專利名稱：基于Bang-bang控制策略的最優時間追蹤捕獲系統及其方法
技術領域：
本發明涉及控制系統的技術領域，具體的，涉及一種基于Bang-bang控制策略的最優時間追蹤捕獲系統及其方法。
背景技術：
追蹤逃逸的對抗游戲(Pursuit-Evasion Game, PEG)包含兩個玩家，一個追逐者和一個逃逸者。追逐者試圖捕獲到逃逸者，而逃逸者試圖避免被捕獲。PEG是很多實際問題的數學描述，比如導彈打擊飛行器，目標營救，目標監控，移動機器人追蹤捕獲入侵到目標區域的入侵者等。近些年，關于PEG的研究從理論的數學模型的建立以及分析，轉換到實際應用中來。將PEG理論結合智能機器人的控制應用于目標追蹤捕獲就是一個研究較多的領域。目標追蹤捕獲是指在入侵者進入到監測區域時，追逐者機器人對入侵者進行追蹤直至捕獲，或入侵者離開監測區域。目標的追蹤捕獲廣泛應用于軍事偵察，應急搜救，民用監控等。目標追蹤捕獲問題一直是科學研究的熱點，研究者在理論上提出過很多模型來分析這類問題，如獅子模型，K-消極模型，清潔污染模型等，并應用貪婪算法，蟻群算法等優化算法來獲得最優路徑。這些算法在理論上證明了追蹤捕獲問題在特定模型下的特定結論。理論上的研究大多是在理想的情況下，不考慮外界環境的干擾，不考慮追逐者自身條件的限制。因此，將理論研究應用到實際中還有一定的距離。目前，目標追蹤捕獲的研究也大多局限于理論上或計算機仿真上，真正將算法應用到實際并構建追蹤系統的很少。經對現有文獻進行檢索，在Laurent Alonso等人的文章“Lion and man upperand lower bounds”中提出在圓形區域內并在獅子和人的速度相同的前提下，可得到連續時間域內獅子追逐到人的時間范圍。文章“Solution of David Gale’ s lion and manproblem”在空間連續但是時間離散的前提下，對獅子追逐到人以及人如何逃避獅子的追逐都進行了理論上的分析并得到了證明。Mohammad Emtiyaz Khan的文章“Game TheoryModels for Pursuit Evasion Games，，中提出了幾種建立 PEG 問題的模型，如 ExtensiveForm Game, Differential Game, Repeated Game。然而，上面這些文章都只在理論上進行了分析，模型的建立需要的限制條件較多，與實際應用還有一定差距。中國專利申請號為200810119587. 2，名稱為“一種基于可行通道的機器人目標追蹤方法”的專利申請公開了一種機器人目標追蹤方法，該方法建立了實際的目標追蹤系統，但是沒有應用理論上的控制算法，無法從理論上保證追蹤時間最優。
發明內容
有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種應用Bang-bang控制策略完成目標追蹤捕獲的最優時間控制系統及其方法。本發明通過模塊化的思想，設計了可行性強、功能完善的基本模塊，并通過基本模塊的搭建及相互協作構建一個將Bang-bang控制策略應用到目標追蹤捕獲以實現時間最優的控制系統。該系統對Bang-bang控制的理論進行了實際的驗證及應用，同時該系統可以作為目標追蹤捕獲算法實現及驗證的平臺。為實現上述目的，本發明提供了一種基于Bang-bang控制策略的最優時間追蹤捕獲系統，其包括定位模塊，其采集逃逸機器人和追逐機器人在監測區域內的定位圖像；解耦模塊，其對所述定位模塊得到的圖像進行處理，從而得到所述追逐機器人和逃逸機器人的特征色塊的X，Y方向的坐標數據；通信模塊，其將從所述解耦模塊得到的坐標數據傳遞到所述追逐機器人；算法分析模塊，其根據Bang-bang控制策略計算出所述追逐機器人的控制量以及最短追逐捕獲時間；以及機器人控制模塊，其根據所述算法分析模塊的計算出的控制量，結合所述追逐機器人自身位置以及運動方向計算所述追逐機器人的目標速度和方向，從而實時調整所述追逐機器人速度和方向以完成追逐捕獲任務；其中，所述定位模塊、解耦模塊、通信模塊、算法分析模塊與機器人控制模塊依次相連。