公开(公告)号：CN110825092A

公开(公告)日：2020-02-21

申请号：CN201911210701.7

申请日：2019-12-02

Applicant: 电子科技大学

Inventor： 代小林 ,  何嘉诚 ,  宫大为 ,  孙旭红 ,  黄涨潮 ,  全洪涛 ,  马田田 ,  杨珺淇 ,  李晓宁 ,  周宏宽

IPC: G05D1/02

Abstract: 本发明将shape theory和flocking算法相结合，研究了多智能体系统的编队控制问题。Shape theory是定义目标编队形状的一种新方法，它为一组智能体提供了与期望编队队形相似的一个可行的编队集合。如何从这个集合中选择一个距离多智能体系统初始位置最小的编队成为解决问题的关键。这样我们就将多智能体系统的编队控制问题转化为优化问题，并通过递归神经网络解决这个优化问题。上述求得的目标编队的位置与智能体有特殊的匹配关系，在考虑到电池能量的约束情况下，使用匈牙利算法重新计算智能体初始位置和目标位置之间的匹配关系，减少了能量消耗，大大提高了完成任务的可能性。

公开(公告)号：CN110442125A

公开(公告)日：2019-11-12

申请号：CN201910634053.1

申请日：2019-07-15

Applicant: 电子科技大学

Inventor： 代小林 ,  孙旭红 ,  何嘉诚 ,  宫大为 ,  李晓宁

IPC: G05D1/02 ,  G01C21/34

Abstract: 本发明适用于自动控制技术领域，提供了一种移动机器人动态路径规划的方法，其包括以下步骤：采用Floyd算法求得栅格地图上所有节点对之间的距离；当检测到有新的任务下发时，使用改进的A＊算法规划任务路径；在机器人沿着规划好的路径行走时，检查路径上下一个节点是否有障碍物，若无则前进一步，若有则添加下一节点到close表，使用改进的A＊算法快速规划当前节点到目标点的路径；重复上一步，直到机器人走到目标点。本发明基于Floyd算法的计算结果，改进了A＊算法的启发函数，并将其应用于移动机器人连续任务的动态路径规划场景下。使用改进后的A＊算法，仅在路径上出现动态障碍物时，重新规划路径，大大减少了计算量，极大地提升了机器人运行的实时性。