裝配圖大學生方程式賽車設(shè)計（總體設(shè)計）（有cad圖+三維圖）

裝配圖大學生方程式賽車設(shè)計（總體設(shè)計）（有cad圖+三維圖）,裝配,大學生,方程式賽車,設(shè)計,總體,整體,cad,三維 第二代微車的協(xié)調(diào)控制和測試平臺傳感策略 摘要：本文介紹了第二代經(jīng)濟合作控制實驗平臺[C. H. Hsieh等人PROC.Am。會議在2006年]。原來的汽車通過提高車輛與主板上的范圍進行檢測，有限的電路板計算，無線通信，同時保持經(jīng)濟上的可行性.tankbased平臺，采用了靈活的毛毛蟲帶驅(qū)動器和相同的模塊化傳感和通信組件。我們運算后驗證，最近提出的合作轉(zhuǎn)向展示出實際使用的測試平臺涉及避障。 Ⅰ介紹 計算機仿真，作為一種工具來驗證合作控制算法的準確度一樣好模型反映了現(xiàn)實世界中的參數(shù)。一個真正的汽車測試平臺是向前邁出的重要一步，以驗證算法效益。作為在自主多輛的利益運動持續(xù)上升，作為一個寶貴的測試平臺仍然學習工具觀察理論在現(xiàn)實世界中行動。同時滿足節(jié)省成本和空間的限制去按照1:1比例多輛測試平臺是不切實際的。即使有一個按比例縮小的方法，許多測試平臺涉及10-50CM大小車輛在室內(nèi)環(huán)境中不能機動。為此，一小型化，經(jīng)濟的微型車測試平臺開發(fā)中，在一個集成系統(tǒng)中，使用1/64大小的車輛架空相機定位和板運動規(guī)劃。該平臺展示了一個多功能的可能性合作測試平臺領(lǐng)域具有成本效益的設(shè)計（所有的材料和計算成本小于4,000元）。本文描述這個二代的設(shè)施，其中有第二代許多新的功能，同時維護的總體成本和原來的設(shè)計規(guī)模。第一代車輛基于一個microsizer的汽車底盤，它具有三個離散轉(zhuǎn)向狀態(tài)，單速，無板加工，一個緩慢的雙向無線通信速率（13HZ）。該第二代車輛在30Hz雙向溝通并具備板上處理和船上的范圍進行檢測。兩種不同的底盤設(shè)計來實現(xiàn)，一個基于的基礎(chǔ)上的罐體上車平臺和一個第二一只毛毛蟲式驅(qū)動器，允許一個可以忽略不計的轉(zhuǎn)折點半徑。硬件分為多個子模塊，可以用來緩解未來的擴展和升級。更新相機定位軟件可以更好的對上面的跟蹤。該路徑規(guī)劃軟件離板根據(jù)不同的應用。在本文中我們演示應用程序利用動態(tài)協(xié)調(diào)[14]法律和累積和算法控制障礙檢測[19]的啟發(fā)。所有的運動規(guī)劃板和單板計算機只用于架空相機信息通信從車輛的傳感器數(shù)據(jù)。我們的新的地面車輛[2-11]類似的功能，同時保持以每輛車160元的順序，一個子palmsized上的材料成本底盤。一個口袋大小的發(fā)射器連接到一臺筆記本電腦通過串行電纜，從而使得整個平臺便攜。在某些情況下，我們也有興趣在實時障礙物檢測板上的紅外傳感器發(fā)揮了的作用。位置跟蹤系統(tǒng)更新率和準確性得到改善。 本文的結(jié)構(gòu)如下。第II部分中，我們提出了整個系統(tǒng)的結(jié)構(gòu)，跟蹤系統(tǒng)，車輛硬件，局部運動控制和物理模型。第Ⅲ節(jié)數(shù)學模型的運動車輛。第Ⅳ節(jié)介紹了一套不同的任務轉(zhuǎn)向控制法。第Ⅴ節(jié)介紹了實施控制法律的任務圓以下，分裂和合并的一組，點對點運動的一組動態(tài)避障。 