Điều khiển đội hình LEADER-FOLLOWER sử dụng cảm biến tích hợp trong môi trường nhiễu

Luận án tiến sĩ về điều khiển đội hình leader-follower sử dụng cảm biến tích hợp trong môi trường nhiễu. Nghiên cứu kỹ thuật điện tử và tự động hóa.

• Tác giả: Trần Việt Hồng
• Người hướng dẫn: Professor Lee Suk Gyu
• Trường học: Yeungnam University
• Chuyên ngành: Electrical Engineering
• Đề tài: Điều khiển đội hình Leader-Follower sử dụng cảm biến tích hợp trong môi trường nhiễu
• Loại tài liệu: Luận án tiến sĩ
• Năm xuất bản: 2010
• Địa điểm: South Korea

Tóm tắt

I. Tổng Quan Về Điều Khiển Đội Hình Leader Follower 60 ký tự

Hệ thống đa robot ngày càng được ứng dụng rộng rãi trong nhiều lĩnh vực. Từ thám hiểm dưới nước và không gian đến môi trường nguy hiểm, robot cộng tác mang lại nhiều lợi ích. Chúng có thể thực hiện các nhiệm vụ mà robot đơn lẻ khó hoặc không thể hoàn thành. Một nhóm robot có thể cung cấp dự phòng, hợp tác giải quyết nhiệm vụ, hoặc thực hiện nhiệm vụ một cách đáng tin cậy, nhanh chóng hoặc rẻ hơn so với robot đơn lẻ. Chẳng hạn, việc sản xuất và triển khai nhiều robot giá rẻ thường hiệu quả hơn so với một robot đắt tiền. Số lượng lớn hơn mang lại tiềm năng tốt hơn cho một hệ thống có khả năng phục hồi khi một robot bị lỗi. Robot nhỏ hơn có khả năng di chuyển tốt hơn trong không gian chật hẹp. Một nhóm có thể khảo sát một khu vực lớn hơn so với một robot đơn lẻ, ngay cả khi robot đó được trang bị cảm biến tốt hơn. Vì vậy, việc điều khiển đội hình các robot là một lĩnh vực quan trọng trong nghiên cứu robot.

1.1. Ứng Dụng Tiềm Năng Của Điều Khiển Đội Hình Robot

Điều khiển đội hình robot mở ra nhiều ứng dụng tiềm năng. Các ứng dụng này bao gồm: thám hiểm môi trường nguy hiểm, dịch vụ robot trong lĩnh vực công cộng và tư nhân, lĩnh vực giải trí,... Nhờ khả năng hợp tác, các robot có thể vượt qua những hạn chế của robot đơn lẻ, thực hiện nhiệm vụ phức tạp và nguy hiểm một cách an toàn và hiệu quả hơn. Formation Control có thể được sử dụng để tìm kiếm cứu nạn, giám sát, xây dựng, và nhiều hơn nữa. Điều khiển đội hình đang phát triển, và các phương pháp điều khiển và phối hợp nhóm robot đang được cải thiện liên tục.

1.2. Khái Niệm Cơ Bản Về Điều Khiển Đội Hình Leader Follower

Điều khiển đội hình Leader-Follower là một phương pháp điều khiển robot đội hình phổ biến. Trong phương pháp này, một hoặc một vài robot đóng vai trò là Leader, dẫn dắt đội hình di chuyển. Các robot còn lại đóng vai trò là Follower, di chuyển theo Leader, duy trì khoảng cách và vị trí tương đối nhất định. Theo Tran Viet Hong, Thesis LEADER-FOLLOWER FORMATION CONTROL, nhiệm vụ của Leader có thể được điều khiển bởi con người, hoặc được lập trình sẵn. Follower sử dụng cảm biến để xác định vị trí của Leader và điều chỉnh chuyển động của mình để duy trì đội hình mong muốn. Phương pháp này linh hoạt và dễ triển khai, phù hợp với nhiều ứng dụng.

