基于滚动优化和分散捕食者猎物模型的全覆盖路径规划算法

针对多机器人执行全覆盖任务效果差的问题,提出一种基于滚动优化和分散捕食者猎物模型的多机器人全覆盖路径规划算法.首先,利用栅格地图表示作业的环境空间,并基于栅格地图修正捕食者猎物算法中的避开捕食者奖励,添加移动代价奖励和死区回溯机制构建分散捕食者猎物模型;然后,引入滚动优化方法,避免机器人陷入局部最优,预测周期内机器人覆盖栅格的累计奖励值作为适应度函数,并使用鲸鱼优化算法(WOA)求解最优移动序列;最后,在不同环境下进行仿真实验,得到的平均路径长度与生物激励神经网络算法(BINN)和牛耕式A*算法(BA*)相比分别减少了16.69%sim17.33%、10.32%sim20.03%,验证了所提出算法在多机器人全覆盖路径规划中的可行性和有效性.     

具有速度、加速度约束的机器人编队避障控制

针对轮式移动机器人的编队避障问题, 提出了一种改进的控制算法, 能够有效实现避免碰撞和规避障碍. 首先, 建立多机器人不同控制增益的全员“航标”引导的非线性循环追踪控制编队, 当编队过程某成员监测执行功 能失效(但仍能运行)时, 可对非失效机器人进行系统降级重组, 并继续执行任务且避免机器人之间发生碰撞; 再通 过引入速度和加速度约束, 以满足轮式移动机器人控制接口及保护电机的需要, 从而保证控制算法的稳定与收敛; 最后, 通过引入惩罚因子对该控制算法进行改进, 使编队成功规避障碍物并进行最短路径规划. 结果表明, 改进的 控制算法增加了多机器人编队的鲁棒性、提高了抗干扰能力及编队恢复执行任务的可靠性, 更有效地实现了编队 避障控制.     

基于协作协进化的多智能体机器人协作研究

协作问题一直是自主多智能体机器人系统研究的关键问题之一。基于多智能体机器人系统的CCP协作协议所生成的各智能体机器人的任务序列依赖于目标的初始顺序,因此难以得到最优解。文章提出了利用协作协进化来实现多智能体机器人之间协作的一种机制。该方法采用基于协作种群的技术来生成多智能体机器人任务执行序列,在给定的任务分解产生的所有可能解中寻找最优解,并通过交换局部知识和并行决策等手段来优化系统的性能。利用该机制,对3个智能体协作搬运8个物体进行计算机模拟,结果表明,该机制在优化任务执行序列方面作用明显,从而能有效提高多智能体机器人系统的性能。     

基于群智能-一致性理论的无人机编队全过程飞行航迹规划方法

针对无人机编队执行任务全过程飞行规划问题,提出一种基于多步粒子群优化的无人机编队航迹规划算法.首先,对无人机和执行任务策略进行建模,将编队执行任务全过程划分为编队成形、执行任务、返航、解散和无人机降落5个阶段,设计不同阶段的飞行策略;其次,针对不同的终端约束条件,设计多类多层优化指标,提出多步粒子群算法,并引入模型预测控制滚动优化航路点,得到适用于不同阶段的能严格满足约束条件的航路规划方法;然后,建立旋转坐标系,将航路点信息转换为编队控制律中的理想航向和高度信息,得到能通过航路点的编队控制算法;最后,利用编队控制算法去执行航路规划方法给出的航路点,生成航迹,得到编队航迹规划算法.仿真结果表明,所提规划方法比传统方法更适用于编队飞行,能为编队规划执行任务全过程的平滑航迹,具有良好的通用性.     

基于生物启发神经网络和DMPC的多机器人协同搜索算法

针对多机器人在未知区域的覆盖搜索问题,提出一种基于生物启发神经网络和分布式模型预测控制(DMPC)的多机器人协同搜索算法.利用栅格地图表示未知区域,基于栅格地图建立生物启发神经网络来表示动态搜索环境,生物启发神经网络中未搜索栅格的神经元活性值大于已搜索栅格和障碍物栅格.在此基础上,为了平衡机器人覆盖搜索过程中的短期收益和长期收益,避免后期陷入局部最优,引入DMPC作为决策方法.选择预测周期内机器人所覆盖栅格的神经元活性值增量作为主要激励函数,引导机器人向未覆盖区域搜索,并采用差分进化算法(DE)进行优化求解,得到最优解.最后通过设计仿真实验验证了所提出方法的有效性和优越性.     