Ⅱ多微車實驗平臺 A車輛平臺 圖1為平臺的系統(tǒng)圖 圖1 實驗平臺的系統(tǒng)圖 圖2 （左）輪式車和（右）履帶坦克車 圖3輪式車車載系統(tǒng)的示意圖。履帶坦克車系統(tǒng)原理圖與上述相同，除了它具有另外的電機代替伺服 B.車輛信息 我們設(shè)計了兩輛車：一輛汽車和一輛坦克。汽車用了ZipZaps微型遙控特別版轎車，它有21,500 RPM的電機和12:1傳動裝置。它在向前或向后的方向都有后輪驅(qū)動。它使用一個電位轉(zhuǎn)向轉(zhuǎn)向控制器提供反饋到測量儀，該測量儀。該坦克用了Ecoman R / C微型坦克，它有96:1傳動比率，有爬上38 ?坡的能力。它有兩個電機，一個控制左帶，另一個控制右?guī)?。他們的電子系統(tǒng)的基礎(chǔ)結(jié)構(gòu)是相同的（參見圖3） 。為了便于安裝和靈活性，車輛有四個主要的硬件模塊，處理H橋電路板（ Megabitty ），一個上層電路板，一個底層甲板和車輛底盤。相互通過螺釘和/或套筒標簽（參見圖2）連接。這種配置允許未來的擴展和升級。如果需要變成不同的機箱或不同的車輛，只需更換下層裝甲。此外，通過更換Megabitty還可以提高處理能力。表I顯示與[1]中的第一代汽車相比，新的車輛的物理尺寸。需要注意的是車輛配備遠距離紅外傳感器比之前長了1cm并重了2g。 表1 車輛的物理尺寸 圖4 （左）無線通訊模塊。 （右）定位標簽樣品 C.車輛硬件 處理板。我們使用預組裝的處理器板從Junun.org 的Megabitty。它具有8位RISC AVR 16MHz的微處理器和兩路500mA額定H橋。該模塊是略作修改，以適應整體的硬件結(jié)構(gòu)。此板坐在上層裝甲上，并通過無線模塊連接到一個3.3V至5V電平轉(zhuǎn)換器。 上層裝甲上有機器人的主要組成部分，通信模塊，電源模塊，紅外傳感器和連接器。主電源存儲器是一個單結(jié)構(gòu)3.7V-740mAh鋰聚合物電池。我們利用升壓穩(wěn)壓器提供5V和3.3V穩(wěn)壓器低壓降，這樣可以保持穩(wěn)定的通信單元和處理器模塊一個8V電源軌。 下層裝甲。通過板緊螺絲緊固在機箱上。它承受安裝底盤和上層之間的力。它還為插入的鋰聚電池以及開關(guān)提供了空間。 紅外傳感器是'接近'型GP 2Y0A02YK和夏普的GP 2Y0A21 YK。它們的范圍分別為20到150厘米， 10至80厘米。如果一個對象進入其有效范圍，輸出電壓為高。手動校準傳感器和細節(jié)在[12]中進行了討論。 無線通信模塊。為了幫助開發(fā)成本，我們選擇了預組裝Radiotronix提供Wi.232 DTS收發(fā)模塊[ 13 ]作為微控制器和站之間的無線橋接。模塊成本27美元，尺寸為2cm ×2.5厘米，額定電流為16mA 。作為低功耗UART天線串行接口，該模塊可以很容易地與Megabitty和跟蹤計算機集成。該模塊工作在902- 928MHz的ISM頻段，具有獨立的通道來傳輸和接收，從而讓我們實現(xiàn)了全雙工系統(tǒng)的靈活性。在圖4中示出的無線通信模塊。當前的設(shè)置，我們就實現(xiàn)了最大數(shù)據(jù)速率為57.6千比特/秒，這是足夠30Hz的定位更新。 D.軟件架構(gòu) 軟件體系結(jié)構(gòu)包括一個低的電平控制層和用戶應用層?？刂茖佑伤牟糠纸M成：一個任務調(diào)度器，一個基本的運動（轉(zhuǎn)向和速度）控制器，傳感器測量采集和通信。