一种基于一体化预测控制的多移动机器人协同避障方法

本发明涉及多移动机器人协同避障领域，尤其涉及一种基于一体化预测控制的多移动机器人协同避障方法。

背景技术：

1、随着机器人技术的飞速发展和日渐成熟，机器人被广泛应用在各领域中，其协同避障技术也越发重要。现主要的技术有领航者跟随法、分布式控制方法和模型预测控制方法，其中领航者跟随法容易出现领导者和跟随者之间的通信延迟可能会导致跟随者无法及时响应领导者的指令。分步式控制方法可以解决这个问题，但可能面临复杂的带有约束的优化情况。其中模型预测控制使用滚动优化和反馈校正的方法，能更好的解决带有约束的优化问题，并且预测模型可以结合被控对象本身，无论被控对象是线性模型还是非线性模型，都可以通过预测实现更精准的控制，因此被广泛应用到无人驾驶领域。但路径跟踪和局部路径规划控制器的架构选择也极其重要，分层式控制器指上层为局部路径规划控制器规划出参考路径再将参考路径参数传给下层的路径跟踪控制器。上层的局部路径规划控制器使用的模型一般比较简单，而下层的路径跟踪控制器采用的模型比较精确，因此会出现上层规划出的路径对下层路径跟踪控制器不可行的情况。而一体化模型预测控制器却能很好的避免这个问题。

2、模型预测控制是一种基于优化的控制技术，主要包含三个关键步骤：预测模型、滚动优化和反馈校正。预测模型是mpc的基础，它根据对象的历史信息和未来输入，预测系统未来的输出。滚动优化是在每一个时间步，都会利用当前的系统状态和输入来计算未来的系统状态和控制输入，从而选择最优的控制策略。反馈校正是根据实际系统输出与预测输出之间的误差来调整控制器参数，以使系统更好地跟踪期望的行为。要想协同避障，那么在滚动优化部分控制器结构的选择上要根据具体的需求进行权衡，事实上控制器结构的选择，直接影响了mpc在不同情况下的的整体效果。

3、现有技术中，可以建立无人车路径跟踪分层运动学模型；再将所述分层运动学模型中的上层运动学模型作为模型预测控制算法的预测模型，搭建mpc路径跟踪控制器，建立预测方程，进行优化求解出最优控制量，并建立反馈机制，得到最优的分布式无人车的整车速度和前轴转向角度；最后由上层运动学模型得到的整车速度和前轴转向角度传递至下层运动学模型，根据下层运动学模型计算出四轮速度及转角控制量；自适应模糊pid控制器通过控制偏差和控制偏差变化率在线调整增量式pid控制算法中的比例参数、积分参数、微分参数，对分布式无人车进行四轮速度及转角的控制量输入。但是该方案存在如下问题：

4、1)该方案使用模糊pid算法，实现无人车的路径跟踪控制，模糊pid最大的问题是参数调整困难，模糊pid控制算法的性能在很大程度上依赖于控制参数的选择，而参数的调整需要一定的经验和专业知识。

5、2)该方案直接将得到的控制量映射到四轮的转角和速度控制量，而尽管相较于其他复杂的控制算法，模糊pid控制的计算量相对较小，但仍然存在一定的计算负担，映射到四轮上后，大大增加了运算量。

技术实现思路

1、为了解决多机器人在避障中如何通过一体化模型预测控制器实现多移动机器人的协同避障问题，本发明提供了一种基于一体化预测控制的多移动机器人协同避障方法，能够通过个体之间的组织、协调、合作使它们组成的群体结构实现高效的避障，兼具稳定性和灵活性。同时，该方法不需要领航者，每一台机器都是独立的，当一个机器在运动中出现问题时，其余机器的运动不会受到影响。该方法主要包括：

2、s1：周期性采集机器人队列中各机器人当前时刻的状态量，基于当前时刻的状态量及控制量的增量获取当前时刻的输出矩阵；根据输出矩阵，得到新的状态空间以及预测输出表达式；