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其中，所述定位模塊采用的是攝像頭，所述攝像頭連續不斷的采集所述監測區域內所述追逐機器人和逃逸機器人的RGB格式的圖像，并對圖像進行濾波處理。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其中，所述解耦模塊包含在監測主機內，通過對所述定位圖像進行分析，將圖像格式轉換為HSB格式，并對整個圖像不斷進行掃描，通過對所述圖像的色相，色調以及飽和度分析得出所述追逐機器人和逃逸機器人的各個特征色塊的特征顏色點的X，Y坐標，然后對相應的特征顏色點的X，Y坐標進行求和平均得到所述逃逸機器人的紅色色塊X，Y坐標、黃色色塊X，Y坐標，所述追逐機器人的藍色色塊X，Y坐標、綠色色塊X，Y坐標。更進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其中，所述通信模塊包括無線傳感器主節點和無線傳感器次節點，其中，所述無線傳感器主節點接收所述監測主機串口發送的數據，提取感興趣的坐標數據，并將所述坐標數據封裝為滿足無線通信協議的數據幀格式，發送給所述無線傳感器次節點；所述無線傳感器次節點接收所述無線傳感器主節點的數據，并將接收到的數據封裝為串口通信協議的數據幀，發送給追逐機器人。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其中，所述算法分析模塊以所述通信模塊輸出的數據作為輸入，計算出所述追逐機器人的X，Y方向坐標、Χ，γ方向的速度以及運動方向矢量；計算出逃逸機器人Χ，γ方向坐標、Χ，γ方向的速度；然后根據Bang-bang控制策略，求出所述追逐機器人X，Y方向的控制量以及最短追逐捕獲時間。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其中，所述機器人控制模塊是將所述算法分析模塊得到的控制量應用到所述追逐機器人，通過某時刻的實際速度矢量和下一時刻目標速度矢量進行比較來控制所述追逐機器人的行進方向以及速度，直到完成追逐捕獲任務。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其中，所述機器人控制模塊是將所述追逐機器人的運動狀態分成四種，來保證所述追逐機器人能快速準確的達到目標狀態。另外，本發明還提供一種基于Bang-bang控制策略的最優時間追蹤捕獲方法，其包括以下步驟第一步，連續不斷的采集逃逸機器人和追逐機器人在監測區域內的RGB格式的定位圖像；第二步，處理所述圖像，得到所述追逐機器人和逃逸機器人的特征色塊的X，Y方向的坐標數據；第三步，將從所述坐標數據傳遞到所述追逐機器人；第四步，根據Bang-bang控制策略計算出所述追逐機器人的控制量以及最短追逐捕獲時間；第五步，根據計算出的所述控制量，結合所述追逐機器人自身位置以及運動方向計算所述追逐機器人的目標速度和方向，從而實時調整所述追逐機器人的速度和方向以完成追逐捕獲任務。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲方法，其中，在第二步中，將采集到的RGB格式的圖像轉換為HSB格式的圖像，并對整個圖像不斷進行掃描，通過對所述圖像的色相，色調以及飽和度分析得出所述追逐機器人和逃逸機器人上的特定顏色點的X，Y坐標，然后對相應的特征顏色點的X，Y坐標進行求和平均得到所述逃逸機器人的紅色色塊X，Y坐標、黃色色塊X，Y坐標，所述追逐機器人的藍色色塊X，Y坐標、綠色色塊X，Y坐標。進一步地，上述的基于Bang-bang控制策略的最優時間追蹤捕獲方法，其中，第四步中，根據所述坐標數據計算出所述追逐機器人的X，Y方向坐標、X，Y方向的速度以及運動方向矢量，以及逃逸機器人X，Y方向坐標、X，Y方向的速度，根據Bang-bang控制策略，求出所述追逐機器人X，Y方向的控制量以及最短追逐捕獲時間，其中，所述控制量為追逐機器人X，Y方向的加速度。