應用軟件可訪問控制層，改變車輛運動，溝通與跟蹤系統(tǒng)，檢索范圍的傳感器數(shù)據(jù)。 調(diào)度器。一個簡單的任務調(diào)度器調(diào)節(jié)轉(zhuǎn)向的更新速率，電機驅(qū)動控制，以及傳感器讀數(shù)。在啟動時，每個任務注冊調(diào)度優(yōu)先級，更新率，以及一個回調(diào)函數(shù)。由于調(diào)度程序的主要用途是更新的各種本地控制系統(tǒng)，沒有任務允許運行時間超過一毫秒的調(diào)度器的分辨率。計劃任務不能執(zhí)行任何阻塞調(diào)用，如果該任務正在等待更多的資源，需要重新安排自己以后再次運行。計劃任務通過優(yōu)先解決沖突，如果兩個任務具有相同的優(yōu)先級，將按初始登記的順序執(zhí)行。一個用戶可以預定任務，但它具有最低的優(yōu)先級，可以被任何控制器任務搶占，以確保車輛正確的操作。 車載基本運動軟件。轉(zhuǎn)向速電機由兩個脈沖寬度調(diào)制（PWM）通道，通過兩個H橋控制?？刂齐姍C速度簡單地通過改變脈沖寬度控制，而方向盤控制需要任務調(diào)度中的閉環(huán)反饋控制。電位器的模擬 - 數(shù)字轉(zhuǎn)換器（ADC ）的模擬電壓饋送微處理器。任務調(diào)度允許ADC的調(diào)用為其他的工作釋放處理時間，同時等待完成轉(zhuǎn)換。返回的ADC值送入經(jīng)典的比例微分控制器工作在250Hz。轉(zhuǎn)向角有51°，最左邊為50°，中心為25°和右側(cè)為0°，精確度為1°。25°偏移的建立時間是0.18秒。 圖5示出轉(zhuǎn)向控制器的性能。 坦克的基本運動軟件。坦克獨立地驅(qū)動兩個皮帶，導致在向前和向后移動中可以任意半徑的轉(zhuǎn)彎。在實踐中，我們發(fā)現(xiàn)可以簡單以直線運動或轉(zhuǎn)彎構(gòu)建路徑。狀態(tài)機是負責兩個演習的執(zhí)行順序。速度和航向為輸入?yún)?shù)。我們假設(shè)方向的優(yōu)先級比速度的更高。完整的運動狀態(tài)序列如表二中所述。直線和轉(zhuǎn)彎機動依靠航向角反饋跟蹤系統(tǒng)。我們用一個簡單的比例微分反饋控制計劃使坦克在穩(wěn)定的方向上前進。注意，左側(cè)和右側(cè)的驅(qū)動程序是不相同的，一些電氣和機械的差異存在。一個比例閉環(huán)控制器改變左，右驅(qū)動強度，以保持直線運動。 紅外傳感器測量采集。紅外傳感器采用另一個ADC通道，以提供的瞬時數(shù)字化測量。執(zhí)行率在任務調(diào)度時被指定，通常在為25Hz 。各種過濾器可以編碼，以適應應用需求。對于本文中所描述的應用程序中，我們實現(xiàn)了一個障礙物檢測（見下文）的累積求和算法。另一個應用程序，動態(tài)可見性[12]，使用一個ENO計劃范圍傳感器所獲得的空間點云數(shù)據(jù)處理方法。 通信軟件。車輛的跟蹤數(shù)據(jù)堆疊在一起，并通過串行端口作為一個包發(fā)送。跟蹤數(shù)據(jù)的接收是中斷驅(qū)動。接收整個包時，車輛可以提取其自己的和其他車輛的跟蹤信息。我們利用Windows API來跟蹤計算機上的串行端口接口。 E.跟蹤系統(tǒng) 車輛的跟蹤通過對兩個開銷相機的圖像分析完成。物理設(shè)置與[1]中相同。辨識汽車使用的標記被放大了15％，標記的位已被從線條更改為方格以免誤認。