【技术实现步骤摘要】
本专利技术涉及多智能无人车编队控制，具体涉及一种基于ros的多智能无人车pid编队控制方法、系统及应用。
技术介绍
1、多智能体系统(mas)由智能体及环境构成，且智能体可分为两种类型：被动型、具有简单目标和认知型智能体。智能体环境复杂多样，即包括虚拟，离散和连续等场景，但其中多智能体的协同控制应用更为广泛，如军事应用中以无人机、无人车和无人水面艇为代表的智能体在执行军事作战侦察打击任务时通常基于多智能体协同追踪问题开展研究。随着自动驾驶技术的飞速发展，智慧交通和高科技军事打击也成为多智能体系统(mas)亟待解决的重要问题。
2、多智能体编队控制是一个备受关注的研究问题，经典的控制方法包括基于领航者-跟随者、基于虚拟结构、基于人工势场、基于行为和基于路径跟随等方案，其中，基于领航者-跟随者(leader-follower)的编队控制方法传统高效，拥有简单易实现的控制结构，即主要将编队中的所有成员指定为领航者或跟随者，领航者沿预定或设定的路线航行以掌控整个编队的运动趋势，跟随者则依据其相对领航者的距离和方位信息跟随其实现编队控制；基于虚拟结构(virtual structure)的编队控制方法旨在将编队的所有成员作为整体统一处理，即先确定虚拟结构的运动学和动力学特性，推导体系结构中虚拟目标点的特性，并设计控制律使机器人跟踪目标点而控制编队。该方法便于规范编队行为并保持队形，但因特定物理结构的约束而缺乏灵活性；基于路径跟随(path following)的编队控制方法适合于通信受限的复杂环境，主流做法是分解编队控制任务，
3、此外，近年来多智能体跟踪控制也涉及诸多研究，主要集中于移动机器人的跟踪控制，如研究移动机器人反馈跟踪控制系统的稳定性，或设计时变点镇定控制器以成功实现路径跟随。多智能体跟踪控制的理论工程研究也收获了诸多成果：例如tanner等分析证明了如何在静态结构下稳定控制多智能体的群集运动[1]，并进一步验证了在动态结构下稳定控制多智能体群集运动的可行性；亦有研究[2]设计了一款基于k优势队形的多智能体目标跟踪算法，即假设目标以扰动的动力学运动，并为每个非完整智能体设计了k覆盖编队控制方法以提高跟踪质量。其次，李忠奎等[3]提出了一种分布式跟踪方法以解决领航者具有未知有界输入条件的线性多智能体系统。gpkladis[4]则阐述了uav群体在通信时延情况下的跟踪控制并验证其稳定性。khac duc do[5]设计了一种基于独轮结构的多机器人队形跟踪控制算法，并提出一种协作控制器设计方法，即迫使一组n个具有有限感测范围的独轮车式移动机器人执行所需的编队跟踪，并确保机器人之间不会发生碰撞。针对多智能体系统一致性跟踪问题相关研究也设计了一种迭代型学习控制算法以满足时间最优策略[6]。
4、随着自动驾驶技术的飞速发展，智慧交通和高科技军事打击已成为多智能体系统(mas)亟待解决的重要问题。
技术实现思路
1、由此，本专利技术提出一种基于ros的多智能无人车pid编队控制方法、系统及应用，基于ros(robot operating system，机器人操作系统)平台建立复杂的高仿真gazebo场景，设计不同于传统编队控制方法的pid控制方法实现多智能无人车的聚集式/分散式编队控制及对静态物体的协同跟踪。
2、根据本专利技术的一方面，提出一种基于ros的多智能无人车pid编队控制方法，该方法包括以下步骤：
3、获取第一种类型和第二种类型的多个无人车的实时运动速度、期望运动速度、实时位置以及期望位置；
4、计算实时运动速度和期望运动速度之间的速度偏差、实时位置和期望位置之间的位置偏差；
5、基于第一种类型的多个无人车所对应的速度偏差、位置偏差和第一控制律计算获取第一种类型的多个无人车的第一组转动力矩；基于第一组转动力矩控制第一种类型的多个无人车按照期望运动速度到达期望位置；
6、基于第二种类型的多个无人车所对应的速度偏差、位置偏差和第二控制律计算获取第二种类型的多个无人车的第二组转动力矩；基于第二组转动力矩控制第二种类型的多个无人车按照期望运动速度到达期望位置。
7、进一步地，所述第一控制律为：
8、
9、式中，τ表示第一组转动力矩中的一个转动力矩；kp,kv和ki分别表示比例参数、微分参数和积分参数；表示位置偏差，表示速度偏差；是基于时间t及速度v的位置误差项进行积分的积分项，且
10、
