[发明专利]一种基于观测器的机器人网络动态区域覆盖的控制方法在审

专利信息
申请号: 202111404956.4 申请日: 2021-11-24
公开(公告)号: CN114200833A 公开(公告)日: 2022-03-18
发明(设计)人: 刘智伟;孙启海;池明;何顶新;王燕舞;肖江文;刘骁康 申请(专利权)人: 华中科技大学
主分类号: G05B13/04 分类号: G05B13/04
代理公司: 华中科技大学专利中心 42201 代理人: 夏倩
地址: 430074 湖北*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 观测器 机器人 网络 动态 区域 覆盖 控制 方法
【权利要求书】:

1.一种基于观测器的机器人网络动态区域覆盖的控制方法,其特征在于,包括:

S1,基于机器人网络中各机器人的观测器,获取所述区域内可移动目标的近似重要程度

S2,根据建立机器人网络对区域覆盖效果的近似度量函数其中,pi为机器人当前位置,N为机器人个数,Vi为机器人i分配到的Voronoi分区,q为区域内的任意点;

S3,基于所述近似度量函数,以跟踪各自的Voronoi分区质心为目标,建立各机器人的控制器为以对各机器人进行控制;

其中,ωi、vi、Cvi、θei分别为机器人i的角速度、线速度、Voronoi分区质心、角度误差,k3,k4∈R+为正常系数,ρ为扰动界限。

2.如权利要求1所述的基于观测器的机器人网络动态区域覆盖的控制方法,其特征在于,步骤S1包括:

根据描述可移动目标对区域中的任意点q的重要性的基函数矩阵Φ(q,t)、各机器人当前位置pi的环境密度Φα(pi,t)及所述机器人网络之间的通信信息,建立各机器人的观测器。

3.如权利要求2所述的基于观测器的机器人网络动态区域覆盖的控制方法,其特征在于,采用无向图G(t)={V,E(t),A(t)}描述机器人网络之间的通信连接,其中为边集,A(t)为邻接矩阵;

所述各机器人的观测器为:

其中,k1,k2∈R+为正常量系数,lij(t)为无向图G(t)的拉普拉斯矩阵,γi(t)=Φ(pi(t),t)Φ(pi(t),t)T,χi(t)=Φ(pi(t),t)Φα(pi(t),t),Φ(pi(t),t)为描述目标重要性的基函数矩阵在位置pi的值,Φα(pi(t),t)为机器人i(i∈V)当前位置pi的环境密度感知值。

4.如权利要求1所述的基于观测器的机器人网络动态区域覆盖的控制方法,其特征在于,

所述各机器人的位置误差

所述各机器人的角度误差θei=θiri,i∈V,其中,

5.如权利要求1所述的基于观测器的机器人网络动态区域覆盖的控制方法,其特征在于,所述机器人网络为非完整轮式机器人网络。

6.如权利要求5所述的基于观测器的机器人网络动态区域覆盖的控制方法,其特征在于,非完整轮式机器人的运动学模型为:

其中i∈V,pi=[xi,yi]T∈R2是机器人在区域中的位置,θi为机器人i∈V的角度,ωi和vi分别为机器人i的角速度和线速度,di(t)为输入扰动满足:||di(t)||<ρ,ρ为扰动界限。

7.一种基于观测器的机器人网络动态区域覆盖的控制装置,其特征在于,包括:

第一处理模块,用于基于机器人网络中各机器人的观测器,获取所述区域内可移动目标的近似重要程度

第二处理模块,用于根据建立机器人网络对区域覆盖效果的近似度量函数其中,pi为机器人当前位置,N为机器人个数,Vi为机器人i分配到的Voronoi分区,q为区域内的任意点;

控制模块,用于基于所述近似度量函数,以跟踪各自的Voronoi分区质心为目标,建立各机器人的控制器为以对各机器人进行控制;

其中,ωi、vi、θei分别为机器人i的角速度、线速度、Voronoi分区质心、角度误差,k3,k4∈R+为正常系数,ρ为扰动界限。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华中科技大学,未经华中科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202111404956.4/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top