群體機(jī)器人的運(yùn)動(dòng)行為基礎(chǔ)研究.pdf

1、由于群體機(jī)器人可以依靠規(guī)模效應(yīng)產(chǎn)生的群體智能來完成單一機(jī)器人和多機(jī)器人無法完成的復(fù)雜任務(wù)，因此有關(guān)群體機(jī)器人的行為研究日益得到重視。針對(duì)如何形成群體機(jī)器人以及如何實(shí)現(xiàn)其隊(duì)形變換和行走等技術(shù)內(nèi)容，本文進(jìn)行了相關(guān)研究。 首先，本文研究了群體機(jī)器人的協(xié)調(diào)機(jī)制。作為分布式系統(tǒng)，群體機(jī)器人中的機(jī)器人個(gè)體很難通過直接信息交流方式進(jìn)行彼此間的協(xié)調(diào)控制。為此，本文采用了一種基于環(huán)境的間接信息交流方式?；谠撔畔⒔涣鞣绞?，本文分析了目前已有的一種

2、群體機(jī)器人的協(xié)調(diào)機(jī)制。通過分析該機(jī)制所采用的群體中機(jī)器人個(gè)體環(huán)境模型和相應(yīng)的運(yùn)動(dòng)模型，發(fā)現(xiàn)其存在不合理的全局性假設(shè)以及沒有考慮機(jī)器人個(gè)體最大運(yùn)動(dòng)能力等缺陷。最終，通過對(duì)這些缺陷進(jìn)行修正，本文提出了一個(gè)通用的群體機(jī)器人中機(jī)器人個(gè)體環(huán)境模型和相應(yīng)的運(yùn)動(dòng)模型。 其次，本文研究了群體機(jī)器人的自主聚集。通過分析已有的全局群體機(jī)器人自主聚集算法，證實(shí)只要適當(dāng)?shù)卦O(shè)置好群體中機(jī)器人個(gè)體所采用的吸引/排斥環(huán)境模型和相應(yīng)的運(yùn)動(dòng)模型，該群體機(jī)器人就能

3、夠自主地進(jìn)行聚集并擁有良好的聚集性能。但對(duì)于局部群體機(jī)器人，本文通過研究證明簡(jiǎn)單的采用用于全局群體機(jī)器人的自主聚集算法將無法實(shí)現(xiàn)該群體機(jī)器人的聚集。通過分析產(chǎn)生這一問題的原因，本文提出了實(shí)現(xiàn)局部群體機(jī)器人自主聚集的算法設(shè)計(jì)原則?；谠撛瓌t，本文提出了兩個(gè)實(shí)現(xiàn)局部群體機(jī)器人的自主聚集算法。通過理論分析和實(shí)驗(yàn)仿真，證明這些算法是有效的。相比較而言，采用第二個(gè)算法的局部群體機(jī)器人有著更好的自主聚集效果。 然后，本文研究了群體機(jī)器人的被

4、動(dòng)聚集。當(dāng)惡劣的應(yīng)用環(huán)境致使群體機(jī)器人無法實(shí)現(xiàn)自主聚集時(shí)，須通過技術(shù)手段使群體機(jī)器人進(jìn)行被動(dòng)聚集。本文首先提出了用于群體機(jī)器人被動(dòng)聚集的新的群體中機(jī)器人個(gè)體吸引/排斥環(huán)境模型和相應(yīng)的運(yùn)動(dòng)模型。隨后，提出了用于群體機(jī)器人實(shí)現(xiàn)被動(dòng)聚集的引導(dǎo)法和聚集區(qū)域限定法。通過理論分析和實(shí)驗(yàn)仿真，證明這些算法是有效的。相比較而言，聚集區(qū)域限定法更易于實(shí)際應(yīng)用、聚集效果更好。 接下來，本文研究了群體機(jī)器人的隊(duì)形變換。隊(duì)形變換是群體機(jī)器人擁有良好環(huán)境

5、適應(yīng)能力的一個(gè)體現(xiàn)。參考多機(jī)器人所采用的隊(duì)形變換實(shí)現(xiàn)方法，依據(jù)群體機(jī)器人特有的協(xié)調(diào)機(jī)制，本文對(duì)群體機(jī)器人的隊(duì)形變換實(shí)現(xiàn)方法進(jìn)行了研究。針對(duì)全局群體機(jī)器人，本文提出了中心參考法和囚籠法。通過理論分析和實(shí)驗(yàn)仿真，證明這些算法是有效的。相比較而言，囚籠法可以更好地實(shí)現(xiàn)該群體機(jī)器人的隊(duì)形變換。針對(duì)局部群體機(jī)器人，本文提出了基于環(huán)境的被動(dòng)變形法。通過理論分析和實(shí)驗(yàn)仿真，證明該算法可以依據(jù)環(huán)境變化實(shí)現(xiàn)該群體機(jī)器人任意形狀的隊(duì)形變換。 最后，