II. Thách Thức Trong Điều Khiển Leader Follower 58 ký tự

Mặc dù có nhiều ưu điểm, điều khiển Leader-Follower cũng đối mặt với nhiều thách thức. Môi trường nhiễu là một trong những vấn đề lớn nhất. Các cảm biến sử dụng để xác định vị trí của Leader có thể bị ảnh hưởng bởi nhiễu, dẫn đến sai sót trong điều khiển. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, độ trễ truyền thông giữa Leader và Follower cũng có thể gây ra sự mất ổn định của đội hình. Ngoài ra, việc đảm bảo tính bền vững của đội hình khi đối mặt với các vật cản hoặc sự thay đổi của môi trường là một thách thức khác. Các thuật toán điều khiển cần phải được thiết kế để có thể thích ứng với những thay đổi này.

2.1. Ảnh Hưởng Của Môi Trường Nhiễu Đến Độ Chính Xác

Môi trường nhiễu gây ảnh hưởng nghiêm trọng đến độ chính xác của các cảm biến. Nhiễu có thể đến từ nhiều nguồn khác nhau, bao gồm nhiễu điện từ, nhiễu quang học, và nhiễu cơ học. Nhiễu làm sai lệch tín hiệu cảm biến, dẫn đến sai sót trong việc xác định vị trí của Leader. Sai sót này có thể tích lũy và gây ra sự mất ổn định của đội hình. Việc giảm thiểu ảnh hưởng của nhiễu là rất quan trọng để đảm bảo hiệu suất của hệ thống điều khiển đội hình.

2.2. Vấn Đề Độ Trễ Truyền Thông Trong Đội Hình Robot

Trong hệ thống điều khiển đội hình, các robot cần phải giao tiếp với nhau để chia sẻ thông tin. Tuy nhiên, việc truyền thông có thể bị trễ do nhiều yếu tố, bao gồm giới hạn băng thông và khoảng cách giữa các robot. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, độ trễ truyền thông có thể gây ra sự mất đồng bộ giữa Leader và Follower, dẫn đến sự dao động và mất ổn định của đội hình. Các thuật toán điều khiển cần phải được thiết kế để bù đắp cho độ trễ truyền thông và đảm bảo tính bền vững của đội hình.

2.3. Cách Vượt Qua Các Chướng Ngại Vật Trong Quá Trình Di Chuyển

Trong môi trường thực tế, đội hình robot thường phải đối mặt với các vật cản. Việc tránh vật cản mà vẫn duy trì đội hình là một thách thức lớn. Các thuật toán điều khiển cần phải được thiết kế để có thể phát hiện vật cản và điều chỉnh chuyển động của các robot một cách thích hợp. Việc này đòi hỏi sự phối hợp chặt chẽ giữa các robot và khả năng ước lượng trạng thái chính xác. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, một số phương pháp tránh vật cản phổ biến bao gồm sử dụng cảm biến khoảng cách và thuật toán tìm đường.

III. Giải Pháp Thuật Toán Điều Khiển Lọc Kalman 60 ký tự

Để giải quyết những thách thức trên, nhiều thuật toán điều khiển đã được phát triển. Một trong những thuật toán phổ biến nhất là thuật toán Lọc Kalman. Lọc Kalman là một thuật toán ước lượng trạng thái tối ưu, có khả năng giảm thiểu ảnh hưởng của môi trường nhiễu. Ngoài ra, các thuật toán điều khiển thích nghi và điều khiển bền vững cũng được sử dụng để đảm bảo tính ổn định của đội hình. Các thuật toán này có khả năng tự điều chỉnh các tham số điều khiển để thích ứng với sự thay đổi của môi trường.

3.1. Ứng Dụng Của Lọc Kalman Trong Ước Lượng Trạng Thái

Lọc Kalman là một công cụ mạnh mẽ để ước lượng trạng thái của hệ thống trong môi trường nhiễu. Thuật toán này kết hợp thông tin từ các cảm biến và mô hình động học của hệ thống để đưa ra ước tính tốt nhất về trạng thái hiện tại. Lọc Kalman đặc biệt hiệu quả khi cảm biến bị nhiễu hoặc không chính xác. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, nó có thể được sử dụng để ước tính vị trí, vận tốc và gia tốc của Leader, giúp các Follower di chuyển theo một cách chính xác và ổn định.

