多機器人協(xié)同控制技術(shù)

定　價：￥128.00

作　者：	周樂來、張辰、李貽斌著
出版社：	化學工業(yè)出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥101.10)

ISBN：	9787122469793	出版時間：	2025-05-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書是山東大學機器人研究中心在多機器人領(lǐng)域及以多機器人技術(shù)為基本支撐的移動式模塊化機器人領(lǐng)域多年研究成果的總結(jié)，系統(tǒng)介紹了多機器人系統(tǒng)和移動式模塊化機器人關(guān)鍵技術(shù)。主要內(nèi)容包括：多機器人協(xié)同定位感知、協(xié)同通信、協(xié)同運動控制、協(xié)同導航關(guān)鍵技術(shù)；移動式模塊化機器人的模型構(gòu)建；模塊化可重構(gòu)機器人變構(gòu)決策優(yōu)化技術(shù)；模塊化機器人并行變構(gòu)最優(yōu)軌跡規(guī)劃技術(shù)；模塊化機器人動態(tài)環(huán)境實時最優(yōu)路徑規(guī)劃技術(shù)；分布式并行變構(gòu)控制技術(shù)。本書可供從事多機器人集群系統(tǒng)、模塊化可重構(gòu)機器人研究的科研技術(shù)人員參考，也可供高等院校機器人、自動控制等相關(guān)專業(yè)的師生閱讀。

作者簡介

　　周樂來，男，工學博士，山東大學破格教授，博導，山東省杰出青年基金獲得者，特種機器人重點實驗室副主任，山東大學機器人研究中心副主任。兼任中國自動化學會共融機器人專委會委員，中國自動化學會智能制造系統(tǒng)專委會委員，無人系統(tǒng)技術(shù)期刊青年編委。從丹麥奧爾堡大學（Aalborg University）獲得博士學位，美國加州大學伯克利分校（University of California， Berkeley）訪問學者。承擔國家項目9項，省項目2項，包括國家重點研發(fā)計劃課題、國家自然科學基金項目、國防類項目等，總研究經(jīng)費2300萬元。作為一作或通訊作者，在國內(nèi)外重要學術(shù)刊物發(fā)表近60篇學術(shù)論文，其中近五年發(fā)表SCI收錄論文28篇，EI收錄論文13篇。發(fā)表在國際刊物IEEE TIE（IF：7.515）上的3篇代表作為本領(lǐng)域的中科院一區(qū)Top論文，具有較高的影響力。申請國家發(fā)明專利20項，授權(quán)國家發(fā)明專利16項（其中國際發(fā)明專利1項），學術(shù)水平高，影響力大。主要從事四足仿生機器人、人機交互、輕型機械臂優(yōu)化設(shè)計、機器人運動學、動力學優(yōu)化、變剛度驅(qū)動器等方面的研究工作。近年來承擔的課題包括“人體碰撞安全評估系統(tǒng)研制”“基于旋量理論的變剛度柔順機械臂建模方法研究”“面向裝配作業(yè)的人機協(xié)作型雙臂七自由度機器人的開發(fā)”等。取得了多項標志性交叉研究成果，開發(fā)了基于慣導的人機交互位置姿態(tài)信息監(jiān)測系統(tǒng)，提高了人機交互協(xié)作的便利性和精度，該成果已經(jīng)在中國機器人上市公司——新松機器人公司進行了實際應用。

