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。     

基于个性演化的多机器人自组织

多机器人系统协调是一个影响系统效率的重要问题.传统的基于规划和学习的方法,因为都需要自上而下的设计或督导信息,在复杂环境下的适应能力有限.自组织是一种非常有效的自下而上的设计思路,但具体实现的系统很少.本文引入了单个机器人"个性"的概念,设计了代表个性的价值函数和个性演变的方式,通过机器人个性不同来影响机器人的决策,从而实现了多机器人系统的自组织协调.仿真说明了这一思想的有效性.     

一种基于平衡原则的多机器人自组织任务分配方法

针对多机器人控制系统难以精确建模、性能指标最优化难等问题,借鉴自然界事物平衡的思想,提出基于平衡原则的决策控制方法,并结合该方法设计一种机器人任务选择策略调整算法.该算法帮助多机器人系统较好地实现任务自组织分配,使系统取得良好的运行效果.     

基于松散偏好规则的群体机器人系统自组织协作围捕

针对群体机器人协作围捕,提出了一种基于松散偏好规则的自组织方法.首 先给出了个体机器人的自由运动模型和围捕行为的数学描述.通过对围捕行为的分解,构造松散偏好 规则来使个体机器人在自组织运动过程中相互协调最终形成理想的围捕队形.在此基础上,设计了个体自组织运动控制器.最后运用Lyapunov稳定性定理证明系统的稳定性.仿真和实验结果表 明,本文给出的自组织方法对于群体机器人协作围捕是行之有效的.     

基于结构自适应的多机器人协作机制研究

未知环境下的多机器人合作是一个复杂的控制问题.它的解决方案要求在机器人内部任务目标与机器人之间的任务目标间保证有适当的均衡,而机器人间的协作是多机器人系统高效工作的关键.证明了一种分布式的结构自适应的组织模型在MAS中是鲁棒的和高效的.基于自组织的原则,在执行任务时机器人可以通过任务分配实时改变组织结构.各机器人之间通过任务分配的关系记录来确定下一步的关系.实验证明:此方法能接近到集中式控制方法的上界,优于静态的和随机的任务分配方法.     

神经网仿真模型及应用

神经网是一个非线性动力学系统,具有自适应、自组织、自学习能力.本文介绍了利用多层神经网构造非线性系统仿真器的方法,并通过一些应用实例的介绍,说明神经网系统在实时控制和机器人系统等方面有广泛的应用前景.     

基于足球机器人个性的自组织路径规划研究

路径规划技术是足球机器人技术研究中的一个重要领域。本文针对足球机器人个性的自组织路径规划研究,模仿生物系统对多机器人系统提出了个性的概念,并且提出了多机器人系统个性演化的方式和数学表达。最后运用这种控制方式进行了仿真实验,验证了这种控制方式确实具有自组织的能力。     

两轮自平衡机器人速度跟踪研究

两轮自平衡机器人系统是一个高阶次,不稳定,非线性,多变量,强耦合的系统.系统采用Lagrange方程进行动力学建模,将神经网络自组织算法应用于此模型,并对两轮机器人的平衡和速度进行控制,其难点是对车体速度和车轮速度的控制.本文采用神经网络自组织算法,使输出准确地跟踪输入,使机器人按照指定的移动速度和转动速度运动.将该算法与OBS算法相比较,仿真实验结果表明,自组织算法使系统的跟踪速度更快,具有较高的实用价值.     

一种基于双令牌的多机器人协作策略研究

规划协作和自组织协作是两种比较常见的多机器人协作方式，前者规划精度高，但设计复杂，且系统鲁棒性不强，后者灵活性很强，但由于单个机器人自主性很强，因此，协作存在一定盲目性。该文为此提出了一个基于双令牌的多机器人自组织协作模型。模型中采用了具有两级策略评价标准的多机器人策略调整机制，通过双令牌来协调机器人之间的策略调整行为。设计了一个基于本文自组织模型的多机器人控制系统，进行了仿真实验验证。     

群机器人研究综述

从计算机科学的角度对群机器人进行综述,概括其历史背景和目前的研究工作,回顾和展望其应用领域.群机器人是受社会性昆虫群体行为启发产生的新方法,通过建立经济、鲁棒、柔性和规模可伸缩的多机器人系统,协调控制相对简单的个体机器人合作完成规定的复杂任务.围绕群机器人的定义、与其他多机器人系统的区分准则及系统级功能特征,讨论群机器人研究中的主要问题:个体交互、通信、协作控制和自组织、自组装等,明确其研究概貌.     

自重构机器人的自组织变形

本文深入研究了自重构机器人实现自组织变形的基本方法．首先根据自重构机器人 系统结构的基本特征提出一种描述模型，可以对各类模块化自重构机器人的拓扑结构进行统 一描述．然后提出一种建立在全离散的局部智能基础上的自重构机器人的自组织变形策略， 通过建立适当的模块运动规则和规则进化使机器人由局部自主运动产生全局系统自组织的结 果．     

神经模糊系统中模糊规则的优选

提出一种基于两级聚类算法的自组织神经模糊系统，该系统采用两级聚类算法（改进的最近邻域聚类算法和Gustafson-Kessel模糊聚类算法）对输入／输出数据进行模糊聚类，并由模糊聚类的划分熵确定最优划分，建立模糊模型，模型精度可由梯度下降法进一步提高。仿真结果表明，这种神经模糊系统具有结构简单、规则数少、学习速度快以及建模精度高等特点。     