圖4 （右）顯示了一個新型車輛的標簽圖案示例。 此外，跟蹤算法的性能通過閾值處理，分辨那些由汽車標簽形成的圖像的輪廓，得到增強。具體而言，建立一個邊界矩形使得它封閉了一個輪廓，而不必與圖像平行，而不是圍繞每一輪廓建立最小面積的矩形（矩形的兩面平行于圖像平面）。由此，可以限制矩形的長度和寬度，而不是它的面積，前者提供了更具有識別力的判別過程。 修訂后的視頻跟蹤算法達到最大航向誤差3 ?，而老算法最大的誤差為9 ?，而且還保持平均為1個像素的位置誤差。此外，如果沒有噪聲或閉塞（即用于清潔圖像輸入文件）的存在下，車輛被誤判的概率降低。 圖6 。開環(huán)測試車輛的運動規(guī)律（1-2） 。星星代表在測試平臺上的汽車的運動，而圓點代表一個計算機模擬的議案 III 。車輛運動模型 A. 簡單的汽車模型 以下方程組，改編自[1 ] ，汽車運動的模型 其中x和y均代表實驗室參考系中的車輛的位置坐標，v為車速（正，如果前進和倒退如果負） ， θ表示車輛的角度標題中，M是車輛質(zhì)量，F(xiàn)為在車輛的最大驅(qū)動力，β是與地面的摩擦系數(shù)。參數(shù)LCAR是汽車的長度。輸入控制參數(shù)Q1 ∈ { -255 ，255 }對應的實力油門， 255 -255是全面落后，全面推進， q1max = | Q1 | 。該參數(shù)Q2 ∈{ 0，50 }表示的51種可能的車輪的轉(zhuǎn)向角。圖6比較車輛運動的計算機仿真測試平臺上的物理實現(xiàn)的命令。在這里， F = 631.8 ×M cm/sec2 whereM是車輛質(zhì)量。 LCAR是從前輪后輪和β = 3.0米/秒的長度。 B.差分驅(qū)動器模型 我們適應模型[18 ]為坦克制定一階系統(tǒng)： ωL和ωr是左，右履帶的角速度（弧度/秒）， r是與坦克帶具有相同的履帶周長的圓的半徑， Ltank是坦克的寬度減去一條履帶的寬度。實踐中，我們只有當dx / dt = dy / dt = 0時限制坦克的議案的d / dt > 0。考慮這個限制：|ωL| = 3.3357ωc/255 - 0.9656 ，其中： ωC ∈ {0 ，160 }是左側(cè)皮帶的控制參數(shù)。逆時針旋轉(zhuǎn)時， ωL = - | ωL | = - ωR 。順時針旋轉(zhuǎn)時ωR = - | ωR | = - ωL 。當向前（向后） ， ωL = ±| ωL | = ωR 。 四。合作轉(zhuǎn)向控制法 A.基本理論 我們考慮最近一次的Frenet - Serret基于幀合作轉(zhuǎn)向控制算法中存在的障礙，由于摩根和施瓦茨[14]，來源于Justh和 Krishnaprasad原創(chuàng)作品的靈感[15] 。微曲線Z（ S） ∈ IR2弧長參數(shù)化描述的車輛的運動。設(shè)x表示從車輛的位置，在切線向量dz/ds方向的和y=x⊥相對于x的正方向。每個車輛的運動模擬 其中k是該車輛指數(shù)。車輛以單位速度移動和第k個車輛路徑的曲率為標量uk。控制律通過動態(tài)改變英國創(chuàng)建車輛兩兩之間的相互作用指定。定uk=,其中 有，η =η (|r|), μ = μ (|r|), α = α (|r|)是制定函數(shù) 式子使車輛垂直于他們的共同的基準線。隱函數(shù)f（|rjk|）調(diào)節(jié)車輛車輛之間的間距，式子μxj · YK使車輛轉(zhuǎn)到一個共同的方向。