圖書目錄

第1章　緒論 001
1.1　多機器人協(xié)同定位發(fā)展現(xiàn)狀 004
1.2　多機器人協(xié)同通信發(fā)展現(xiàn)狀 006
1.3　移動機器人環(huán)境感知與自主探索發(fā)展現(xiàn)狀 007
1.4　移動機器人軌跡跟蹤控制技術(shù) 008
1.5　移動機器人分布式控制技術(shù) 010
1.6　模塊化機器人國內(nèi)外發(fā)展現(xiàn)狀 011
參考文獻 017
第2章　多機器人協(xié)同通信與定位技術(shù) 023
2.1　概述 023
2.2　多機器人協(xié)同通信技術(shù) 024
2.2.1　基于TCP/IP 協(xié)議的多機器人協(xié)同通信 027
2.2.2　基于UDP 協(xié)議的多機器人協(xié)同通信 029
2.2.3　基于ICMP 協(xié)議的多機器人協(xié)同通信 030
2.2.4　基于ROS 的多機器人協(xié)同通信 032
2.2.5　復雜場景下的協(xié)同通信 036
2.3　定位感知技術(shù) 037
2.3.1　絕對式定位感知技術(shù) 037
2.3.2　相對式定位感知技術(shù) 045
2.4　基于濾波的多機器人定位感知算法 052
2.4.1　卡爾曼濾波算法 052
2.4.2　粒子濾波算法 053
2.5　基于優(yōu)化的多機器人定位感知算法 054
2.5.1　滾動時域法 054
2.5.2　粒子群優(yōu)化法 056
2.5.3　梯度下降法 057
2.6　基于分布式擴展卡爾曼濾波算法的相對位姿優(yōu)化估算 058
2.6.1　多平臺擴展卡爾曼算法集中建模 059
2.6.2　分布式擴展卡爾曼濾波耦合 061
2.6.3　分布式濾波系統(tǒng)自適應誤差優(yōu)化 065
2.7　多機器人相對位姿估計方法與協(xié)同定位方法 066
2.7.1　初始相對位姿估計解算 066
2.7.2　基于定位置信度的傳感器信息融合 070
2.7.3　基于擴展容積卡爾曼濾波的協(xié)同定位 072
2.7.4　仿真與物理平臺實驗 073
參考文獻 080
第3章　多機器人協(xié)同導航與自主探索技術(shù) 081
3.1　概述 081
3.2　多機器人協(xié)同導航技術(shù) 082
3.2.1　傳感器技術(shù)在多機器人導航中的應用 082
3.2.2　多機器人導航控制策略概述 084
3.3　多機器人導航中的路徑規(guī)劃算法 087
3.3.1　常見的全局路徑規(guī)劃算法 087
3.3.2　常見的局部路徑規(guī)劃算法 091
3.3.3　多機器人導航技術(shù)發(fā)展趨勢 093
3.4　基于多線激光雷達的透明障礙物識別與重建方法 094
3.4.1　基于反射強度特征和局部結(jié)構(gòu)特征的透明障礙物識別方法 094
3.4.2　基于環(huán)境信息的透明障礙物重建方法 103
3.5　透明障礙物環(huán)境地圖構(gòu)建方法 106
3.5.1　基于對稱特征的反射錯誤點識別與修正方法 106
3.5.2　透明障礙物場景優(yōu)化SLAM 方法 112
3.6　透明障礙物環(huán)境下機器人自主探索策略 114
3.6.1　基于雙RRT 的局部探索 115
3.6.2　目標點評估模型 120
3.6.3　基于拓撲路徑圖的全局調(diào)整 122
3.6.4　透明障礙物環(huán)境探索優(yōu)化策略 122
3.7　綜合實驗驗證與分析 123
3.7.1　實驗平臺 123
3.7.2　實驗驗證 124
3.7.3　結(jié)果分析 127
參考文獻 128
第4章　多機器人編隊協(xié)同運動控制 129
4.1　概述 129
4.2　多機器人協(xié)同運動建模 129
4.3　協(xié)同跟隨控制器 130
4.4　最優(yōu)控制參數(shù)選取 132
4.4.1　遺傳算法 132
4.4.2　種群初始化 132
4.4.3　適應度函數(shù) 133
4.4.4　精英選擇 133
4.4.5　交叉和突變 134
4.5　多機器人編隊協(xié)同運動策略 135
4.5.1　編隊控制相關(guān)方法 135
4.5.2　基于行為法 141
4.5.3　系列優(yōu)化方法 143
4.5.4　圖論概念 149
4.5.5　隊形結(jié)構(gòu)描述 150
4.5.6　聚合靠攏 151
4.5.7　分散隊形變換 152
4.5.8　協(xié)同隊形控制流程 154
4.6　分布式多機器人編隊控制策略 155
4.6.1　多機器人系統(tǒng)圖論及編隊模型 155
4.6.2　領(lǐng)航者機器人路徑生成 156
4.6.3　編隊控制律分析 158
4.6.4　編隊形成仿真實驗 159
4.7　基于改進APF 的多機器人系統(tǒng)分布式避障算法 160
4.8　多機器人行為決策設(shè)計 162
4.8.1　行為加權(quán)融合方法 162
4.8.2　避障與隊形切換仿真實驗 163
參考文獻 164