3.2. Điều Khiển Thích Nghi Tự Điều Chỉnh Tham Số Điều Khiển

Điều khiển thích nghi là một phương pháp điều khiển cho phép hệ thống tự động điều chỉnh các tham số điều khiển để thích ứng với sự thay đổi của môi trường. Trong điều khiển đội hình, điều khiển thích nghi có thể được sử dụng để bù đắp cho các yếu tố không chắc chắn, như nhiễu cảm biến và độ trễ truyền thông. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, thuật toán điều khiển thích nghi có thể được thiết kế để đảm bảo tính bền vững của đội hình ngay cả khi môi trường thay đổi.

3.3. Điều Khiển Bền Vững Đảm Bảo Tính Ổn Định Của Đội Hình

Điều khiển bền vững là một phương pháp điều khiển tập trung vào việc đảm bảo tính ổn định của hệ thống trong mọi điều kiện. Trong điều khiển đội hình, điều khiển bền vững có thể được sử dụng để chống lại các tác động của nhiễu, độ trễ truyền thông và các vật cản. Các thuật toán điều khiển bền vững thường sử dụng các kỹ thuật như Lyapunov Stability để đảm bảo rằng hệ thống sẽ luôn ổn định và không bị dao động.

IV. Fusion Cảm Biến Tối Ưu Hóa Độ Chính Xác 54 ký tự

Ngoài các thuật toán điều khiển, việc sử dụng fusion cảm biến cũng là một giải pháp hiệu quả. Fusion cảm biến là quá trình kết hợp thông tin từ nhiều cảm biến khác nhau để tạo ra một bức tranh toàn diện và chính xác hơn về môi trường. Các cảm biến có thể bao gồm camera, lidar, radar, và cảm biến siêu âm. Bằng cách kết hợp thông tin từ các cảm biến này, hệ thống có thể giảm thiểu ảnh hưởng của nhiễu và tăng độ chính xác của việc ước lượng trạng thái.

4.1. Ưu Điểm Của Việc Kết Hợp Dữ Liệu Từ Nhiều Cảm Biến

Việc kết hợp dữ liệu từ nhiều cảm biến mang lại nhiều ưu điểm. Đầu tiên, nó giúp giảm thiểu ảnh hưởng của nhiễu và sai sót cảm biến. Mỗi cảm biến có thể bị ảnh hưởng bởi các loại nhiễu khác nhau, và bằng cách kết hợp thông tin từ nhiều cảm biến, hệ thống có thể loại bỏ các tín hiệu nhiễu và tạo ra một bức tranh chính xác hơn về môi trường. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, thứ hai, fusion cảm biến giúp tăng độ tin cậy của hệ thống. Nếu một cảm biến bị lỗi, hệ thống vẫn có thể hoạt động dựa trên thông tin từ các cảm biến còn lại.

4.2. Các Loại Cảm Biến Thường Dùng Trong Điều Khiển Đội Hình

Có nhiều loại cảm biến khác nhau có thể được sử dụng trong điều khiển đội hình. Camera cung cấp thông tin về hình ảnh và khoảng cách. Lidar cung cấp thông tin 3D chính xác về môi trường. Radar có thể phát hiện các vật thể ở xa. Cảm biến siêu âm có thể đo khoảng cách đến các vật thể gần đó. Việc lựa chọn loại cảm biến phù hợp phụ thuộc vào ứng dụng cụ thể và yêu cầu về độ chính xác và phạm vi.

4.3. Thuật Toán Fusion Cảm Biến Tối Ưu Hóa Thông Tin

Có nhiều thuật toán fusion cảm biến khác nhau. Một số thuật toán phổ biến bao gồm Lọc Kalman, Particle Filter, và Extended Kalman Filter. Các thuật toán này sử dụng các kỹ thuật thống kê để kết hợp thông tin từ nhiều cảm biến và đưa ra một ước tính tốt nhất về trạng thái của hệ thống. Việc lựa chọn thuật toán fusion cảm biến phù hợp phụ thuộc vào đặc điểm của các cảm biến và yêu cầu về hiệu suất.

