-
公开(公告)号：CN104951898A
公开(公告)日：2015-09-30
申请号：CN201510381498.5
申请日：2015-07-02
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种面向任务的协同多智能体联盟形成方法，包括如下步骤：首先确定需要执行的任务，以智能体的多个能力项作为任务特征向量的基，依据需要执行的任务的侧重点，建立各能力项的权值对比较表，利用AHP方法构建任务特征向量；然后结合需要执行的任务，建立各能力项的影响因素模型，并通过AHP计算每个影响因素对所属能力项的贡献度，累加计算出对应能力项的数值，将每个能力项的数值作为分量值建立能力特征向量；将所建立的任务特征向量以及能力特征向量进行点乘，获得该智能体面向该任务时的匹配值；最后从高到低依次选取匹配值大的智能体直到所有智能体的匹配值之和满足任务需求，则所选取的智能体形成联盟。
-
公开(公告)号：CN104898659A
公开(公告)日：2015-09-09
申请号：CN201510106591.5
申请日：2015-03-11
Applicant: 北京理工大学
Abstract: 本发明提供一种基于模型预测的人机协同控制方法，属于机器人控制领域。其将机器人的预定目的地、预定轨线表示为系统状态的末端约束条件；在每一控制时刻预测人的控制输入；构建带有非对称度量性质的代价函数；通过投影算法求取既能满足末端约束又能最小化代价函数的控制序列；按模型预测控制方法，取所得第一项为当前时刻的控制量；通过令预测窗口逐渐缩小，配合代价函数的非对称度量性质，可以实现机器人的动态自治。本方法以保证机器人自身约束得以满足为基础，最大程度地遵从了人类的控制输入，以此实现避障，此方法也可用于解决传感器失灵或信息不足时的各类人机协同控制问题。
-
公开(公告)号：CN104881044A
公开(公告)日：2015-09-02
申请号：CN201510319327.X
申请日：2015-06-11
Applicant: 北京理工大学
IPC: G05D1/12
Abstract: 本发明公开了一种姿态未知的多移动机器人系统自适应跟踪控制方法，该方法包括如下步骤：针对多移动机器人系统中的每个移动机器人，均进行建模；建立跟随者f与领航者r的具备非线性扰动的误差模型为，在多移动机器人系统中，每个移动机器人均获取其他移动机器人的信息进行非线性扰动评估，获得该移动机器人的非线性扰动的估计值；建立非线性扰动系数的自适应律为；对跟随者与领航者误差角的三角函数建立二阶观测器；最后将观测器与自适应律相结合建立基于观测器的自适应的跟随者的控制律，对跟随者进行跟踪控制，使跟随者能够实现对领航者的跟踪控制。
-
公开(公告)号：CN113255967A
公开(公告)日：2021-08-13
申请号：CN202110466457.1
申请日：2021-04-28
Applicant: 北京理工大学
IPC: G06Q10/04 , G06F30/20 , G06F111/04
Abstract: 本发明公开了一种信号时序逻辑约束下基于终点回溯的任务规划方法和装置，该方法首先离线构建搜索树：在智能体的二维位置工作空间中，加入时间维信息，构建三维空间；信号时序逻辑约束下，在三维空间中，以根据智能体给定任务预估的终点为根节点，向起始状态平面生长快速随机搜索树，直到起始状态平面中每个有可能的位置点都被叶子节点覆盖；在线任务规划时，给定智能体的初始状态，在快速随机搜索树中搜索智能体可达范围内的所有叶子节点，选择代价值最小的叶子节点作为规划节点；智能体从初始状态到规划节点再到根节点的路径就是路径规划结果。本发明能够遍历可达状态空间，提高收敛成功率，降低在线规划复杂度。
-
公开(公告)号：CN112817442B
公开(公告)日：2023-07-25
申请号：CN202110076085.1
申请日：2021-01-20
Applicant: 北京理工大学
IPC: G06F3/01 , G06F16/9535 , G06F17/18
Abstract: 本发明公开了一种基于FFM的多任务情况下态势信息分类推荐系统及方法。本发明建立基于Pew的任务处理模型，解析当前任务状态信息，根据不同任务对不同态势信息的关注度不同，同时考虑操作员状态属性，利用FFM模型计算出不同态势信息推荐策略下的任务完成概率，得出该态势信息推荐策略的推荐概率值；从而推选出推荐概率值最高的态势信息推荐策略作为操作员完成任务的信息组，在交互界面上智能显示，提高人机交互系统的智能性、交互性、用户满意度。
-
Patent Agency Ranking
公开(公告)号：CN110442134B
