典型文献
未知环境下群机器人多目标搜索协同控制
文献摘要：
未知环境下,群机器人无法预先获取多目标搜索的环境信息,仅可局部感知与局部通信.本文针对避障效率与搜索效率的缺陷提出边界扫描的避障策略和目标位置估计的粒子群算法,边界扫描的避障策略(BSOA)将障碍物简化成连续障碍物与非连续障碍物两种情况,并根据情况向特定边界运动;目标位置估计的粒子群算法(TPEPSO)则利用获取的目标信号估计目标位置,结合粒子群算法到达目标附近,从而实现目标搜索.提出的方法与基于简化虚拟受力分析模型的循障避碰方法(SVF)及扩展粒子群算法(EPSO)、自适应机器人蝙蝠算法(ARBA)仿真比较,搜索效率提高5.72％～21.58％,总能耗减少4.30％～19.11％.
文献关键词：
群机器人学;群体智能;多目标搜索;边界扫描避障策略;目标位置估计;粒子群算法
中图分类号：
作者姓名：
王茂;周少武;张红强;吴亮红;周游;何昕杰
作者机构：
湖南科技大学信息与电气工程学院,湖南湘潭411201;湖南理工职业技术学院,湖南湘潭411206
文献出处：
引用格式：
[1]王茂;周少武;张红强;吴亮红;周游;何昕杰-.未知环境下群机器人多目标搜索协同控制)[J].控制理论与应用,2022(04):750-760
A类：
BSOA,TPEPSO,EPSO,ARBA,群机器人学,边界扫描避障策略
B类：
未知环境,多目标搜索,协同控制,环境信息,局部感知,局部通信,搜索效率,目标位置估计,粒子群算法,障碍物,非连续,定边,估计目标,实现目标,化虚,受力分析,避碰,SVF,蝙蝠算法,仿真比较,效率提高,总能耗,耗减,群体智能
AB值：
0.224901
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