這種控制法需要的位置信息內(nèi)的其他代理（如下文所述）的鄰域。 局部耦合和領(lǐng)導跟隨的控制法 本地連接表現(xiàn)為限制每輛車的車輛周圍，附近的可視距離范圍。任何兩個車輛內(nèi)指定的彼此的距離以確保群集。本地連接控制律為： 其中ujk同（7），并有 由于代理這樣的局部耦合有利于大量的通信步驟的可擴展性。 一個指定的領(lǐng)導者車輛駕駛一群在一個特定的方向。其余的車輛（追隨者車輛）遵循相應的，通過使用本地耦合控制法，追隨者和領(lǐng)導的車輛之間具有較強的的耦合。 其中LC是一個領(lǐng)導者的耦合常數(shù)，l （k）是第k車輛最接近的領(lǐng)導車輛的索引。領(lǐng)導者車輛的控制律依賴于特定的應用。 （12） UGK是全球控制律和UL k是局部控制法。如果有m個領(lǐng)導車輛，， n – m跟隨代理同倫的控制法為 其中UJK在方程（7）中已經(jīng)給出。LC 1是一個反映領(lǐng)袖對追隨者吸引強烈的耦合常數(shù)。領(lǐng)導代理同倫控制規(guī)律如下： 當存在一個以上的領(lǐng)導，本地連接可以利用分開成兩個子群群，作為領(lǐng)導車輛驅(qū)動器在不同的方向和跟隨車輛按照其各自的最接近的領(lǐng)導。下一節(jié)在測試平臺上證明了這樣一個例子。 D. 求目標 要靠近一個指定的目標，第k車輛使用 其中， rk為從第k個代理的位置到目標矢量，γ是加權(quán)常數(shù)。只有第一項涉及的車輛之間的相互作用，以避免碰撞。第二項指示每輛車走向目標。這種控制法不保證蜂擁，但如果代理商開始在群取向，它很可能是他們呆在一起。 E.避免屏障 考慮一個固定凸對象在平面中，這是指由一組m個點的雙向∈ IR2的外部。平均勢壘的方向矢量的計算方法為 其中，c （ · ）是零以外的指定半徑的切斷功能的一個步驟。避免屏障的控制律，然后將式子x代入控制規(guī)律（10）。這個長期定位車輛垂直于VK，這個標志引導車輛遠離平均勢壘方向。 五，執(zhí)行 在本節(jié)中，基于上述控制規(guī)律，我們考慮了幾種路徑規(guī)劃戰(zhàn)略。至目前為止仍未有許多已發(fā)表的實驗研究，使用這一類的控制律。我們提到一篇相關(guān)的論文[16] ，實現(xiàn)了一個基于曲率轉(zhuǎn)向墻壁邊界控制律，并演示了一個單一的代理。配套文件[17]我們開發(fā)了控制律運動偽裝使用我們的新測試平臺的框架[15 ]實施。在下面的例子中，我們考慮兩種單代理和多智能體任務，包括那些依靠的范圍內(nèi)傳感器來確定回避的障礙。 轉(zhuǎn)向角 要描述uk與汽車的期望轉(zhuǎn)向角Φk的曲率控制 ，我們使用公式ρ = LCAR /tan φK [ 18 ] ，其中ρ是汽車的轉(zhuǎn)彎半徑。因此，一輛汽車的轉(zhuǎn)向角可以計算為： LCAR測量到4厘米。轉(zhuǎn)向規(guī)律假定汽車擁有單位速度，因此，我們擴展LCAR根據(jù)實際車速。 基本圈跟蹤的實現(xiàn) 這個例子是在實驗臺上圍繞一個特定點半徑已知的遠的汽車。我們使用兩輛車的模型，在該模型中，一輛車固定在圓的中心。我們設(shè)定μ = 0， α = η = 1時，r0等于圓的半徑r且| R |等于從汽車到圓心的距離?；究刂品ㄗ兂桑? 其中，r = R2 -R1的汽車之間的距離。圖7給出了基本圓跟蹤控制規(guī)律在測試臺上的實現(xiàn)。同一個汽車隨R的變化有如下三個不同的圓形路徑序列，達到一個特定的方向。 