因此，本發明的優點在于(1)通過無線傳感器節點實現數據通信，其傳遞距離長，能耗低，從而形成無線傳感器網絡以應用于智能體協調控制；(2)本發明將逃逸機器人與追逐機器人的運動狀態解耦到單獨的X，Y軸進行分析，進而轉化為雙積分系統的最優控制問題；(3)通過求解雙積分系統的最優控制問題，本發明得到最短時間目標追蹤捕獲的理論算法的控制規律，即得到了實際可行的Bang-bang控制，該控制策略簡單高效；(4)本發明中的追逐機器人能在逃逸機器人直線逃跑的前提下，根據逃逸機器人的位置以及狀態實時調整追逐策略以完成追蹤捕獲，并且時間最優；(5)本發明已經應用到實際的控制系統，本發明的體系結構能在各種硬件平臺上實現。
圖1是本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統的功能模塊結構圖；圖2是本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統的硬件結構圖；圖3是本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統的控制流程圖；圖4(1)是本發明的追逐機器人在t0時刻的速度矢量圖；圖4 (2)是本發明的追逐機器人在tO+Ts時刻的速度矢量圖；圖5(1)是本發明的追逐機器人在|b_a| <= 5時的速度矢量圖；圖5 )是本發明的追逐機器人在|b_a| >=10時的速度矢量圖。
具體實施例方式下面結合附圖對本發明的具體實施方式
進行詳細描述，以充分地了解本發明的目的、特征和效果。本實施例給出了詳細的實施方式和具體的操作過程，但本發明的保護范圍不限于本實施例。如圖1所示，本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統包括定位模塊5，解耦模塊1，通信模塊4，算法分析模塊2，以及機器人控制模塊3。其中，定位模塊5與解耦模塊1相連完成追逐機器人和逃逸機器人的視覺定位信息的解耦；解耦模塊1與通信模塊4相連傳遞解耦后的X，Y方向的逃逸機器人和追逐機器人的定位信息；通信模塊4與算法分析模塊2相連完成視覺定位信息從服務端到客戶端的傳遞；算法分析模塊2與機器人控制模塊3相連傳遞追逐機器人控制量的施加規律。圖2是本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統的相對應的硬件結構圖。由圖可知，定位模塊5采用的是攝像頭6，其完成追逐機器人10以及逃逸機器人視覺的定位信息采集。攝像頭6不斷的采集監測區域內追逐機器人10以及逃逸機器人的RGB格式的圖像信息，并對圖像進行濾波操作，以避免光線對圖像的干擾。追逐機器人10以及逃逸機器人上有便于識別的特征色塊，用以輔助完成位置和方向的定位。本發明中逃逸機器人的上層外殼左右分別貼有紅色和黃色特征色塊，而追逐機器人10的上層外殼左右分別貼有藍色和綠色特征色塊。解耦模塊為監測主機7上的對攝像頭6得到的圖像信息進行處理的軟件模塊。攝像頭6通過串口將圖像幀數據發送給監測主機7 ；監測主機7上的解耦模塊對圖像進行處理，在監測區域內逐點掃描尋找追逐機器人10的藍色、綠色特征色塊以及逃逸機器人的紅色、黃色特征色塊，并記錄上述特征色塊上特征顏色點的X，Y坐標，然后通過對各個特征色塊上相應的特征顏色點的X，Y坐標進行相加求平均，得到相應特征色塊的X，Y坐標。通信模塊4包括服務器端和客戶端，均采用的Crossbow IRIS-XM2110的無線傳感器節點，分別作為主節點和次節點。服務器端為無線傳感器主節點8，其與監測主機7相連，監測主機7將追逐機器人10和逃逸機器人的特征色塊的X，Y坐標數據封裝成能滿足串口與無線傳感器主節點8通信協議的一幀數據，不斷快速的發送到無線傳感器主節點8。封裝后的數據幀格式必須要滿足無線傳感器節點的數據幀格式要求。無線傳感器節點的數據幀主要包括幀頭標志位，數據位，以及幀的結尾標志位。數據傳輸的時候為了將數據與幀的標志位區別開來，還需要對數據進行轉換，避免沖突。無線傳感器主節點對幀進行識別，讀出感興趣的坐標數據，然后將數據封裝成能滿足無線傳感器節點之間的通信協議的一幀數據。