一種基于粒子群算法的機器人群體地形探索研究.pdf

1、對未知環(huán)境的地形探索問題是機器人領域的經典問題,對于人類難以到達或環(huán)境過于復雜的應用場景中,例如災難現場探測、緊急情況搜救、軍事信息搜集等等,機器人地圖探索都有著重要的應用價值。目前針對地圖探索問題的研究集中于多機器人系統(tǒng),而多機器人系統(tǒng)的研究重點在于協同策略。傳統(tǒng)的多機器人協同策略采用少量領導節(jié)點承擔群體決策任務的集中式/半分布式控制模式,這類方法適合群體規(guī)模較小的多機器人系統(tǒng)。當群體規(guī)模增大時,領導節(jié)點的計算與通信負擔呈指數增長,難

2、以達到需求。本課題采用群體智能方式解決多機器人系統(tǒng)地形探索的協同策略問題,利用無中心的,非同步的,準同構的、簡單的個體構成多機器人系統(tǒng),相比傳統(tǒng)方法具有更好的可擴展性,動態(tài)適應性和魯棒性,因而更適用于廣闊、惡劣和復雜的非結構化環(huán)境。本課題進行的主要工作如下:首先,引入氣體分子模型解決多機器人協同與探索策略問題,即利用排斥性的虛擬信息素方法實現了機器人群體隊形的擴散與趨向未知地區(qū)的運動。其次,獨創(chuàng)性設計了機器人路標-探索角色轉換機制,即部

3、分機器人轉換為固定的路標節(jié)點,標示已探索區(qū)域并推動群體趨向未知區(qū)域的運動。路標機制解決了氣體分子模型難以解決的重復探索問題,增強了系統(tǒng)的通信保障,提高了探索效率。第三,將上述思路轉換為可編程實現的運動模型,并對該模型的參數選取與針對性配置進行了分析和驗證。最后,基于自主設計的仿真器對算法進行實現,并分別針對30到150內的群體規(guī)模,在空曠、少量障礙與大量障礙的目標區(qū)域內的表現進行了評估。仿真結果證實了算法在提高可擴展性,增強魯棒性以及降