买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京工业大学申请的专利一种抗未知扰动的全向移动机器人编队滚动优化控制方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116243608B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310388944.X，技术领域涉及：G05B13/04；该发明授权一种抗未知扰动的全向移动机器人编队滚动优化控制方法是由张祥银;张天;卓筱槟设计研发完成，并于2023-04-12向国家知识产权局提交的专利申请。

本一种抗未知扰动的全向移动机器人编队滚动优化控制方法在说明书摘要公布了：本发明属于控制方法，具体涉及一种抗未知扰动的全向移动机器人编队滚动优化控制方法。一种抗未知扰动的全向移动机器人编队滚动优化控制方法，其中，包括下述步骤：准备工作；建立模型及初始化；迭代计算；输出结果。本发明相对于现有技术具有以下有益效果：本发明提出了模型存在未知扰动下的全向移动机器人编队滚动优化方法，在多领航者‑跟随者编队模型下，将基于粒子群优化器的分布式滚动优化控制与双闭环反馈补偿相结合，优化了控制输入，有效减小了未知扰动的影响，实现了未知扰动下的分布式编队控制。

本发明授权一种抗未知扰动的全向移动机器人编队滚动优化控制方法在权利要求书中公布了：1.一种抗未知扰动的全向移动机器人编队滚动优化控制方法，其特征在于，包括下述步骤： 准备工作；建立模型及初始化；迭代计算；输出结果； 所述的准备工作包括设定或输入下列参数：总运行时间为T，采样间隔为ts，设定每个机器人的质量为mb，车体的长为2a，宽为2b，车体的转动惯量为Ib，每个轮子的转动惯量为Iw，每个轮子的半径为Rw，控制输入范围[uminumax]，通信范围Rd，临界避碰距离Rcoll以及临界避障距离Robs，参考轨迹为xr，设定编队中机器人个数为M，期望的队形图案为Pd，设置滚动优化控制的预测时域为Np，加权矩阵为Q、R，设置粒子群优化求解器的种群数量Npop，最大迭代次数tpmax、最小惯性权重系数ωpmin∈0,1、最大惯性权重系数ωpmax∈ωpmin,1，设定反馈补偿增益K1、K2；上述信息对于后续计算来说均为已知量，部分参数的数值为外部直接输入，部分参数为提前计算得到的结果； 所述的建立模型及初始化包括下述步骤： 步骤一：根据期望编队图案Pd，每个机器人自身状态xi，参考轨迹xr，考虑避碰与避障约束，构建多领航者-跟随者编队的数学模型，得到每个机器人的期望状态向量其中每个机器人自身状态xi，参考轨迹xr均为外部输入； 步骤二：根据行为分解建立机器人运动学模型，根据拉格朗日方程建立机器人动力学模型，在此基础上，构建运动学-动力学理想一体化模型，并将此模型作为滚动优化控制的非线性预测模型，更进一步，考虑模型中存在的外部扰动与建模不确定性，建立未知扰动下的实际一体化模型； 步骤三：设定初始时刻k＝0，初始化每个机器人i在全局坐标系XaOaYa下的起始状态量xi0，起始速度量 所述的迭代计算包括下述步骤： 步骤四：每个机器人i接收通信范围Rd内每个邻居机器人j的假设预测控制输入序列并将自己的假设预测控制输入序列发送给通信范围Rd内的所有邻居机器人； 步骤五：每个机器人i探测通信范围Rd内是否存在障碍物，若存在则保存每个障碍物j的最近点pobs,j； 步骤六：每个机器人i计算自己在[k,k+Np]内的预测期望参考状态s∈[0,Np-1],并结合步骤二中的预测模型，建立分布式滚动优化控制框架； 步骤七：每个机器人结合粒子群优化器，独立求解k时刻的滚动优化问题，得到该时刻自身的最优预测控制输入序列 所述的步骤七包括下述具体执行过程： 步骤7.1：设粒子群算法迭代次数tp＝1，每个机器人初始化Npop个粒子，每个粒子的位置对应一个预测控制输入序列，每一个粒子的维度为4×Np，设定搜索范围为[uminumax]，搜索速度限制[vminvmax]，随机确定每个粒子的速度和位置，vminvmax的值由外部输入； 步骤7.2：每个机器人计算每个粒子的代价函数Jid,id＝1,...,Npop，将当前粒子位置记为pbestidtp，将最优粒子的位置记为gbesttp，所描述的最优粒子是整个种群中代价函数值最小的粒子； 步骤7.3：更新种群中所有粒子的位置和速度，将位置限幅在[uminumax]，将速度限幅在[vminvmax] 步骤7.4：每个粒子将更新后的代价函数值与存储在pbestidtp中的粒子代价函数值进行比较，将代价函数值更小的解更新到局部最优解pbestidtp+1，并从中选取最优粒子更新得到全局最优解gbesttp+1，即更新得到目前搜索到的最优预测控制输入序列； 步骤7.5：令tp＝tp+1，判断是否满足tptpmax，满足则停止搜索并保存全局最优解gbesttp+1，将该最优解存入最优预测控制输入序列否则返回步骤7.3继续搜索， 所述的迭代计算还包括下述步骤： 步骤八：每个机器人将带入步骤二中的理想一体化模型并更新得到下一时刻的最优状态估计量和最优轮子角速度估计量 步骤九：每个机器人将中的第一项带入步骤二中的实际一体化模型，得到下一时刻的真实状态估计量和真实轮子角速度估计量 步骤十：每个机器人i通过双闭环反馈补偿控制器，得到补偿控制输入uc,i，进而得到实际控制输入ua,i，并将其带入步骤二中的理想一体化模型，更新状态量xik+1和速度量 所述的输出结果包括下述步骤： 令k＝k+1，重复步骤四～步骤十，判断是否满足满足则编队停止移动； 其中，步骤六中，滚动优化方程如下所示： 上式中，Ji为机器人i的代价函数，xik+s+1|k＝fxik+s|k,uik+s|k表示基于模型对状态值的预测，为邻居机器人j的假设预测位置向量，U为可行控制输入集合，Q和R为半正定对称矩阵，为k+s+1预测时刻的期望状态向量，表示如下：

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京工业大学，其通讯地址为：100020 北京市朝阳区平乐园100号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。