11、goalx(σ)表示t时刻期望位置的x轴坐标，currentx(σ)表示实时位置的x轴坐标，goaly(σ)表示期望位置的y轴坐标，currenty(σ)表示实时位置的y轴坐标；σ表示位置偏差函数的单位变化量；
12、所述第二控制律为：
13、
14、式中，u(t)表示第二组转动力矩中的一个转动力矩；kp2、kd2和ki2分别表示比例参数、微分参数和积分参数；e(t)表示位置偏差或速度偏差；表示位置误差或速度误差的变化量；当e(t)为位置偏差时，其表达式为：
15、
16、goal(x，t)是期望位置的x轴坐标，currebt(x，t)是t时刻当前位置的x轴坐标，goal(y，t)是期望位置的y轴坐标，current(y，t)是t时刻当前位置的y轴坐标；
17、当e(t)为速度偏差时，其表达式为：
18、e(t)＝goal(v，t)-current(v，t)
19、goal(v,t)表示t时刻期望运动速度；current(v,t)表示t时刻当前运动速度。
20、进一步地，所述第一种类型的无人车为turtlebot2机器小车；所述第二种类型的无人车为turtlebot3机器小车。
21、进一步地，turtlebot2或turtlebot3机器小车所对应的运动方程为：
22、
23、其中，ul和ur是左右轮速度，x,y表示turtlebot2机器小车的位置坐标，表示角速度；l表示小车两个车轮之间的距离；r表示车轮半径；θ表示机器小车转动角度。
24、根据本专利技术的另一方面，提出一种基于ros的多智能无人车pid编队控制系统，该系统包括：
25、数据获取模块，其配置成获取第一种类型和第二种类型的多个无人车的实时运动速度、期望运动速度、实时位置以及期望位置；
26、偏差计算模块，其配置成计算实时运动速度和期望运动速度之间的速度偏差、实时位置和期望位置之间的位置偏差；
27、力矩计算模块，其配置成基于第一种类型的多个无人车所对应的速度偏差、位置偏差和第一控制律计算获取第一种类型的多个无人车的第一组转动力矩；基于第二种类型的多个无人车所对应的速度偏差、位置偏差和第二控制律计算获取第二种类型本文档来自技高网...
【技术保护点】
1.一种基于ROS的多智能无人车PID编队控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于ROS的多智能无人车PID编队控制方法，其特征在于，所述第一控制律为：
3.根据权利要求2所述的一种基于ROS的多智能无人车PID编队控制方法，其特征在于，所述第一种类型的无人车为Turtlebot2机器小车；所述第二种类型的无人车为Turtlebot3机器小车。
4.根据权利要求3所述的一种基于ROS的多智能无人车PID编队控制方法，其特征在于，Turtlebot2或Turtlebot3机器小车所对应的运动方程为：
5.一种基于ROS的多智能无人车PID编队控制系统，其特征在于，包括：
6.根据权利要求5所述的一种基于ROS的多智能无人车PID编队控制系统，其特征在于，所述力矩计算模块中所述第一控制律为：
7.根据权利要求6所述的一种基于ROS的多智能无人车PID编队控制系统，其特征在于，所述第一种类型的无人车为Turtlebot2机器小车；所述第二种类型的无人车为Turtlebot3机器小车。<...
【技术特征摘要】
1.一种基于ros的多智能无人车pid编队控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于ros的多智能无人车pid编队控制方法，其特征在于，所述第一控制律为：
3.根据权利要求2所述的一种基于ros的多智能无人车pid编队控制方法，其特征在于，所述第一种类型的无人车为turtlebot2机器小车；所述第二种类型的无人车为turtlebot3机器小车。
4.根据权利要求3所述的一种基于ros的多智能无人车pid编队控制方法，其特征在于，turtlebot2或turtlebot3机器小车所对应的运动方程为：
5.一种基于ros的多智能无人车pid编队控...
【专利技术属性】
技术研发人员：张立宪，陈含笑，杨嘉楠，吴桐，朱益民，丁一航，董逸飞，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。