基于群智能算法的多機器人編隊技術(shù)研究.pdf

1、隨著機器人技術(shù)的發(fā)展，對機器人能力的要求也越來越高。目前，有關(guān)多機器人的研究日益得到重視，由于多機器人通過個體之間的協(xié)作可以完成個體機器人無法完成的任務。在許多應用中，系統(tǒng)要求多機器人組成并保持設(shè)定的隊形以完成復雜的任務。本文以多機器人編隊為課題，研究了多種環(huán)境下的形成隊形及隊形控制問題。論文主要工作如下:
　　 第一，針對已知靜態(tài)環(huán)境下的隊形控制任務，提出了基于廣義蟻群算法(GACO)的多機器人編隊全局路徑規(guī)劃算法。為躲避靜態(tài)

2、障礙物，設(shè)計了柵格關(guān)聯(lián)矩陣，減少了計算量;為了快速地選擇出多機器人的全局最優(yōu)路徑，提出了隊形誤差與路徑長度加權(quán)平均構(gòu)成的代價函數(shù)。在此基礎(chǔ)上，考慮了存在未知動態(tài)障礙物環(huán)境下的保持隊形問題。為躲避動態(tài)障礙物，首先對多機器人與動態(tài)障礙物的運動軌跡進行碰撞預測，然后根據(jù)避障策略進行局部規(guī)劃。仿真結(jié)果表明，該算法具有較強的路徑規(guī)劃能力。
　　 第二，為完成未知靜態(tài)環(huán)境下的形成隊形任務，提出了基于粒子群算法(PSO)的多機器人形成隊形滾動

3、優(yōu)化算法。為適應未知環(huán)境，該算法根據(jù)實時測得的局部環(huán)境信息，以滾動方式進行在線規(guī)劃。通過對基于行為法研究與分析，提出了奔向目標、隊形誤差、避碰懲罰、避障懲罰四個子函數(shù)加權(quán)平均構(gòu)成適應度函數(shù)。避障懲罰函數(shù)兼顧安全性與路徑代價要求，解決了避障轉(zhuǎn)角不平滑問題。隊形誤差函數(shù)使保持隊形效果較好，解決了離隊問題。為了實現(xiàn)行為的決策，通過PSO算法優(yōu)化各機器人每步的運動向量。另外，為了防止系統(tǒng)陷入死鎖及減少通訊量，采用混合控制方式執(zhí)行任務。仿真結(jié)果顯

4、示，該算法可快速地形成隊形，具有較好的靈活性及協(xié)調(diào)性。
　　 第三，針對未知動、靜態(tài)環(huán)境下的隊形控制任務，提出了基于PSO的多機器人隊形控制滾動優(yōu)化算法。該算法根據(jù)滾動窗口中的局部環(huán)境信息對子目標的權(quán)值、粒子的飛行方向或編隊形狀進行動態(tài)調(diào)整，實現(xiàn)了多機器人通過隊形保持、隊形變形及隊形變換等策略適應多種未知環(huán)境。采用繞行及調(diào)用避靜態(tài)障礙物懲罰函數(shù)的方法避障，使得機器人具有較強的避障能力。另外，針對躲避未知動態(tài)障礙物問題，首先對該障