V. Ứng Dụng Điều Khiển Leader Follower 59 ký tự

Điều khiển Leader-Follower có rất nhiều ứng dụng thực tế. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, trong lĩnh vực quân sự, nó có thể được sử dụng để điều khiển các đội hình robot trinh sát hoặc tấn công. Trong lĩnh vực công nghiệp, nó có thể được sử dụng để điều khiển các xe tự hành trong kho hoặc nhà máy. Trong lĩnh vực nông nghiệp, nó có thể được sử dụng để điều khiển các máy kéo tự động hoặc các robot thu hoạch. Và trong lĩnh vực dân sự, nó có thể được sử dụng để điều khiển các xe tự hành trong đô thị hoặc các robot dịch vụ.

5.1. Ứng Dụng Quân Sự Trinh Sát Tấn Công Hậu Cần

Trong lĩnh vực quân sự, điều khiển đội hình Leader-Follower có thể được sử dụng để điều khiển các đội hình robot trinh sát, tấn công, hoặc hậu cần. Các robot trinh sát có thể được triển khai để thu thập thông tin tình báo về địa hình và lực lượng đối phương. Các robot tấn công có thể được triển khai để tiêu diệt các mục tiêu quan trọng. Các robot hậu cần có thể được triển khai để vận chuyển vật tư và trang thiết bị cho binh lính.

5.2. Ứng Dụng Công Nghiệp Tự Động Hóa Quy Trình

Trong lĩnh vực công nghiệp, điều khiển đội hình Leader-Follower có thể được sử dụng để điều khiển các xe tự hành trong kho hoặc nhà máy. Các xe tự hành có thể được sử dụng để vận chuyển hàng hóa, nguyên vật liệu, và sản phẩm giữa các địa điểm khác nhau trong nhà máy. Điều này có thể giúp tăng năng suất, giảm chi phí, và cải thiện an toàn.

5.3. Ứng Dụng Nông Nghiệp Tối Ưu Hóa Sản Xuất

Trong lĩnh vực nông nghiệp, điều khiển đội hình Leader-Follower có thể được sử dụng để điều khiển các máy kéo tự động hoặc các robot thu hoạch. Các máy kéo tự động có thể được sử dụng để cày xới đất, gieo hạt, và bón phân. Các robot thu hoạch có thể được sử dụng để thu hoạch các loại cây trồng như trái cây, rau quả, và ngũ cốc.

VI. Tương Lai Phát Triển Của Leader Follower 53 ký tự

Lĩnh vực điều khiển Leader-Follower vẫn đang tiếp tục phát triển mạnh mẽ. Các nhà nghiên cứu đang tập trung vào việc phát triển các thuật toán điều khiển hiệu quả hơn, đáng tin cậy hơn, và có khả năng thích ứng cao hơn. Theo Thesis LEADER-FOLLOWER FORMATION CONTROL, một số hướng nghiên cứu tiềm năng bao gồm việc sử dụng trí tuệ nhân tạo (AI) và học máy (Machine Learning) để cải thiện khả năng ước lượng trạng thái và điều khiển đội hình.

6.1. Tích Hợp Trí Tuệ Nhân Tạo AI Vào Hệ Thống

Việc tích hợp trí tuệ nhân tạo (AI) vào hệ thống điều khiển Leader-Follower có thể mang lại nhiều lợi ích. AI có thể được sử dụng để cải thiện khả năng ước lượng trạng thái, điều khiển đội hình, và lập kế hoạch đường đi. Các thuật toán AI có thể học hỏi từ dữ liệu và tự động điều chỉnh các tham số điều khiển để thích ứng với sự thay đổi của môi trường.

6.2. Sử Dụng Học Máy Machine Learning Để Tự Động Điều Chỉnh

Học máy (Machine Learning) là một nhánh của AI tập trung vào việc phát triển các thuật toán cho phép máy tính học hỏi từ dữ liệu mà không cần được lập trình một cách rõ ràng. Trong lĩnh vực điều khiển đội hình, học máy có thể được sử dụng để tự động điều chỉnh các tham số điều khiển, cải thiện khả năng ước lượng trạng thái, và phát hiện các bất thường trong hệ thống.

6.3. Phát Triển Các Giao Thức Truyền Thông Mới

Việc phát triển các giao thức truyền thông mới là rất quan trọng để cải thiện hiệu suất của hệ thống điều khiển đội hình. Các giao thức truyền thông mới cần phải đảm bảo độ tin cậy cao, độ trễ thấp, và khả năng mở rộng tốt. Các giao thức truyền thông không dây là một lựa chọn tiềm năng cho các hệ thống điều khiển đội hình.

