人工智人-家居设计-多智能体系统非线性编队控制方法研究.pdf

人工智人-家居设计-多智能体系统群一致性与编队控制研究.pdf

人工智人-家居设计-多智能体系统的编队控制及实验研究.pdf

人工智人-家居设计-多移动机器人智能编队控制算法与实验研究.pdf

本文着重研究具有障碍物环境的地面多机器人系统的协同编队控制。 每个机器人均由Euler-Lagrange动力学建模，在2D空间中具有未知的干扰。 为每个机器人设计了一个基于辅助误差变量的自适应协作控制器，以使所有机器人最终都能在有限的时间内实现所需的编队，同时保持避开障碍物的能力。 通过相应的李雅普诺夫函数分析了有限时间控制的稳定性和地层性能。 最后，仿真实例证明了该算法的有效性。

​ 本文研究的一致性编队控制是刘腾飞的一篇论文： Distributed formation control of nonholonomic mobile robots without global position measurements 原文链接如下： Distributed formation control of nonholonomic mobile robots without global position measurements - ScienceDirect 主要对其进行MATLAB仿真以及分析 详细内容见博客： https://blog.csdn.net/weixin_44346182/article/details/125355548 ​

对论文目标点控制进行复现 ​  基于目标点的编队控制：参考论文： https://www.sciencedirect.com/science/article/pii/S0005109815003234 MATLAB代码 详细内容见博客 https://blog.csdn.net/weixin_44346182/article/details/124536613?csdn_share_tail=%7B%22type%22%3A%22blog%22%2C%22rType%22%3A%22article%22%2C%22rId%22%3A%22124536613%22%2C%22source%22%3A%22weixin_44346182%22%7D&ctrtid=ZUq0r ​

针对多机器人编队控稍中的队形形成问题进行研究。利用控制算法中的人工势场法解决多机器人队形形成问题，结构简单、易于计算，方便对多机器人实时控制。首先，针对多机器人的队形位置用目标点搜索算法，寻找到正确的队形位置点，防止多机器人在空间内绕路，减少编队时间；然后，通过人工势场算法规划各机器人的路径，在机器人行进过程中，利用优先级蔽障方法避免与其他机器人碰撞；最后，对多机器人的队形形成进行仿真，实验证明队形形成的有效性，算法简单易于实现。

基于深度学习的高速公路上汽车检测和跟踪系统，自动驾驶，可以作为行车记录仪分析

本文主要是对机械臂轨迹跟踪学习过程中的笔记，设计了一种基于RBF神经网络的滑模控制器对二自由度机械臂进行轨迹跟踪。其中，使用Lyapunov稳定性定理判断系统的稳定性和收敛性，然后通过MATLAB/Simulink仿真对所建立的模型进行验证。先对是否加入鲁棒项分别对机械臂的角度、速度和关节力矩进行跟踪对比，然后使用不同的滑模系数观察对系统的影响。仿真结果表明，加入鲁棒项后的控制器稳定速度更快，收敛效果更好；针对不同的滑模系数，滑模系数越小，收敛效果更好，稳定时间更快。但是滑模系数有一个临界值，而且，虽然滑模系数越小的效果更好，但是系统的响应时间也变得更慢。