客戶端為無線傳感器次節點，其與追逐機器人相連，在接收到數據后馬上封裝成可在串口傳遞的數據幀并發送到追逐機器人。算法分析模塊2是將完成追逐捕獲的條件作為給定，將通信模塊4傳輸的數據作為輸入，在淋1^^ = 0，1，2···)時刻根據Bang-bang控制策略計算最新的控制量。其中，根據追逐機器人10的藍色、綠色特征色塊的X，Y坐標計算出追逐機器人的X，Y方向坐標、X，Y方向的速度以及運動方向矢量；根據逃逸機器人的紅色、黃色特征色塊的X，Y坐標計算出逃逸機器人X，Y方向坐標、X，Y方向的速度以及運動方向矢量；然后根據Bang-bang控制策略，求出追逐機器人10的X，Y方向的控制量以及最短追逐捕獲時間。本發明中控制量為追逐機器人10的X，Y方向的加速度。考慮到具體的可操作性，本發明實施例中Ts取值為k。算法分析模塊2是追逐機器人10上的軟件模塊，追逐機器人10以及逃逸機器人均是采用的IMP自主移動機器人。機器人控制模塊3是根據算法分析模塊2得到的控制量，再結合自身位置以及運動方向，來確定下一個Ts時刻內追逐機器人運動的方向及速度。本實施例中每個Ts時刻追逐機器人的運動狀態根據不同的情況分為四種。追逐機器人在每個Ts時刻內執行Bang-bang控制得到時間最優的控制策略，因而經過若干個Ts時刻最終完成追蹤捕獲所得到的時間也是最優的。本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統的工作過程如下第一步，打開電源，啟動各個設備，使得各個模塊完成初始化，具體包括定位模塊，解耦模塊，通信模塊，算法分析模塊以及追逐機器人控制模塊的初始化。其中，定位模塊的初始化是指打開攝像頭，并初始化至合適的焦距以及光線識別模式。解耦模塊的初始化是指初始化軟件程序，定義各種需要的數據變量，具體包括逃逸機器人紅色色塊坐標(Red_x，Red_y)，黃色色塊坐標(Yellow_X，，逃逸機器人的方向矢量m，追逐機器人藍色色塊坐標(Bluex，Bluey)，綠色色塊坐標(Green_x，Green_y)，追逐機器人的方向矢量η。通信模塊的初始化是指無線傳感器主節點和次節點程序運行，并建立聯系。無線傳感器之間采用ΙΕΕΕ802. 15. 4通信協議，進行快速的周期性的發送數據，無線傳感器節點的周期為0. 05s，從而減少延時。無線傳感器主節點與監測主機之間，無線傳感器次節點與追逐機器人之間均直接建立通信聯系，通信協議為串口通信，周期為0. 05s。算法分析模塊的初始化是指初始化Bang-bang控制策略需要的數據變量以及需要設定的常量，具體包括加速度控制量的最大值Up = 2，時間間隔Ts = 5s,以及X方向追逐機器人與逃逸機器人位移差Xl，速度差X2，Y方向追逐機器人與逃逸機器人位移差Yl，速度差Y2，還有通過算法分析模塊得到追逐機器人X，Y方向的加速度控制量Ux，Uy。機器人控制模塊的初始化是完成機器人控制數據的定義，即機器人左、右輪的的速度VI，Vr以及運動的方向矢量的定義。初始化完成后本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統的工作流程如圖3所示，具體如下第二步，同時啟動定位模塊，解耦模塊以及通信模塊。定位模塊啟動后，循環執行以下步驟1)在監測區域內不斷采集追逐機器人和逃逸機器人的RGB格式的圖像信息；2)將采集到的圖像信息傳遞給監測主機的解耦模塊；解耦模塊啟動后，循環執行以下步驟1)將RGB格式的圖像轉換為HSB格式，對整個圖像不斷進行掃描。通過圖像幀的色相，色調以及飽和度分析得出圖像中各個特征色塊中特征顏色點的坐標，再對相應的特征顏色點的X，Y坐標進行求和平均得到逃逸機器人紅色色塊坐標(Red_x，Red_y)，黃色色塊坐標(Yellow_x，hllow_y)，追逐機器人藍色色塊坐標(Bluex，Bluey)，綠色色塊坐標(Green_x, Green_y)；2)解耦模塊將分析得到的逃逸機器人和追逐機器人的特征色塊的X，Y方向的坐標數據通過串口發送給無線傳感器主節點，發送周期設定為0. 05s。