【摘 要】
:
随着多机器人技术的不断发展,多机器人技术在多个领域得到应用,受到了越来越多的关注。单个机器人由于自身性能的限制无法满足人们日益增长的对机器人性能需求。多机器人系统具有更好的性能,能够协作完成更复杂的工作。多机器人编队控制是多机器人技术的一个重要的方向,对多机器人编队控制进行研究具有重要的意义。本文以轮式移动机器人作为研究对象,对多移动机器人的预定性能编队控制问题进行研究,论文主要研究内容如下:对多
论文部分内容阅读
随着多机器人技术的不断发展,多机器人技术在多个领域得到应用,受到了越来越多的关注。单个机器人由于自身性能的限制无法满足人们日益增长的对机器人性能需求。多机器人系统具有更好的性能,能够协作完成更复杂的工作。多机器人编队控制是多机器人技术的一个重要的方向,对多机器人编队控制进行研究具有重要的意义。本文以轮式移动机器人作为研究对象,对多移动机器人的预定性能编队控制问题进行研究,论文主要研究内容如下:对多移动机器人领航跟随编队控制提出了一种基于预定性能的编队控制方法。本方法引入性能函数对编队跟踪误差进行性能约束,通过误差转换将原来的带有性能约束的编队跟踪误差转换成没有性能约束的编队跟踪误差。基于运动学模型设计了控制器,证明该控制器可使闭环系统中的所有信号有界,编队跟踪误差收敛到原点小的邻域内同时满足预定性能要求。仿真和实验结果验证了算法的有效性。对多移动机器人领航跟随编队控制有限时间收敛问题进行研究。在本方法中,为了减少编队跟踪误差收敛所需要的时间,基于快速终端滑模控制和预定性能控制设计了控制器,证明了该控制器可使闭环系统中的所有信号有界,编队跟踪误差有限时间收敛,同时可使跟踪误差满足预定性能要求。仿真和实验结果验证了编队控制算法的有效性。
其他文献
在钢铁生产中,钢生产过程是一个具有复杂工序、多种控制变量结合的大型工业流程。连续退火工艺作为带钢生产过程中的关键工艺,对带钢质量起到了决定性的作用。但是由于退火工艺自身的局限性,使得原有的带钢质量检测方法已经不能够满足日益增长的生产需要。此外企业为了进一步提高生产效率和生产质量,针对不同钢材的产品的操作优化也逐渐受到了关注。因此,有必要对连续退火工艺中的产品质量进行预测以及操作优化。本文针对这两个
折射率是物质的基本属性之一,可间接地反映物质的许多物化特性。对折射率的精确测量在生物,化学,食品,环境等众多领域中至关重要。光纤折射率传感器由于一些固有的优良特性,是目前折射率传感领域的研究热点。本文对不同类型的光纤折射率传感器进行了调研,并针对薄包层光纤布拉格光栅(Fiber Bragg Grating,FBG)和单模-无芯-单模(Single mode-No core-Single mode,
近年来,复杂网络因其在通信网络、全球经济市场、代谢系统等各个领域的广泛应用而受到越来越多的关注。假设在复杂网络中,每个节点代表一个神经网络,而每个边代表一个神经网络对另一个神经网络的影响,则该类型的网络称为耦合神经网络。耦合神经网络是一种特殊的复杂网络,已成功地应用于谐波振荡产生、保密通信、混沌发生器等领域。实际上,现实世界中的许多系统,如交通网络、社会网络等等这些网络可以用多权重的复杂动态网络进
五轴数控机床相比较于三轴数控机床添加了两个旋转轴,使其更适用于航空航天、运输船舶以及汽车行业中复杂曲面的加工,并且有着更高的精度要求。五轴数控机床由于结构的复杂性使得影响加工精度的误差源明显增多,其中旋转轴为主要的误差贡献轴。为了识别机床旋转轴的几何误差,本文分别从误差建模、误差检测实验以及误差补偿三个方面对双回转工作台式AC五轴数控机床(DMU85)以及摆头回转工作台式BC五轴数控机床(DMU8
最近,神经网络的动力学行为已经引起了众多研究者的关注,这是由于它可以广泛地被应用在图像处理,模式分类,优化等。众所周知,电子在不均匀的电磁场的运动可以引起反应扩散现象。因此,反应扩散现象应该被考虑在神经网络中。到目前为止,反应扩散神经的动力学行为已经吸引了许多研究人员的注意。再者,由多个相同或者不相同的反应扩散神经网络组成的耦合反应扩散神经网络也引起了不同领域的众多学者的关注,例如:谐波振荡的产生
地震自古至今都是最危险的地质灾害之一,地震后若能够及时发现受困人员并进行及时救治可大大减少人员伤亡。基于此需求本文研究微型地震搜救探路模型机器人,论文的主要内容和创新性工作如下:1.针对模拟震后复杂搜救环境的迷宫任务需求,对探路模型机器人进行系统构建,包括主控部分、运动控制部分和传感电路部分。详细分析了探路模型机器人运行原理,对探路模型机器人任务执行过程中的方向及方向转换、坐标更新、墙壁资料存储及
气液两相流是多相流中的常见形式之一,其广泛存在于煤炭输送、石油开采、原油运输、工业排污和气力输送等与人类生产生活和实践活动密切相关的过程中。通过一定的测量技术来研究气泡的分布状态,对于掌握气液两相流的流动机理具有重要意义。本文以液相中的气泡为研究对象,提出了基于改进卷积神经网络的气泡流场三维重建方法,再现气泡流场的三维分布,为进一步分析气相在液相中的运动特性奠定基础。本文针对气液两相流研究中的气泡
随着社会经济与智能科技的飞速发展,碳纤维材料因其质量轻、模量高、耐高温、抗疲劳等优秀品质在民用制造、航空航天、机械装备和军工领域等方面已经得到了广泛的应用与发展,因此以高效率的机织生产方式为核心的碳纤维装备系统日益受到了研究者的青睐。为了改善在复杂的非线性网络化控制系统中织物的工艺质量并减少外界干扰带来的影响,本文以碳纤维角联织机为研究对象,围绕纱线的张力波动问题对控制策略展开深入研究。本文首先分
近几十年来,在控制领域中,非线性和时滞一直是神经网络系统的重点和热点。在神经网络系统的具体实现和专业应用中,神经元的固定传输时间和有限的信息传输速率不可避免地会导致系统的时延;另外,环境噪声,未知参数以及各种实际项目中经常遇到的干扰,这使得开发精确的数学模型非常困难。不确定性的存在不可避免地使系统性能下降,甚至使动态系统不稳定。如今,针对复杂的未知非线性系统问题,滚动优化控制可以更好地适应实际系统
航拍图像的目标检测与识别是一项非常重要的任务,广泛应用在地图制图,灾害预测与治理,农业检测,城市的规划和建设等领域。随着深度学习技术的快速发展,基于深度神经网络的航拍图像目标检测算法取得了远超传统目标检测算法的效果。然而,这些深度学习算法应用到实际的航拍检测系统时,往往面临计算开销过大的问题,要达到实时检测需要使用多块高性能的GPU,巨大的算力要求限制了算法在航拍图像实时检测任务上的应用。因此,本