Trích đoạn nội dung tài liệu

Thesis LEADER-FOLLOWER FORMATION CONTROL USING ON-BOARD SENSORS IN NOISY ENVIRONMENT The Graduate School YEUNGNAM UNIVERSITY Department of Electrical Engineering Robotics and Control Major TRAN VIET HONG Advisor: Professor Lee Suk Gyu December 2010 Ph. Thesis LEADER-FOLLOWER FORMATION CONTROL USING ON-BOARD SENSORS IN NOISY ENVIRONMENT Advisor: Professor Lee Suk Gyu Presented in Partial Fulfillment of the Requirements for the Degree of Doctor of Engineering December 2010 The Graduate School of Yeungnam University Department of Electrical Engineering Robotics and Control Major TRAN VIET HONG Tran Viet Hong’s Ph. Thesis is approved by Committee members Professor Lee, Ki Dong Professor Lee, Suk Gyu Professor Lee, Hai Young Professor Park, Ju Hyun Professor Lee, Jeh Won December 2010 The Graduate School of Yeungnam University Acknowledgments To be accepted for a PhD position at Robotics and Control Laboratory, Department of Electrical Engineering, Yeungnam University under the supervision of Professor Lee Suk-Gyu is like a fate. Right at the first meeting with him, I felt that this is a good chance for my career.

After four years, I have had a happy time and learnt a lot. I have even more experience of a new academic life and a new culture when following PhD course abroad. Looking back on the time that I spent to study and finish this thesis, I must admit that I enjoyed doing this research very much, even though it was not easy. I am glad to recall many wonderful people who accompanied me in that tough road to assist me in various ways.

I cannot reach this point by only myself. First and foremost, my very special thank gives to Professor Lee Suk-Gyu for giving me a chance to do research on simultaneous localization and mapping, and multi-robot system. His expertise, motivation, enthusiasm, understanding, and patience, taken together, make him a great mentor. Thank you for directing me through my research and for all your help during my stay.

Many thanks go to Professors at Yeungnam University, in general, and Department of Electrical Engineering, in particular, who gave me valuable lectures and advices. Especially, I would like to express my sincere appreciation to Professor Noh Seok-Kyun, my wife’s supervisor, for his valuable and numerous help to our living in Korea. I would like to thank the members of my thesis committee, Professor Lee Ki-Dong, Professor Lee Hai-Young, Professor Jessie Park Ju-Hyun and Professor Lee Jeh-Won to kindly for their time, interest, and helpful suggestions and comments. I consider myself fortunate to be with all of my past and present colleagues in Robotics and Control Laboratory and other laboratories such as Wee Sung-Gil, - iv - Park Je-Yong, Kim Jong-Uk, Joo Jin-Hwan, Lee Ho-Geun, Dilshat Saitov, Choi Kyung-Sik, Choi Yun-Won, Kim Kyung-Dong, Ryu Hee-Rack, Im Sung-Gyu, Jo Young-rae, Qu Xiaochuan, Xu Zhiguang, Dai YanYan, Liu Fenggang, Lee Tae-Hee, Kim Hon-Hee, and too many others to put all your names here.

With great appreciation, I shall acknowledge Hochiminh city University of Technology (Vietnam National University, Hochiminh city), Faculty of Mechanical Engineering for the permission to study abroad. I will never forget four years of living with a solidary and affectionate community of Vietnamese students in Yeungnam University. You helped me to overcome the difficulties of living abroad. Thanks also go to Vietnamese students in Korea for kind help, encouragement, friendship, and happy times.

And last but not least, I deeply thank Doctor Park Jung-Tae and Doctor Park Jin-Wook for your patience to take care of the health for my family. Mommy and daddy, please receive my gratitude for sacrificing your lives for us, and providing unconditional love and care. Viet Hung, my brother, is a wonderful model of scientific passion that gives me more self-confidence. It is lucky to have Nhon, my sister-in-law, here with us.