第5章　機器人戶外復雜環(huán)境感知與地圖構(gòu)建 166
5.1　概述 166
5.1.1　感知定位與建圖方法 167
5.1.2　基于因子圖優(yōu)化的狀態(tài)估計方法 167
5.1.3　傳感器因子節(jié)點構(gòu)建方法 168
5.1.4　多因子圖優(yōu)化設(shè)計 174
5.1.5　基于SegNet 的動態(tài)環(huán)境建圖方法 177
5.2　機器人戶外環(huán)境感知與規(guī)劃方法實驗分析 183
5.2.1　系統(tǒng)硬件選型設(shè)計 184
5.2.2　仿真平臺搭建 186
5.2.3　仿真實驗 188
5.2.4　樣機實驗分析 192
參考文獻 198
第6章　機器人起伏地形軌跡規(guī)劃與跟蹤控制 199
6.1　概述 199
6.1.1　規(guī)劃問題描述與RRT??算法 200
6.1.2　RRT??算法改進 201
6.2　面向崎嶇地形的路徑規(guī)劃方法 204
6.2.1　基于A??算法的2.5D 路徑規(guī)劃方法 204
6.2.2　基于非線性模型預測控制算法的2.5D 軌跡跟蹤控制方法 207
6.3　起伏地形軌跡跟蹤算法研究與方法設(shè)計 212
6.3.1　起伏地形機器人姿態(tài)誤差補償控制問題分析 212
6.3.2　基于模型預測控制的機器人軌跡跟蹤方法 214
6.3.3　基于反饋控制的機器人姿態(tài)角誤差動態(tài)補償方法 218
6.3.4　避障規(guī)劃算法研究與方法設(shè)計 221
6.4　多輪移動機器人多輪分布式協(xié)同控制方法 228
6.4.1　分布式協(xié)同控制算法研究與方法設(shè)計 228
6.4.2　基于擴張狀態(tài)觀測器的未知擾動補償控制方法 236
6.5　輪式移動機器人運動控制系統(tǒng)實驗驗證 240
6.5.1　仿真實驗 240
6.5.2　樣機實驗 253
參考文獻 259
第7章　組合體越障規(guī)劃與構(gòu)型分析 261
7.1　概述 261
7.2　崎嶇地形建模與越障路徑規(guī)劃 262
7.2.1　基于可變構(gòu)模塊化機器人越障特征的幾何通過性與地形 262
7.2.2　地形語義分割 268
7.2.3　語義地圖與柵格地圖結(jié)合的越障路徑規(guī)劃方法 270
7.3　地形與負載約束下的越障能耗與時間最優(yōu)構(gòu)型生成方法 273
7.3.1　越障構(gòu)型規(guī)劃問題建模 273
7.3.2　基于遺傳算法的構(gòu)型規(guī)劃求解 276
7.3.3　基于BP 神經(jīng)網(wǎng)絡(luò)的構(gòu)型規(guī)劃 283
參考文獻 287
第8章　模塊化可重構(gòu)機器人最優(yōu)變構(gòu)決策與規(guī)劃 288
8.1　概述 288
8.2　多目標變構(gòu)決策層次優(yōu)化 290
8.2.1　模塊化機器人平面構(gòu)型表達 290
8.2.2　最大公共子構(gòu)型匹配 291
8.2.3　組元拆分樹結(jié)構(gòu)啟發(fā)式搜索 293
8.2.4　變構(gòu)移動距離估計 297
8.2.5　帕累托最優(yōu)性證明 298
8.2.6　時間復雜度 300
8.3　大規(guī)模組合體的分組變構(gòu)優(yōu)化策略 302
8.4　模塊化機器人并行變構(gòu)最優(yōu)軌跡規(guī)劃技術(shù) 302
8.4.1　構(gòu)建最優(yōu)執(zhí)行路徑 305
8.4.2　并行變構(gòu)運動的路徑-時間維映射 305
8.4.3　運動約束下分段平滑時刻表模型 308
8.4.4　啟發(fā)式偏移粒子群算法的時刻表優(yōu)化器 310
8.5　仿真與物理平臺實驗 312
8.5.1　最優(yōu)變構(gòu)規(guī)劃仿真與分析 312
8.5.2　面向大量模塊的分組變構(gòu)規(guī)劃仿真與分析 314
8.5.3　模型仿真與結(jié)果分析 316
8.5.4　算法性能仿真 316
8.5.5　對比仿真 317
8.5.6　物理平臺對比實驗 319
參考文獻 322
第9章　模塊化機器人變構(gòu)實時路徑規(guī)劃與并行控制 325
9.1　概述 325
9.2　變構(gòu)實時路徑規(guī)劃 326
9.2.1　高實時性去中心化全地圖隨機樹 326
9.2.2　回環(huán)分支迭代的實時路徑優(yōu)化 328
9.2.3　動態(tài)環(huán)境快速響應機制 333
9.2.4　概率完備性 337
9.3　包圍逃逸 338
9.4　分布式并行變構(gòu)控制技術(shù) 339
9.4.1　本地共識的異形組元分布式軌跡跟蹤控制 341
9.4.2　分布式控制器的遞歸可行性與漸近穩(wěn)定性 348
9.5　仿真與物理平臺實驗 349
9.5.1　模型仿真與結(jié)果分析 349
9.5.2　物理平臺對比實驗 355
9.5.3　組合體變構(gòu)對比測試 357
9.5.4　組合體連續(xù)變構(gòu) 358
參考文獻 360