3、s2：当机器人遇到障碍物时，实时采集障碍物的信息，计算出当前时刻的避障功能函数；

4、s3：根据预测输出表达式以及避障功能函数构建目标函数，输出目标函数最小时对应的控制增量矩阵，该控制增量矩阵由机器人队列中所有机器人当前时刻的控制量增量组成；

5、s4：从控制量增量矩阵中读取机器人队列中各机器人当前时刻控制量的增量，预测得到下一时刻的控制量，通过不断迭代，实现多移动机器人的协同避障。

6、一种存储设备，所述存储设备存储指令及数据用于实现一种基于一体化预测控制的多移动机器人协同避障方法。

7、一种基于一体化预测控制的多移动机器人协同避障设备，包括：处理器及所述存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现一种基于一体化预测控制的多移动机器人协同避障方法。

8、本发明提供的技术方案带来的有益效果是：本发明周期性采集机器人队列中各机器人当前时刻的状态量，基于当前时刻的状态量及控制量的增量获取当前时刻的输出矩阵；根据输出矩阵，得到新的状态空间以及预测输出表达式；当机器人遇到障碍物时，实时采集障碍物的信息，计算出当前时刻的避障功能函数；根据预测输出表达式以及避障功能函数构建目标函数，输出目标函数最小时对应的控制增量矩阵，该控制增量矩阵由机器人队列中所有机器人当前时刻的控制量增量组成；从控制量增量矩阵中读取机器人队列中各机器人当前时刻控制量的增量，预测得到下一时刻的控制量，通过不断迭代，实现多移动机器人的协同避障。通过实施本发明的技术方案，避免了分层式控制器会出现上层规划出的路径对下层路径跟踪控制器不可行的情况；降低了因为领航机器人出现故障则整个系统将会崩溃的成本，提高了移动机器人通过个体之间组成的群体的协同避障能力。

技术特征：

1.一种基于一体化预测控制的多移动机器人协同避障方法，其特征在于：包括：

2.如权利要求1所述的一种基于一体化预测控制的多移动机器人协同避障方法，其特征在于：步骤s1中，输出矩阵的计算公式为：

3.如权利要求2所述的一种基于一体化预测控制的多移动机器人协同避障方法，其特征在于：步骤s1中，新的状态空间的表达式为：

4.如权利要求3所述的一种基于一体化预测控制的多移动机器人协同避障方法，其特征在于：步骤s1中，预测输出表达式为：

5.如权利要求1所述的一种基于一体化预测控制的多移动机器人协同避障方法，其特征在于：步骤s2中，避障功能函数job用于计算得到机器人与障碍物发生碰撞的可能性大小，其计算公式为：

6.如权利要求1所述的一种基于一体化预测控制的多移动机器人协同避障方法，其特征在于：步骤s3中，构建的目标函数为：

7.一种存储设备，其特征在于：所述存储设备存储指令及数据用于实现权利要求1～6任一项所述的基于一体化预测控制的多移动机器人协同避障方法。

8.一种基于一体化预测控制的多移动机器人协同避障设备，其特征在于：包括：处理器及存储设备；所述处理器加载并执行所述存储设备中的指令及数据用于实现权利要求1～6任一项所述的基于一体化预测控制的多移动机器人协同避障方法。

技术总结本发明提供了一种基于一体化预测控制的多移动机器人协同避障方法，涉及多移动机器人协同避障领域，周期性采集机器人队列中各机器人当前时刻的状态量，基于当前时刻的状态量及控制量的增量获取当前时刻的输出矩阵；遇到障碍物时，实时采集障碍物的信息，计算出当前时刻的避障功能函数；根据当前时刻的输出矩阵以及避障功能函数构建目标函数，输出目标函数最小时对应的控制增量矩阵，该控制增量矩阵由机器人队列中所有机器人当前时刻的控制量增量组成；从控制量增量矩阵中读取机器人队列中各机器人当前时刻控制量的增量，预测得到下一时刻的控制量，通过迭代，实现多移动机器人的协同避障。本发明的有益效果是：降低了成本，提高了协同避障能力。技术研发人员：刘欣珂,方明星,钱浩正,芮心雨,程宏宇受保护的技术使用者：安徽师范大学技术研发日：技术公布日：2024/7/18