异构多机器人协作系统研究进展

异构多机器人系统可以发挥单一结构机器人在某个领域的优点而达到整体的最优配置,机器人的功能和接口协议对协作系统影响很大.IGRS协议是我国在信息设备协作领域中惟一的国际标准,为异构多机器人协作提供了有效的支持.对国内外相关研究进行系统地归纳和总结,找出需要解决的问题,并在课题组研制的多种机器人平台上,从3个方面阐述了基于IGRS协议的异构多机器人协作系统:异构机器人的定位、通信以及感知方案;异构机器人协商策略和分组方案;机器人的功能分类和规划,提出了细粒度可控的任务委托分配方案.     

基于资源拍卖的农业多机器人任务分配

针对农田环境中多机器人协同作业的问题,提出一种基于资源的任务分配算法,用于在具有机器人资源的再填充站的长期任务中高效地执行多个任务.针对多机器人任务分配问题,对多机器人任务进行建模,并分析任务相关模型及任务能量指标.在进行拍卖算法任务分配时,在考虑机器人数目约束、工作时间约束、距离约束的基础上,加入任务执行能力的约束,考虑机器人在长期任务执行期间资源量消耗问题,使各个农机有序地为农田地块服务,降低整个系统的执行代价,提高任务完成量.利用MATLAB平台进行仿真实验,生成多机器人多任务点的分配优化结果,并设置多组不同数量的机器人,对比该算法同其他三种算法的效果.仿真结果表明,该算法可以有效地提高作业效率,在相同条件下使资源消耗量及任务完成量达到最优,证明了其优越性,同时计算结果与实际作业完成量更接近,提高了结果的精准性.     

多移动机器人区域分割优化覆盖算法研究

针对多机器人协作的全覆盖路径规划优化问题,提出了一种区域分割优化覆盖算法,完成多机器人对未知区域的快速、高效的覆盖任务.在移动机器人全覆盖路径规划研究中,将机器人的能量、速度、任务完成时间等作为限制条件,对所需机器人的数目、机器人分成的组数及机器人工作的起始位置进行规划,以实现利用最少数目的机器人完成给定区域的优化分割和覆盖.对比仿真实验,结果表明本方法在给定机器人数量的情况下,完成了最大区域的覆盖.该方法可以有效完成多机器人对未知区域的快速高效的搜索覆盖任务.     

双摇臂履带式矿山机器人结构优化设计

针对双摇臂履带式矿山机器人结构设计中的多目标优化问题,提出了基于GA-PSO算法的双摇臂履带式矿山机器人结构优化设计方案。通过机器人越障过程的几何学和运动学分析,得出机器人越障最大高度和质心位置变换的影响因素;根据矿山机器人工作要求建立约束条件,得到多目标优化函数,通过引入权重系数,将多目标优化问题转换为单目标优化问题;利用GA-PSO算法对单目标优化问题进行求解,得到机器人最优结构参数:车体质量为10kg,摇臂质量为5kg,前后轮距离为600 mm,驱动轮半径为115mm。仿真结果表明,采用该结构参数设计的机器人完成目标动作所需的能耗低于其他设计方案,更加易于实现目标动作。     

无线传感执行网络的协调机制研究*

主要研究了无线传感执行网络中执行节点之间的协调,提出了基于单执行节点任务的分布式协调机制。在多执行节点协调算法中,建立了多执行节点协调的数学模型,引入基于进化算法的多目标优化,提高了系统的最优性能。     

基于蚁群算法的多机器人协作策略

蚁群算法是一种通过对蚂蚁社会长期观察得来的优化算法．它建立在蚁群的一种叫“外激励”的联系方式上，对解决一些分布式控制问题和复杂的优化问题十分有效．将“外激励”这一概念引入多机器人系统中，设计了一种基于蚁群算法的多机器人协作策略．这一策略可以解决多机器人系统在未知环境工作时所面临的一项艰巨的任务：自主协作规划．定义了多机器人系统在未知环境中可能存在的一个问题：任务死锁；将衰减因子引入协作算法，以防止任务死锁的发生；通过仿真验证了算法的性能．     

自重构机器人系统中任务规划策略研究

在自重构多机器人系统中，机器人控制需要解决的关键问题是系统的任务规划和多机器人的协调控制。其中，任务规划是高层的组织与决策机制问题，指如何组织多个机器人共同完成任务，实现机器人系统资源的优化配置。本文通过建立一种多机器人系统的模型，结合集中规划的决策方法，实现自重构机器人系统任务规划的优化问题。仿真结果表明，该方法是可行的。     