Her help is invaluable. I am also very grateful to my wife’s family who have dealt with my personal issues in Vietnam, and encouraged me constantly. Finally, my wife is one extraordinary person deserving most of the acknowledgements. She is always right beside me with listening ears, loving smiles and gives me the feeling of warmth, hope and peace.

Especially, she is spending the hard time in Vietnam to prepare for delivering our first baby. December 2010 Tran Viet Hong Yeungnam University, South Korea. -v- Contents Acknowledgments iv Contents vi List of tables viii List of Figures ix List of Abbreviations xii Abstract xiii CHAPTER 1 Introduction 14 1. Contributions and outline of the thesis.

18 CHAPTER 2 Formation and Formation Control 20 2. Introduction to formation. Applications of formation. Introduction to formation control.

Formation control structures. Formation control approaches. A leader-follower formation example and basic tasks to be controlled. 34 CHAPTER 3 Stable On-board Sensor Based Formation Control in the Presence of Obstacles 38 3.

Formation control framework for SLSF scheme. Formation control framework for TLSF scheme. Proposed control law. Obstacle Avoidance Algorithm.

Choose new desired position. Stability of obstacle avoidance algorithm. Simulations and Analysis. First simulation: small-scale robot team, merits of TLSF scheme.

Second simulation: big-scale robot team, merits of TLSF scheme. Third simulation – formation switching. Fourth simulation – single obstacle. Fifth simulation – multiple obstacles, schemes switching.

Summary and Possible Extensions. 70 CHAPTER 4 Wavelet-based Methods to Enhance Sonar Measurement 72 4. Direct Cross Correlation (CC). Generalized Cross Correlation (GCC).

Wavelet-based Generalized Cross Correlation. Enhanced Wavelet-based Methods. Improved Wavelet Pre-filter GCC (IWP-GCC). Improved Wavelet-domain Inner Product GCC (IWDIP).

Computational complexity comparison. Application in formation control. Summary and Possible Extensions. 97 CHAPTER 5 Conclusions and Future Research 99 5.

