多AUV的模糊滑膜路径跟随编队方法研究，黄海，，多智能水下机器人（AUV）编队可以在较大区域实现海洋环境的采样与勘探。本文根据AUV的欠驱动运动学特性，建立了AUV的运动学模型。基

研究了多机器人的前导跟随编队控制。 提出了一种基于闭环控制和人工势场相结合的多机器人编队和避障方法。 根据领导者的位置信息，引入闭环控制实现对领导者的跟随者跟踪，并实现了编队控制。 可以通过人工势场法实现避障，机器人可以顺利通过障碍物区域。 仿真结果表明，该方法可以达到预期的控制效果，可以有效地解决此类问题。

一阶、二阶多智能体一致性编队的matlab仿真m文件，包括对车辆的编队的算法仿真，最后仿真实现小车位置和速度的一致性，思路清晰名了，非常适合初学者学习。

程序使用说明： 1、首先运行Dong2015IEEECST.m 2、再运行Dong2015IEEECST1.slx 3、最后运行PLOT_Dong.m

针对高阶离散异构多自主体系统的时变编队-合围控制问题,考虑时变时延,提出分布式编队-合围控制协议.首先,在合理假设的基础上,通过模型转变和状态空间分解,将编队-合围控制问题转化为子系统的稳定性问题,再利用Lyapunov-Krasovskii函数,以LMIs的形式给出协议有效的充分条件,并指出LMIs的个数与系统中自主体的个数无关;然后,给出编队参考函数的具体形式,证明指出编队参考函数不受时变时延的影响;最后,通过固定和时变编队-合围仿真验证所设计的协议的有效性.

近几年来，无人机集群研究过程中，多机无人机避障控制，成为了当下热门话题，我们都知道无人机在实际的“飞行空域中可能会存在建筑物、山峰、鸟群等障碍物，这些障碍物的存在将威胁无人机的飞行安全。除此之外，避障过程中，无人机之间的距离也会随着编队避障机动发生改变，处理不当就十分容易发生相撞。因此，无人机编队要能够根据不同环境情况做出决策,同时规避威胁障碍物和其他无人机。目前，针对适应环境的控制算法问题，国内外已经做出了很多研究，但是普遍存在协同性不高和队形保持不好的缺陷。很多研究人员将无人机群的编队任务和避障任务考虑为竞争关系，认为避障时应首先解除编队，飞过危险区域后再恢复编队继续飞行，但在一些环境条件

针对切换拓扑结构下的集群编队控制问题!设计只需个别无人机获取虚拟长机信息也能保证集群连 通性的编队控制算法"当队形变换或部分通讯网络故障导致网络拓扑结构发生改变时!以距离为原则对集群进 行联盟划分!各联盟内部成员以信息浓度大小为标准同其他成员进行竞争!由信息浓度最大的无人机获取虚拟长 机信息!其联盟成员通过与该无人机通讯间接获取虚拟长机信息"该算法使得每架无人机在任意时刻都能直接 或间接地获取虚拟长机信息"引入集群对虚拟长机的反馈机制!与传统反馈算法不同的是!本文中反馈无人机的 数量和组成成员都是变化的!从而提高了系统的收敛速度和鲁棒性"在此基础上进一步讨论编队的损伤问题!设 计了一种基于分层的分布式递归自修复算法!解决了网络分裂状态下的自修复及修复后队形变化过大的问题" 仿真结果表明了所建模型的合理性和求解方法的有效性"

python3实现 多智能体系统均匀多边形编队仿真代码.rar

首先梳理了编队控制研究的脉络, 介绍了3 种经典的编队控制方法, 即跟随领航者法、基于行为法和虚拟结构法的研究思想; 接着综述了近年来发展的, 包容了上述3 种方法且基于图论的编队控制理论的研究成果, 包括多智能体系统图论的建模, 基于代数图论和基于刚性图论的多智能体编队控制律设计、编队构型变换等方面的研究成果; 然后从图论结果出发, 回顾了与编队控制密切相关的一致性、聚集/同向、群集/蜂拥和包络控制的最新进展; 最后, 为了促进多智能体系统在实际中的应用, 指出了多智能体编队控制研究中有待解决的若干问题.

多智能体编队控制 一致性控制，人工势场法，领航跟随法