通信模塊啟動后循環執行下面步驟1)無線傳感器主節點接收監測主機串口發送的數據，提取感興趣的坐標數據，將坐標數據封裝為滿足無線通信協議的數據幀格式，并發送給無線傳感器次節點；2)無線傳感器次節點接收無線傳感器主節點的數據，并提取數據，封裝為串口通信協議的數據幀，并發送給追逐機器人。第三步，啟動算法分析模塊，機器人控制模塊。算法分析模塊啟動后循環執行下面步驟1)判斷逃逸機器人的坐標是否在監測區域內，如果不在則完成任務，退出，否則進行下一步；2)根據逃逸機器人紅色色塊坐標(Red_x，Red_y)，黃色色塊坐標(Yellow_X，hll0W_y)，得到逃逸機器人中心點的坐標(evader_X，evader_y)。另外根據紅色色塊指向黃色色塊的方向矢量r可以得到逃逸機器人運動方向矢量m，即為與r正交，并在r方向的逆時針方向90度處。同理根據追逐機器人藍色色塊坐標(Bluex，Bluey)，綠色色塊坐標(Green_x，Green_y)，得到追逐機器人的中心點坐標(pursuit_x，pursuit_y)。另外根據藍色色塊指向綠色色塊的方向矢量s可以得到追逐機器人運動方向矢量n，即為與s正交，并在s方向的逆時針方向90度處。另外通過對Ts時刻追逐機器人和逃逸機器人中心點坐標變化的分析可以得到追逐機器人的速度(pursuitspeedx，pursuitspeedy)，逃逸機器人的速度(evaderspeedx,, evaderspeedy)；由上述速度(pursuitspeedx, pursuitspeedy)禾口運動方向矢量η便可得知追逐機器人當前的實際速度矢量a ；3)根據1)得到的結果計算X方向追逐機器人與逃逸機器人的位移差，速度差，其中位移差 Xl = pursuit_x~evader_x,速度差 X2 = pursuitspeedx-evaderspeedx,同理可以得到Y方向的位移差與速度差，即Yl = pursuit—y-evader—y以及Y2 =pursuitspeedy-evaderspeedy ；4)判斷上述X，Y方向的位移差和速度差是否達到系統所定義的完成追蹤捕獲條件，如果達到，則停止追蹤捕獲，任務完成，退出；否則，進行下一步；5)根據公式(1)計算追逐機器人X方向加速度控制量te ；
權利要求
1.一種基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，包括定位模塊，其采集逃逸機器人和追逐機器人在監測區域內的定位圖像；解耦模塊，其對所述定位模塊得到的圖像進行處理，從而得到所述追逐機器人和逃逸機器人的特征色塊的X，Y方向的坐標數據；通信模塊，其將從所述解耦模塊得到的坐標數據傳遞到所述追逐機器人；算法分析模塊，其根據Bang-bang控制策略計算出所述追逐機器人的控制量以及最短追逐捕獲時間；以及機器人控制模塊，其根據所述算法分析模塊的計算出的控制量，結合所述追逐機器人自身位置以及運動方向計算所述追逐機器人的目標速度和方向，從而實時調整所述追逐機器人速度和方向以完成追逐捕獲任務；其中，所述定位模塊、解耦模塊、通信模塊、算法分析模塊與機器人控制模塊依次相連。
2.根據權利要求1所述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，所述定位模塊采用的是攝像頭，所述攝像頭連續不斷的采集所述監測區域內所述追逐機器人和逃逸機器人的RGB格式的圖像，并對圖像進行濾波處理。
3.根據權利要求1所述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，所述解耦模塊包含在監測主機內，通過對所述定位圖像進行分析，將圖像格式轉換為HSB格式，并對整個圖像不斷進行掃描，通過對所述圖像的色相，色調以及飽和度分析得出所述追逐機器人和逃逸機器人的各個特征色塊上特征顏色點的X，Y坐標，然后對相應的特征顏色點的X，Y坐標進行求和平均得到所述逃逸機器人的紅色色塊X，Y坐標、黃色色塊X，Y坐標，所述追逐機器人的藍色色塊X，Y坐標、綠色色塊X，Y坐標。