Summary of contributions. Future research directions. 101 Bibliography 103 Appendix A Calculation of ϕkm 115 Appendix B Proof of Lyapunov stability 117 - vii - List of tables Table 3.1 Parameters of the first simulation 55 Table 3.2 Displacement errors of control law [GH08] 61 Table 3.3 Displacement errors of control law (3.4 Parameters of the third simulation 63 Table 3.5 Displacement errors of control law [GH08] in third simulation 65 Table 3.6 Displacement errors of control law (3.14) in third simulation 65 Table 3.7 Parameters of the fourth simulation for 4-robot team 67 Table 3.8 Parameters of the fifth simulation 68 Table 4.1 Computational time using Matlab 91 Table 4.2 Error range of each method when SNR < –40dB 92 Table 4.3 Displacement errors of control law (3.14) at various error levels 95 ∆d Table 4.4 Relation between increment of std dk 0 and increment of ed 96 - viii - List of Figures Figure 1.1 Examples of biological systems exhibiting cooperative behaviors 15 Figure 1.2 Applications of formation control 16 Figure 1.3 Block diagram of a mobile robot 17 Figure 1.4 Outline of the thesis in corresponding with block diagram of the robot 18 Figure 2.1 Formation of UGVs working in a terrain and a field 22 Figure 2.2 Some applications of formation of UAVs and satellites 24 Figure 2.3 Two applications of formation on and under water 25 Figure 2.4 Centralized and decentralized structures 26 Figure 2.5 Motion and formation process of a group of robots with three basic tasks: forming, maintaining, and obstacle avoiding.1 (a) SLSF scheme in diamond formation (b) SLSF scheme in zigzag formation (c) TLSF scheme in diamond formation of a four-robot team.2 SLSF scheme 41 Figure 3.3 TLSF scheme 43 Figure 3.4 TLSF scheme with detailed information 45 Figure 3.5 An example of TLSF scheme in obstacle avoidance with one obstacle 50 Figure 3.6 An example of TLSF scheme in obstacle avoidance with two obstacles 50 - ix - Figure 3.7 TLSF scheme control without obstacle avoidance.8 TLSF scheme control with obstacle avoidance algorithm.9 Choose new desired position for follower robot to avoid obstacle 53 Figure 3.10 Performance of (a) control law [GH08] and (b) control law (3.11 Trajectory seen from leader robot R0 of (a) R1 and (b) R2.12 Relative distance over time between (a) R1 and R0 and (b) R2 and R0.13 Relative bearing angle over time between (a) R1 and R0, and (b) R2 and R0.14 Performance of a team of 5 robots using (a) the control law [GH08] and (b) the control law (3.14) in the TLSF scheme.15 Performance of a team of 3 robots in switching from a triangular formation to a line formation using (a) control law [GH08] and (b) control law (3.16 Robot team avoids a single obstacle when switching from formation ΩC to ΩD 66 Figure 3.17 Robot team avoids a single obstacle in maintaining formation ΩE.18 Robot team avoids obstacles without changing role of local leaders (formation ΩF).19 Robot team avoids obstacles with changing roles (formation ΩF before the first obstacle and formation ΩG after the first obstacle).1 Direct cross correlator configuration 75 Figure 4.2 A generalized cross correlator configuration [AH84] 76 -x- Figure 4.3 Wavelet Pre-filter GCC configuration 77 Figure 4.4 Wavelet-domain inner product GCC (WDIP) configuration 78 Figure 4.5 Denoise and recognition comparison.6 Original WP-GCC process 80 Figure 4.7 Improved WP-GCC process (a) Delay prediction in the wavelet domain (b) Calculate the delay by the cross correlation in the time domain 82 Figure 4.8 Improved WDIP process (a) Delay time calculation (b) Optimal cross correlation 84 Figure 4.9 Block diagram of the simulation process 87 Figure 4.10 The transmitted signal 88 Figure 4.11 The received signal at SNR = –10 dB 89 Figure 4.12 The delay error rate versus the SNR 90 Figure 4.13 Trajectories of 5 robots when ed = 42% 92 Figure 4.14 Trajectory of robot R2 when no error, ed = 30% and ed = 42% 93 Figure 4.15 Trajectory of robot R3 when no error, ed = 30% and ed = 42% 93 Figure 4.16 Trajectory of robot R2 in R0 coordinate when no error, ed = 30% and ed = 42% 94 Figure 4.17 Trajectory of robot R3 in R0 coordinate when no error, ed = 30% and ed = 42% 94 - xi - List of Abbreviations CC Cross Correlation DSP Digital Signal Processing DWT Discrete Wavelet Transform EERUF Error Eliminating Rapid Ultra-sonic Firing FFT Fast Fourier transform GCC Generalized Cross Correlation IWDIP Improved Wavelet-Domain Inner Product GCC IWP-GCC Improved Wavelet Pre-filter GCC PHAT Phase Transform SCOT Smoothed Coherent Transform SLSF Single Leader – Single Follower SNR Signal-to-Noise Ratio Sym8 Symplet whose vanishing moment is 8 TLSF Two Leaders – Single Follower UAV Unmanned Air Vehicle UGV Unmanned Ground Vehicle UUV Unmanned Underwater Vehicle WDIP Wavelet-Domain Inner Product GCC WP-GCC Wavelet Pre-filter GCC - xii - Abstract This thesis addresses three problems of leader-following formation control for multiple non-holonomic mobile robot system: stable control using only on-board sensors, obstacles avoidance, and noise’s effect reduction. Specifically, via kinematic analysis, we estimate the leaders’ translational and angular accelerations to build a stable controller whose inputs are only distance and angle information acquired from on-board sensors (do not need to measure velocities of leader robot).

In addition, the controller is common for both single leader – single follower (SLSF) and two leaders – single follower (TLSF) schemes in order to have an ability of flexible switching between those schemes. Taking full advantage of this ability, we also extend the function of the controller by an obstacle avoidance algorithm to help the formation overcome harassment of static obstacles in the environment. Moreover, because of high error from distance measurement by using ultrasonic sensor, the stability property is not enough for disturbance rejection. Therefore, we present two enhanced wavelet-based method as a supplement to ability of reducing effect of noise.

Although, the controller is such multi-functional and effective, it is still simple for quick processing, so that the time delay is kept small. Theoretical and simulation analysis show that all the functions of the controller work very well and rapidly.