基于无线传感器网络的移动机器人编队关键技术研究

发布时间：2021-05-06 01:32

　　复杂工作环境下将移动多机器人控制方法与传感器网络技术相结合是移动多机器人控制研究中的一项前沿技术,这项技术对移动多机器人控制中的定位、路径规划、队形控制等方面具有重要意义。传统方法下移动多机器人与外部导航设备分离时,通常使用惯性导航方式继续跟踪机器人,然而在惯性导航工作方式下,随着时间推移,所积累的导航误差、里程计误差均会限制惯性导航方法在移动多机器人控制中的使用。基于无线传感器网络的多机器人控制方法可以充分利用传感器网络的自组织、智能化、多源等特性,对移动多机器人的工作位置、障碍物进行感知与识别,进而提高移动多机器人系统在封闭、强噪声等复杂工作条件下的鲁棒性、普适性及抗干扰能力。本文基于传统移动多机器人控制理论,对现阶段移动多机器人控制系统的导航、路径规划及编队控制理论进行了深入研究,系统分析了现阶段移动多机器人控制方法存在的问题,提出了将无线传感器网络与移动多机器人控制方法相结合的新方向。本文围绕基于无线传感器网络的移动机器人控制关键技术展开了以下三个方面的研究:（1）剖析了现有全球定位系统/惯性导航定位系统存在的外部信号更新速度慢、易丢失、无全球定位系统时惯性导航积分计算累积误差... 

【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校

【文章页数】：126 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究的意义与背景
    1.2 研究现状
        1.2.1 网络环境下移动机器人定位研究现状
        1.2.2 网络环境下移动机器人路径规划研究现状
        1.2.3 网络环境下多机器人编队控制研究现状
    1.3 网络环境下移动多机器人控制方法存在的主要问题
    1.4 主要研究内容与组织结构
第2章 网络环境下移动机器人组合定位算法研究
    2.1 引言
    2.2 网络环境下移动机器人控制框架
    2.3 松散耦合方式下WSN/INS组合定位方法
        2.3.1 网络环境下ICOG位置解算方法的建立
        2.3.2 惯性导航系统坐标系的建立
        2.3.3 基于噪声平滑矫正算法的组合位置解算方法的建立
    2.4 组合定位算法仿真分析
        2.4.1 无线传感器网络定位方法误差分析
        2.4.2 无线传感器网络定位方法连通度分析
        2.4.3 组合定位系统定位仿真误差分析
        2.4.4 工作区域变化对定位精度影响比较分析
    2.5 本章小结
第3章 网络环境下移动机器人路径规划算法研究
    3.1 引言
    3.2 基于粒子群优化FNN神经网络的机器人路径规划方法
        3.2.1 网络环境下路径规划工作环境建模
        3.2.2 全连接前馈神经网络感知器结构模型的建立
        3.2.3 粒子群算法寻优机理分析
        3.2.4 碰撞罚函数与能量函数的建立
        3.2.5 网络环境下二维路径规划算法模型
    3.3 实验结果与性能分析
        3.3.1 粒子群算法对目标函数路径寻优实验分析
        3.3.2 网络环境下所提出路径规划算法软件环境下对比分析
        3.3.3 网络环境下所提出路径规划算法实物环境下对比分析
    3.4 本章小结
第4章 网络环境下移动机器人编队控制算法研究
    4.1 引言
    4.2 建立多移动机器人运动学模型
        4.2.1 非线性增量移动机器人运动学模型的建立
        4.2.2 基于Lyapunov方法的稳定验证模型的建立
    4.3 基于网络的Leader-Follower控制器设计
        4.3.1 Leader-Follower编队算法分析
        4.3.2 改进的Leader-Follower编队模型设计
        4.3.3 全局框架下队形保持算法设计
        4.3.4 改进的Leader-Follower控制方程的建立
    4.4 改进的Leader-Follower编队控制算法仿真及实验分析
        4.4.1 锚节点数量与编队队形形成的关系
        4.4.2 改进的Leader-Follower编队控制算法软件仿真与分析
        4.4.3 改进的Leader-Follower编队控制编队算法实物仿真分析
    4.5 本章小结
结论
参考文献
攻读博士学位期间发表的论文及其它成果
致谢
个人简历


【参考文献】：
期刊论文
[1]改进人工势场法的移动机器人路径规划研究[J]. 梁献霞,刘朝英,宋雪玲,张英坤.  计算机仿真. 2018(04)
[2]一种改进蚁群算法在TSP问题上的应用[J]. 矫德强,常淮阳.  科技与创新. 2018(01)
[3]基于改进粒子群算法的移动机器人多目标点路径规划[J]. 蒲兴成,李俊杰,吴慧超,张毅.  智能系统学报. 2017(03)
[4]基于IAPF与多层Morphin搜索树的移动机器人路径规划[J]. 王伟,陈跃东,陈孟元.  电子测量与仪器学报. 2017(02)
[5]Novel method to calibrate kinematic parameters for mobile robots[J]. 施家栋,刘娟,王建中.  Journal of Beijing Institute of Technology. 2015(01)
[6]无线传感器网络DV-Hop定位算法的改进[J]. 夏少波,邹建梅,朱晓丽,连丽君.  计算机应用. 2015(02)
[7]多机器人编队的人工势场法控制[J]. 高溪钠,吴丽娟,李玮玮,王婧怡,陈晓峰.  辽宁科技大学学报. 2014(04)
[8]基于无线传感器网络的未知环境下移动机器人实时路径规划[J]. 薛晗,陶溢,马宏绪.  计算机应用研究. 2008(07)
[9]偏振光/地磁/GPS/SINS组合导航方法[J]. 卢鸿谦,尹航,黄显林.  宇航学报. 2007(04)
[10]基于ZigBee的无线传感器网络节点的设计与通信实现[J]. 昂志敏,金海红,范之国,段勇.  现代电子技术. 2007(10)

硕士论文
[1]基于混合算法的多机器人路径规划的设计与实现[D]. 吕东澔.天津理工大学 2013



本文编号：3170974