⛄一、简介
⛄二、部分源代码
close all;
fol_num=4;
N=5; % 4follower and 1 leader
countmax=2000;
dt=0.1;
gama=0.65;%机器人之间的影响因子，过大容易造成过冲而抖动
beta=13;%障碍物影响因子
K0=1;
KN=0.2;
goal=[25 25];
m_count = 0;
is_arrive = 0;
% x最高速度m/s],y最高旋转速度[rad/s],x最高加速度[m/ss],y最高加速度[rad/ss]]
Kinematic=[0.7;0.7;0.4;0.4];
attmse(:,1) = [0;0;0;0;0;0];
error_distance = [0;0;0;0];
color=‘ybgcrkr’; %%%定义颜色标记
type=[2,1,0.5,0.5,2,2];%%%定义线的类型
start_time = clock;
%% 1-4行为follower 最后一行为leader
% A=[0 1 1 1 1; % a(ij)
% 0 0 0 0 1;
% 0 0 0 1 1;
% 0 0 1 0 1;
% 0 0 0 0 0];
A=[0 0 0 0 1; % a(ij)%%只考虑前面机器人的影响
1 0 0 0 1;
0 0 0 0 1;
0 0 1 0 1;
0 0 0 0 0];
%% 初始化 位置pose、速度V、加速度控制量control
% init_f=[-4.5 -1.5 0;%%%[x y th]
% -6 -1.5 pi/4;
% -4.5 -4.5 -pi/4;
% -6 -4.5 pi/2;
% -3 -3 0];
init_f=[-1.5 0 pi/4;%%%[x y th] %%队形切换 启动
-3 0 pi/4;
0 -1.5 pi/4;
0 -3 pi/4;
0 0 pi/4];
pose_x=init_f(:,1);
pose_y=init_f(:,2);
pose_th=init_f(:,3);
% ob_temp=[-10 1.2;
% -10 2;
% -10 12];
%%障碍物坐标[x y]
ob_temp=[5 4; 5 8;8 5;];
% ob_temp=ob_temp’;
%% follower相对leader的位置
% delta_x=[-1.5 -3 -1.5 -3 0]; % 相对间隔误差
% delta_y=[1.5 1.5 -1.5 -1.5 0]; %领航者与自己无误差
delta_x=[-1.5 -3 0 0 0]; % 相对间隔误差
delta_y=[0 0 -1.5 -3 0]; %领航者与自己无误差
V_x(:,1)=[0;0;0;0;0];
V_y(:,1)=[0;0;0;0;0]; %%%leader在y方向的初始速度为1m/s
k=0;
d_max=2;
detect_R=1;
ideal_posex=init_f(:,1);
ideal_posey=init_f(:,2);
%% 开始循环 走顺时针圆周
for count=1:countmax
if count == 415 %队形切换
delta_x=[-1 -3 -2 -4 0]; % 相对间隔误差
delta_y=[-1 -3 -2 -4 0]; %领航者与自己无误差
end
if count == 620 %队形切换
delta_x=[-1.5 -3 0 0 0]; % 相对间隔误差
delta_y=[0 0 -1.5 -3 0]; %领航者与自己无误差
end
⛄三、运行结果
⛄四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]占家豪.改进哈里斯鹰优化算法在路径寻优中的应用[J].杭州电子科技大学
3 备注
简介此部分摘自互联网，仅供参考，若侵权，联系删除