一种多无人移动平台网络化协同控制方法
【专利摘要】本发明提供一种多无人移动平台网络化协同控制方法,针对单个机器人不能完成的作业任务,建立多机器人试验平台,进行编队、避障等基本行为的实验。第一步:采用里程计的定位方式搭建基于WIFI的UDP模式进行协调通信,实时掌握车位置与姿态;第二步:获取的位置和姿态建立差动独轮小车运动模型;第三步:分别将车与目标点看作相互吸引的正负电荷,应用之间产生的电场力作用于智能车,完成固定队形编队;第四步:编队过程中,通过第一步中相互通信过来的位置信息,判断是否将要发生碰撞,对于有碰撞可能的车,引入使它们相斥的势场来产生相互之间的斥力,避免车与车之间的碰撞;第五步:根据获取的全局信息和对小车目前位置的计算,使用相斥的势场力,来避免车与障碍物之间的碰撞。
【专利说明】一种多无人移动平台网络化协同控制方法
【技术领域】
[0001]本发明属于协同控制【技术领域】,涉及一种多无人移动平台网络化协同控制方法。【背景技术】
[0002]多无人移动平台是由多个移动平台组成的集合,平台之间以及平台与环境之间通过通讯、协商与协作来共同完成单个平台所不能解决的问题.多个平台的使用比单个平台有更多的优点。多个平台相互合作能够完成超出它们各自能力范围的任务,使得多无人移动平台的整体能力大于个体能力之和。总体上说,多无人移动平台具有更广泛的任务领域、更高的效率、改良的系统性能、错误容忍、鲁棒性、分布式的感知与作用、内在的并行性、对社会和生命科学的观察等显著特性。
[0003]多无人移动平台的网络化协同控制是当前多无人移动平台的一个重要发展方向。随着机器人应用范围的扩大,对其能力的要求越来越高,多个机器人协作可以完成单个机器人无法完成的复杂任务。编队控制是一个具有典型和通用性的多机器人协调问题,同时也是多机器人协调问题的基础,对多机器人协作系统的研究有巨大的推动和促进作用。如果编队过程中存在障碍,则可能会导致智能多机器人碰撞,损失会很严重,也不能很好的完成期望的动作或达到预定的编队效果,所以相关的避障策略也是在编队过程中需要考虑的重要问题。
【发明内容】
[0004]本发明针对单个机器人不能完成的作业任务,使用多机器人系统代替单个机器人执行复杂任务的需求,建立多机器人试验平台,进行编队、避障等基本行为的实验,以满足复杂环境下的任务需求。
[0005]本发明的技术方案如下:
[0006]一种多无人移动平台网络化协同控制方法,包括以下步骤:
[0007]第一步:采用里程计的定位方式搭建基于WIFI的UDP模式进行协调通信,实时掌握车位置与姿态;
[0008]第二步:根据第一步中获取的位置和姿态建立差动独轮小车运动模型;
[0009]第三步:根据第二步中小车的运动模型,使用人工势能场方法进行编队,分别将车与目标点看作相互吸引的正负电荷,应用之间产生的电场力作用于智能车,完成固定队形编队;
[0010]第四步:编队过程中,通过第一步中相互通信过来的位置信息,判断是否将要发生碰撞,对于有碰撞可能的车,引入使它们相斥的势场来产生相互之间的斥力,避免车与车之间的碰撞;
[0011]第五步:根据获取的全局信息和对小车目前位置的计算,使用相斥的势场力,来避免车与障碍物之间的碰撞。
[0012]本发明的有益效果:[0013]本发明实验结果误差范围控制在0.2mm以内,成功完成了机器人之间的互相避碰,并达到指定位置。
【专利附图】
【附图说明】
[0014] 图1机器人转向分析坐标图;
[0015]图2坐标系中的位置坐标图;
[0016]图3实施例中基于MPLAB的环境对机器人编程流程图;
[0017]图4UDP广播模式建立通信网络原理图;
[0018]图5 —号车的初始状态示意图;
[0019]图6 —号车躲避二号车的状态示意图;
[0020]图7 —号车躲避零号车的状态示意图;
[0021]图8 一号车躲过所有障碍以后继续行驶示意图;
[0022]图9所有车到达指定的目标位置示意图。
【具体实施方式】
[0023]下面通过附图和实例对本发明的技术方案做进一步的详细描述。
[0024]1.里程计定位系统的描述
[0025]本实施例用odometry定位方式。这种定位方式是基于光电编码器的准确数据,随着时间的推移整合位置的变化的定位方式。假设机器人按照图1运动,其中rk为运动弧线半径,Δ 0,为转角,b为机器人轴间距,AUu和ΔΙ,为机器人左右轮运动轨迹,c为机器人中心,Λ P k为机器人运动直线距离:
[0026]rkA Θ k = AUljk
[0027](rk+b) Δ θ k = AUrjk
[0028]可以得到:
[0029]
【权利要求】
1.一种多无人移动平台网络化协同控制方法,其特征在于,包括以下步骤: 第一步:采用里程计的定位方式搭建基于WIFI的UDP模式进行协调通信,实时掌握车位置与姿态; 第二步:根据第一步中获取的位置和姿态建立差动独轮小车运动模型; 第三步:根据第二步中小车的运动模型,使用人工势能场方法进行编队,分别将车与目标点看作相互吸引的正负电荷,应用之间产生的电场力作用于智能车,完成固定队形编队; 第四步:编队过程中,通过第一步中相互通信过来的位置信息,判断是否将要发生碰撞,对于有碰撞可能的车,引入使它们相斥的势场来产生相互之间的斥力,避免车与车之间的碰撞; 第五步:根据获取的全局信息和对小车目前位置的计算,使用相斥的势场力,来避免车与障碍物之间的碰撞。
2.如权利要求1所述的一种多无人移动平台网络化协同控制方法,其特征在于,其中所述的定位方式是基于光电编码器的准确数据随着时间的推移整合位置的变化的定位方式;其中rk为运动弧线半径,Λ 9,为转角,b为机器人轴间距,AUlik和AUu为机器人左右轮运动轨迹,c为机器人中心,Λ P k为机器人运动直线距离:
rkA Θ k = AUljk
(rk+b) Δ θ k = AUrjk
得到:
3.如权利要求1或2所述的一种多无人移动平台网络化协同控制方法,其特征在于,所述的Wifi是基于Uart接口的符合wifi无线网络标准的嵌入式模块,内置无线网络协议IEEE802.11协议栈以及TCP/IP协议栈,能够实现用户串口数据到无线网络之间的转换。
4.如权利要求1或2所述的一种多无人移动平台网络化协同控制方法,其特征在于,所述的第三步中将机器人当作电场中的负电荷,将障碍物当作静电场中具有几何外形的均匀导体,将目标位置当作正电荷,目标位置对机器人产生吸引力,然后将整个系统当作一个电势能场来处理,其中的人工势能场函数包括机器人之间的势能场函数、机器人和障碍物之间的势能场函数、以及机器人和目标位置之间的势能场函数。
【文档编号】G05D1/02GK103984343SQ201410206019
【公开日】2014年8月13日 申请日期:2014年5月15日 优先权日:2014年5月15日
【发明者】夏元清, 蒲钒, 陈静, 付梦印, 李春明, 李贺, 邓志红, 任雪梅 申请人:北京理工大学