 333
9.2.4　概率完備性 337
9.3　包圍逃逸 338
9.4　分布式并行變構(gòu)控制技術(shù) 339
9.4.1　本地共識(shí)的異形組元分布式軌跡跟蹤控制 341
9.4.2　分布式控制器的遞歸可行性與漸近穩(wěn)定性 348
9.5　仿真與物理平臺(tái)實(shí)驗(yàn) 349
9.5.1　模型仿真與結(jié)果分析 349
9.5.2　物理平臺(tái)對比實(shí)驗(yàn) 355
9.5.3　組合體變構(gòu)對比測試 357
9.5.4　組合體連續(xù)變構(gòu) 358
參考文獻(xiàn) 360