同倫控制法的實現(xiàn) 由于測試平臺的物理尺寸的限制，上面所討論的同倫控制律修改的序列的三個階段。在第一階段，指定兩個領(lǐng)導，轉(zhuǎn)向程序uleader K（ λ = 0） 在精簡通用控制方程（7）后得到的控制法方程（14）給出的。定期的全球控制的法律，在這種情況下只包括領(lǐng)導人。依照控制規(guī)律（13）中的ufollower K（ λ = 0）定義四個追隨者。在第二階段，領(lǐng)導切換到uleader k （ λ = 1 ） 圖7。同一輛汽車的路徑軌跡（實線），依次是同心圓（虛線）的半徑為65.5厘米， 41.7厘米，28.3厘米時的軌跡。 其中， SK是一個明確的非交互式控制法，使領(lǐng)導彼此遠離。控制律的追隨保持不變，兩個獨立的領(lǐng)導人的帶領(lǐng)下蜂擁造成傳播。在第3階段，全局控制法方程（7）領(lǐng)導人之間的恢復，造成兩群合并一起回來。注意控制律（ 7）沒有定義群的方向，方向是任意的，組重新合并的結(jié)果可能會導致在合并后的總方向不同，如圖8所示的兩個實驗。 D. 目標追求的實施，動態(tài)障礙檢測和避免 我們結(jié)合目標尋求[IV- D] ，避免壘[ IV -E和累積和算法[19 ]障礙物檢測動態(tài)生成路徑。一個（ W23 × L6 × H13）厘米的盒子沿朝著一個共同的目標運動的四輛汽車的路徑放置。所有的汽車有盒子的尺寸和方向的先驗知識，但它的位置不知道。盒子的最寬的表面垂直于汽車的初始方向。我們指定兩個前車作為觀察員。他們用車上遠距離紅外線傳感器估計盒位置。一旦定位障礙物，數(shù)據(jù)被發(fā)送到計算站，產(chǎn)生一個虛擬屏障。此信息被分配到所有四個汽車。虛擬屏障的結(jié)構(gòu)如下：pi為第i個觀察者檢測到的障礙物上的點。接著靠著群在（ P1 + P2） / 2的位置，根據(jù)壁障側(cè)面的中心構(gòu)造一個長（2Lobstacle- |P1 - P2 |）、寬2Wobstacle的矩形。由于我們只有兩個措施障礙物的距離，通過擴展障礙，以確保避免碰撞。當車以一定距離通過從障礙時，減少阻擋項的權(quán)重，以避免經(jīng)過障礙物后路徑交叉和車的碰撞。圖9示出的執(zhí)行情況的運動軌跡和快照。 圖8 前四個圖像為測試平臺中六輛汽車執(zhí)行V-C部分中所述方案的時間序列數(shù)據(jù)。中間圖為軌跡。圓點為領(lǐng)導位置；三角點為追隨者的位置。下面的圖為第二個實驗中，一個跟隨上層領(lǐng)導和三個跟隨下層的領(lǐng)導的運動軌跡。在第二次運行時，該組在合并后的總方向是不同的，跟蹤信息用像素域解釋，相應的參數(shù)=== 1,每一個代理的= 600，領(lǐng)導R0 = 50和跟隨車輛的r0 = 40 ， LC = 20。 累計和障礙物檢測算法。隨著觀察者的接近障礙物，傳感器讀數(shù)增加背景噪聲電平指示的對象的存在。圖10顯示了原始傳感器讀數(shù)一個例子。要過濾的信號，我們使用特定版本一個標準的累積和算法[19] [20]。讓Xn表示原始傳感器信號在時間n級和μ表示沒有任何障礙存在的背景噪聲平均值。定義Zn= Xn -μ- c，其中c是由于障礙物的預期變化的一小部分傳感器讀數(shù)。接下來，定義Wn = （0，Zn + Wn -1） 。計算值Wn中應保持在零附近，直到狀態(tài)發(fā)生變化，在這一點上它上升。在圖10中顯示了一個示例。