CO_2弧焊机器人电弧电压及焊接电流的智能控制

研制了一种以可编程控制器为核心器件 ,通过软件方式实现 CO2 弧焊机器人电弧电压及焊接电流合理匹配的智能控制系统 .系统通过具有修正因子自寻优功能的自组织模糊控制器维持所选定的焊接电流不变 .同时 ,系统针对 CO2 焊的短路、半短路和细颗粒过渡焊的电弧电压采取不同的自寻优目标和寻优方式进行寻优 .寻优后的电弧电压与焊接电流形成合理匹配 ,达到了稳定熔滴过渡过程 ,减少飞溅 ,改善成形的目的     

Solving function distribution and behavior design problem for cooperative object handling by multiple mobile robots

This paper addresses the function distribution and behavior design problem for a multirobot system which incorporates a behavior-based dynamic cooperation strategy for object handling. The proposed multiple robot system is composed of a managing robot and homogeneous behavior-based robots. The cooperation strategy in this system is realized in two steps: designing the distributed robot's cooperative behavioral attributes according to the robot's abilities, and organizing these behavioral attributes so that team cooperation is realized. For indicating an incremental style of local behavior construction, an advanced design of cooperative behavior for coping with unknown disturbance is addressed. Additionally, two extended cooperation strategies designed for a path tracking task are described. These three strategies are based on the same concept on performing manipulation in coordination. Therefore, by considering the function distribution among the managing robot and worker robots, and considering behavior design of each worker robot, the proposed system is able to achieve the object handling task with different performances according to the task requirement, such as with or without path tracking and with or without contact with the environment. Experimental results demonstrate the applicability of the proposed system.     

基于Adaboost与SOFMN的人脸识别

介绍了一种基于自组织特征映射网络的人脸识别方法，使用Adaboost算法定位人脸，采用自组织特征映射网络分类器．优选网络初始权向量对人脸图像进行识别。     

Quasi-Omnidirectional Fuzzy Control of a Climbing Robot for Inspection Tasks

This work presents a novel method to quasi-omnidirectional control of an intelligent inspection robot designed to work inside and outside spherical storage tanks. The main objective is to promote a stable and smooth navigation during inspection tasks, ensuring the safety motion under adhesion and kinematic constraints. The robot is designed with four independent steerable magnetic wheels and a mechanical topology that allows the correct adjustment of adhesion system. A scheduled Fuzzy control is developed to achieve an optimal behavior and maximize the robot’s maneuverability, considering the magnetic restrictions of adhesion system and kinematic constraints of the inspection robot. The high adaptability of its mechanical topology (i.e., wheel misalignment, magnetic adhesion system, wheel camber and flexibilities in mechanical structure) and gravitational disturbance introduce many nonlinear characteristics in dynamic behavior that cannot be neglected, making the determination of its dynamic model a complex task. The Fuzzy approach allows to project a control system without a depth knowledge of its dynamic properties, to minimize the dynamic disturbances found in robot structure. Thus, the proposed motion control works according to the robot specific characteristics to ensure the quasi-omnidirectional motion over a reliable adhesion to tank surface and to minimize the effects of wheels kinematic constraints.     

四足步行机器人模糊规则优化算法

针对四足步行机器人等多变量系统模糊规则数目过多的问题，提出了一种基于神经网络中Ｋｏｈｏｎｅｎ自组织映射的优化算法．从大量原始模糊规则中迭代辨识出模糊关系，并利用Ｋｏｈｏｎｅｎ网络对其进行聚类变换，最后得到优化了的模糊规则．仿真结果证明了该方法的有效性     

Design and experiments on a free-floating planar robot for optimal chase and capture operations in space

This paper describes an autonomous free-floating robot system that was designed to investigate the behavior of free-floating robots that are involved in the capture of satellites in space. The robot is used as a test bed for algorithms that have been developed for efficient and autonomous capture of objects in space. The robot is a completely autonomous system running under a real-time operating system. It is equipped with two three-degree-of-freedom arms, a three-axis thruster system and a fast communications module. The robot works in conjunction with a host computer. The host computer is used to process the capture algorithms and the robot implements the results in real time. The entire system provides a test bed for algorithms developed for optimal capture of objects in space.     

Sensor Fault Tolerance Method by Using a Bayesian Network for Robot Behavior

This paper presents FTBN, a new framework that performs learning autonomous mobile robot behavior and fault tolerance simultaneously. For learning behavior in the presence of a robot sensor fault this framework uses a Bayesian network. In the proposed framework, sensor data are used to detect a faulty sensor. Fault isolation is accomplished by changing the Bayesian network structure using interpreted evidence from robot sensors. Experiments including both simulation and a real robot are performed for door-crossing behavior using prior knowledge and sensor data at several maps. This paper explains the learning behavior, optimal tracking, exprimental setup and structure of the proposed framework. The robot uses laser and sonar sensors for door-crossing behavior, such that each sensor can be corrupted during the behavior. Experimental results show FTBN leads to robust behavior in the presence of a sensor fault as well as performing better compared to the conventional Bayesian method.     

改进蚁群算法在迷宫路径寻优中的应用研究

针对机器人在障碍环境下寻找最优路径的问题,提出了一种动态环境下的机器人路径规划的仿生算法.该算法采用栅格法对场地建模,并模拟蚂蚁的觅食行为,由多只蚂蚁协作完成最优路径的搜索.搜索过程采用了概率搜索策略和自适应调整信息素的方法,使得搜索策略更有效.仿真实验结果表明,在场地复杂的情况下,该算法可以有效地规划出最优路径.