基于队形向量的机器人部队队形控制

多智能体协作完成特定任务是多智能体领域的一个基本问题 .本文结合多智能体理论和基于队形向量的队形控制算法 ,提出了一种改进的基于队形向量的控制机器人部队形成任意形状的队形的分布式队形控制算法 DFC.仿真的实验结果证明 ,该算法比现有算法功能完备 ,控制简单     

基于参数化最优的仿人机器人倒地运动控制

针对仿人机器人的倒地运动控制,用经典的参数化优化方法求得最优控制函数的一个近似解．然后, 利用参数化控制及强化技术,基于几个分段的常数去逼近最优解,再将最优控制问题转化为一系列参数优化问题． 利用该方法提出了仿人机器人倒地优化控制算法,并与遗传算法进行了比较．最后,通过仿真对算法进行了验证．     

基于行为的多机器人任意队形的控制

针对多机器人队形优化控制任务,提出一种快速收敛的机器人任意队形的控制算法。各机器人在奔向目标的过程中以队形的几何中心为参考点,自主地确定队形向量。在保持队形的过程中,采用动态死区法,通过对各个区域大小的控制达到对机器人速度的控制,维持规定队形。采用反向避碰、切线避障,根据各机器人间的位置,引入整体队形向量约束机器人的方向,达到机器人整体队形的方向与机器人运动方向一致。实验结果表明该算法可以快速、有效地完成各种编队任务。     

非线性离散系统的信息融合最优预见控制

将信息融合思想引入非线性离散系统的预见控制,提出了信息融合最优预见控制,将对控制系统的所有性能要求和系统动力学转化为可融合信息;然后从信息融合估计的角度,使原问题转化为求控制量的"融合估计"问题.推导了基于卡尔曼滤波器的最优预见控制算法,讨论了预见步数的选取问题,并通过对机械手的转移控制仿真研究说明了信息融合最优预见控制算法的有效性.     

基于陆标动态配置的移动机器人主动探索

针对无预置陆标的环境, 研究移动机器人动态在线配置陆标问题及基于此的主动探索. 首先, 提出陆标动态在线配置准则, 并分析陆标配置对机器人定位与建图的影响; 然后基于扩展的卡尔曼滤波器, 将机器人的主动探索转化为多目标最优控制问题, 优化目标包含3个部分, 分别对应定位与建图的准确性、机器人预期探索的新区域大小和陆标配置对定位与建图的影响, 机器人选取最优化目标函数的控制输入以实现准确的定位、建图和对环境的充分探索; 最后对陆标进行有效的增补和去冗余. 仿真结果表明该方法的有效性.     

城市过饱和路网的偏好多目标相容优化控制

针对城市过饱和路网的交通信号控制问题,提出将总延误分为主线路段延误和次线路段延误的划分方法,将控制问题描述为冲突的多目标控制。针对冲突多目标控制问题中最优解不唯一,而传统优化方法中一次运行只能得到一个最优解的问题,提出了一种基于偏好的相容优化控制算法：利用偏好信息动态指引寻优的方向,在偏好区域内获得更多有价值的解;提出基于偏好的目标选择函数,保证控制解在偏好区域内的稳定性。在仿真环境中对一个11个交叉口的城市过饱和路网进行实时控制,结果表明,提出的偏好相容控制算法的效果优于定时控制方案。     

清洁机器人的云计算控制方法设计

为了达到更有效率的全域覆盖路径规划,研究一种基于云计算的多机器人控制方法应用于垃圾搜集任务;先由服务器端口处理收集任务相关资讯并计算路径,使用类神经网络ANN来产生每台机器人的路径;采用多机器人同时进行巡航,以节省全域路径规划的时间,在机器人的控制与协调方面则采用云计算的概念,用以指挥机器人巡航的任务;模拟实验测试了1~4台机器人在一个无障碍区域的任务规划,机器人每一步伐以4个方格为单位,IPSO导航时则视情况以1~7个方格为单位;实验发现每增加一台机器人所需的单位移动时间,将会以接近1/N(N为机器人数量)的方式缩短;将实际效能与期望效能做比较结果也如此;证明适当数量的多机器人的执行效率优于单机器人。     

一种正交混沌蚁群算法在群机器人任务规划中的应用研究

针对群机器人协作任务规划问题,提出一种正交混沌蚁群算法(OCACA)对其进行求解.该算法的思想是首先采用正交法对任务目标进行聚类,然后利用混沌技术对蚁群初始解进行优化,改进初始个体质量,并用混沌扰动策略避免搜索进入局部最优,最终获得了总代价最优解.该算法将正交混沌蚁群算法首次应用于群机器人的任务规划中,成功解决了中大规模任务规划问题.仿真实验结果表明:正交混沌蚁群算法能提高多机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.