一旦Wn中通過一個指定的閾值（大到足以避免誤報有很高的幾率），表示對象被檢測。使用汽車底盤，全油門的1/5 ，我們測試了不同的c值從150到400不等的累積和算法。結(jié)果在多個試驗可以再現(xiàn)。這些價值在于密切的線性擬合，因此為了最好的效果，我們在實踐中使用c = 200，。 圖9。目標尋求和避免障礙。前四個圖顯示同一個方案在不同的時間的示范快照。時間順序為，從左上方到右下方。底部的圖顯示汽車汽車通過實際障礙（暗）和根據(jù)觀察員的范圍傳感器計算的較大的虛擬屏障（亮）的軌跡。在實施中，跟蹤信息用像素域解釋，為尋求長期目標，相應的參數(shù)設(shè)置為 = 1, = 25, = 60，= 100。避障加權(quán)常數(shù)是85和通過屏障后從180變?yōu)榈? 。 六。結(jié)論 圖10。累積和算法在同一輛汽車接近障礙的傳感器數(shù)據(jù)的應用。原始數(shù)據(jù)和累計（左上），選擇不同的C時的累加和（右上），樣車利用累積和傳感器輸出避障的路徑（下）。 第二代測試平臺是在第一個版本的一個顯著的改良 ，加入了板載處理和檢測，提高通信速率，車輛多樣性和可擴展性。所有的升級，同時保持原來的測試平臺的低成本和微觀尺度的特征來實現(xiàn)的。兩種不同車輛平臺的實用性，可以更廣泛的研究，協(xié)同控制。在本文中，我們驗證的幾個動態(tài)多代理一些修改算法與硬件架構(gòu)的協(xié)同控制的規(guī)律效力。 致謝 我們感謝亞歷山大 夫斯基對累積和算法路徑規(guī)劃算法的有用的意見和戴夫·摩根的建議。這項研究是支持由ARO穆里補助50363 - MA - MUR ONR授予號N000140610059 ， ARO授予號W911NF -05-1 -0112 。此外， AJ和VV支持由美國國家科學基金會的研究培訓小組津貼DMS - 0601395 參考文獻 [1] C.H.Hsieh ， Y.莊， Y.黃， K. K..Leung ， A.L.Bertozzi and E.Frazzoli的，“ 經(jīng)濟型微車的測試平臺驗證協(xié)同控制策略”, 2006年美國控制的PROC 會議上，明尼蘇達州明尼阿波利斯， 6月14-16日， pages1446 -1451 。 [2] T.涌， L.Cremean ， W.B.鄧巴Z.Jin ， E.Klavins D.Moore ， A.蒂瓦里， D.vanGogh andS.Waydo ， “合作平臺，協(xié)調(diào)控制多個車輛：加州理工學院的多輛無線測試平臺“ ， Proc.ofthe第三次會議上的協(xié)同控制和優(yōu)化， 2002年12月。 [3]Z.Jin S.Waydo和EBWildanger M.Lammers ， H.Scholze和P. Foley和D.Held RMMurray ， “ MVWT -II ：第二加州理工學院代多功能車載無線測試平臺“ ， Proc.of 2004年美國控制會議， pp.5321 -5326 ， 2004 。 [4]E.國王， Y.桑田， M.Alighanbari ， L. Bertuccelli和J.如何，“協(xié)調(diào)和控制實驗測試平臺多輛” ，PROC 。國稅發(fā)[ 2004年美國控制會議，第5315 - 53202004 [ 5 ] ， R.Fierro J. Spletzer AKDas CJTaylor ， V.