4.根據權利要求3所述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，所述通信模塊包括無線傳感器主節點和無線傳感器次節點，其中，所述無線傳感器主節點接收所述監測主機串口發送的數據，提取感興趣的坐標數據，并將所述坐標數據封裝為滿足無線通信協議的數據幀格式，發送給所述無線傳感器次節點；所述無線傳感器次節點接收所述無線傳感器主節點的數據，并將接收到的數據封裝為串口通信協議的數據幀，發送給所述追逐機器人。
5.根據權利要求1所述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，所述算法分析模塊以所述通信模塊輸出的數據作為輸入，計算出所述追逐機器人的X，Y方向坐標、X，Y方向的速度以及運動方向矢量；計算出逃逸機器人X，Y方向坐標、X，Y方向的速度；然后根據Bang-bang控制策略，求出所述追逐機器人X，Y方向的控制量以及最短追逐捕獲時間。
6.根據權利要求1所述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，所述機器人控制模塊將所述算法分析模塊得到的控制量應用到所述追逐機器人，通過某時刻的實際速度矢量和下一時刻目標速度矢量進行比較來控制所述追逐機器人的行進方向以及速度，直到完成追逐捕獲任務。
7.根據權利要求1所述的基于Bang-bang控制策略的最優時間追蹤捕獲系統，其特征在于，所述機器人控制模塊是將所述追逐機器人的運動狀態分成四種，來保證所述追逐機器人能快速準確的達到目標狀態。
8.一種基于Bang-bang控制策略的最優時間追蹤捕獲方法，其特征在于，包括以下步驟第一步，連續不斷的采集逃逸機器人和追逐機器人在監測區域內的RGB格式的定位圖像；第二步，處理所述定位圖像，得到所述追逐機器人和逃逸機器人的特征色塊的X，Y方向的坐標數據；第三步，將從所述坐標數據傳遞到所述追逐機器人；第四步，根據Bang-bang控制策略計算出所述追逐機器人的控制量以及最短追逐捕獲時間；第五步，根據計算出的所述控制量，結合所述追逐機器人自身位置以及運動方向計算所述追逐機器人的目標速度和方向，從而實時調整所述追逐機器人的速度和方向以完成追逐捕獲任務。
9.根據權利要求8所述的基于Bang-bang控制策略的最優時間追蹤捕獲方法，其特征在于，在第二步中，將采集到的RGB格式的圖像轉換為HSB格式的圖像，并對整個圖像不斷進行掃描，通過對所述圖像的色相，色調以及飽和度分析得出所述追逐機器人和逃逸機器人上的特定顏色點的X，Y坐標，然后對相應的特征顏色點的X，Y坐標進行求和平均得到所述逃逸機器人的紅色色塊X，Y坐標、黃色色塊X，Y坐標，所述追逐機器人的藍色色塊X，Y坐標、綠色色塊X，Y坐標。
10.根據權利要求8所述的基于Bang-bang控制策略的最優時間追蹤捕獲方法，其特征在于，第四步中，根據所述坐標數據計算出所述追逐機器人的X，Y方向坐標、X，Y方向的速度以及運動方向矢量，以及逃逸機器人X，Y方向坐標、X，Y方向的速度，根據Bang-bang控制策略，求出所述追逐機器人X，Y方向的控制量以及最短追逐捕獲時間，其中，所述控制量為追逐機器人X，Y方向的加速度。
全文摘要
本發明公開了一種基于Bang-bang控制策略的最優時間追蹤捕獲系統及其方法，其包括定位模塊，解耦模塊，通信模塊，算法分析模塊，以及追逐機器人控制模塊，其中，所述定位模塊、解耦模塊、通信模塊、算法分析模塊與追逐機器人控制模塊依次相連。本發明的基于Bang-bang控制策略的最優時間追蹤捕獲系統將控制算法應用于智能體機器人對入侵者的追蹤捕獲，保證入侵者在直線運動的情況下捕獲時間最短，通過視覺信息對入侵者以及追逐者進行定位，得到位置信息后通過無線傳感器節點通信將數據傳給追逐機器人，追逐機器人再通過算法分析，得到控制量的施加規律，對自身進行控制，完成追蹤捕獲。
文檔編號G05B13/04GK102566432SQ201210014628
公開日2012年7月11日 申請日期2012年1月17日 優先權日2012年1月17日
發明者關新平, 李立安, 陳彩蓮 申請人:上海交通大學