公开(公告)日：2020-11-10
申请号：CN201910706421.9
申请日：2019-08-01
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明提供一种基于双层网络的多智能体群集控制方法，设计了双层网络，智能体通过上层网络分布式地估计自身的期望速度，操作员的输入能够通过上层网络进行操作员操作意图的前馈，影响每个智能体的期望速度的估计过程；然后通过传递各自的期望速度，通过下层网络快速计算出各自的实际速度和实际运动方向，实现各智能体的速度一致、距离保持、跟随人的输入进行运动；由此可见，本发明中的每个智能体更早地意识到集群的运动趋势，将人的控制意图更快地传给整个多智能体系统，能够提高多智能体系统对输入的响应，保证了操作员的操作效率，还降低了操作员的精力损耗，降低了多智能体系统的人机比例，从而降低了任务人工成本。
-
公开(公告)号：CN110442134A
公开(公告)日：2019-11-12
申请号：CN201910706421.9
申请日：2019-08-01
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明提供一种基于双层网络的多智能体群集控制方法，设计了双层网络，智能体通过上层网络分布式地估计自身的期望速度，操作员的输入能够通过上层网络进行操作员操作意图的前馈，影响每个智能体的期望速度的估计过程；然后通过传递各自的期望速度，通过下层网络快速计算出各自的实际速度和实际运动方向，实现各智能体的速度一致、距离保持、跟随人的输入进行运动；由此可见，本发明中的每个智能体更早地意识到集群的运动趋势，将人的控制意图更快地传给整个多智能体系统，能够提高多智能体系统对输入的响应，保证了操作员的操作效率，还降低了操作员的精力损耗，降低了多智能体系统的人机比例，从而降低了任务人工成本。
-
公开(公告)号：CN104898659B
公开(公告)日：2017-08-11
申请号：CN201510106591.5
申请日：2015-03-11
Applicant: 北京理工大学
Abstract: 本发明提供一种基于模型预测的人机协同控制方法，属于机器人控制领域。其将机器人的预定目的地、预定轨线表示为系统状态的末端约束条件；在每一控制时刻预测人的控制输入；构建带有非对称度量性质的代价函数；通过投影算法求取既能满足末端约束又能最小化代价函数的控制序列；按模型预测控制方法，取所得第一项为当前时刻的控制量；通过令预测窗口逐渐缩小，配合代价函数的非对称度量性质，可以实现机器人的动态自治。本方法以保证机器人自身约束得以满足为基础，最大程度地遵从了人类的控制输入，以此实现避障，此方法也可用于解决传感器失灵或信息不足时的各类人机协同控制问题。
-
公开(公告)号：CN104881044B
公开(公告)日：2016-12-21
申请号：CN201510319327.X
申请日：2015-06-11
Applicant: 北京理工大学
IPC: G05D1/12
Abstract: 本发明公开了一种姿态未知的多移动机器人系统自适应跟踪控制方法，该方法包括如下步骤：针对多移动机器人系统中的每个移动机器人，均进行建模；建立跟随者f与领航者r的具备非线性扰动的误差模型为，在多移动机器人系统中，每个移动机器人均获取其他移动机器人的信息进行非线性扰动评估，获得该移动机器人的非线性扰动的估计值；建立非线性扰动系数的自适应律为；对跟随者与领航者误差角的三角函数建立二阶观测器；最后将观测器与自适应律相结合建立基于观测器的自适应的跟随者的控制律，对跟随者进行跟踪控制，使跟随者能够实现对领航者的跟踪控制。
-
公开(公告)号：CN111459161B
公开(公告)日：2021-07-06
申请号：CN202010257562.X
申请日：2020-04-03
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人系统人为干预控制方法，运动干预意图场网络可以快速传播操作员的干预意图，加快多机器人系统对操作员输入的响应速度；通过选取不同的意图场参数，控制操作员对多机器人系统的输入影响范围；利用分组控制意图场网络，操作员可以自由改变多机器人系统的编队分组，而且这一过程是完全分布式的，这是本方法相比现有方法的优势；利用意图场网络，每个机器人都可以获知与其对应的人为干预意控制量，并通过非线性权重函数，机器人可以动态计算编队控制与人为干预的加权系数，实现编队控制和人为干预之间的动态权衡。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