庫馬爾， JP奧斯特洛夫斯基， “合作的本地化和控制多機器人操作的” ， Proc.of 2001年智能機器人與系統(tǒng)， pp.631 - 636 ，2001 。 [6] T. W. MclainandR.W 。胡子， “無人駕駛飛行器試驗床協(xié)同控制實驗“， 2004年美國控制Proc.的會議上， pp.5327 -5331 ， 2003 。 [7 ] R.D '安德烈， MichaelBabish ，的“ RoboFlag測試平臺 ” ，PROC的2003美國控制會議 ， pp.656 -660 ， 2003 。 [8A.Stubbs ， V. Vladimerou ， A.T.富爾福德D.King ， J.斯特里克和G E.Dullerud “氣墊船測試平臺聯(lián)網(wǎng)和分散控制“， IEEE控制系統(tǒng)雜志， pp.56 - 69 ， 2006年6月。。 [9] R.DAndrea ， “機器人足球系統(tǒng)工程”的平臺，電腦教育報“， 10 （1） ： 5761,2000 。[10]米諾在卡內(nèi)基·梅隆大學的項目，http://www.cs.cmu.edu/珊瑚/ ：鰷/ 。 [11] 機器人的嵌入式系統(tǒng)實驗室，大學。南加州（http://robotics.usc.edu/ embedded/research/videos.html）。 [12] D.Galkowski ， Y. Y.蘭大R.Huang ， A.Joshi C.Lee ， K. K.Leung ，G.Malla ， J.特雷納，A.L. Bertozziand R.Tsai V. Voroninski ，“機器人路徑規(guī)劃和能見度有限的傳感器數(shù)據(jù)，出現(xiàn)在2007年美國控制會議 。 [13 ] http://www.radiotronix.com. [14 ]DSMorgan和IBSchwartz “動態(tài)協(xié)調(diào)控制法律多個代理模式， “物理學快報A ， vol.340 ，第121-131頁，2005年。 [15] EW Justh和PSKrishnaprasad ， “平衡和轉(zhuǎn)向法律平面編隊“ ，系統(tǒng)和控制快報， 52卷:25 - 48 ，2004 [16 ]F.張， A.O '康納， D.Leubke ， P.S.Krishnaprasad ， “基于曲率的控制律避障的實驗研究” ， 2004年IEEE國際會議論文集機器人與自動化，新奧爾良， LA ， April2004 。 [17 ] Carmeliza Navasca ，安仁Asatryan ， Vatche Attarian ， R.Huang元，凱文K.Leung ，阿必杰喬希，弗拉德Voroninski ， Meghdi Aboulian和麥克布賴德Krsytle ， “實現(xiàn)運動控制的法律偽裝， “ 2006年預印本。 [18] SMLaValle ， “規(guī)劃算法”，出版社CambridgeUniversity ，2006年。 [19 ] AGTartakovsky ， BLRozovskii R.Blazek ， H.Kim “檢測在信息系統(tǒng)的入侵順序變點方法，統(tǒng)計方法，第3卷，第3期， pp.252 - 340 ，2006。 [20] M.Basseville和靜脈注射尼基福羅夫，突然變化的檢測理論和Applications.Prentice的館，黃俊英，1993 。