多自治水下机器人多任务分配的自组织算法

针对自治水下机器人（AUV）研究中的多机器人多任务分配问题,提出一种基于自组织映射（SOM）神经网络的多AUV多目标分配策略.将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算,输出为对应的AUV机器人,从而控制一组AUV在不同的地点完成不同的任务,使机器人按照优化的路径规则到达指定的目标位置.为了表明所提出算法的有效性,给出了二维、三维作业环境中的仿真实验结果.     

基于DFS的多Agent动态任务分配算法

针对任务分配算法应用于不确定动态环境时存在的不足,研究具有动态模糊特性的任务环境,借助动态模糊集理论,给出相关的多Agent动态任务分配算法并进行实例测试。测试结果表明,该算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略与良好的任务实现效果。     

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.     

基于博弈论的多机器人系统任务分配算法

对多机器人系统任务分配策略进行了形式化描述,为任务分配方案的求解提供了一种数学描述工具;针对多机器人系统中机器人决策之间的相互依存性,引入博弈论的思想分析了多机器人系统的任务分配问题,提出了一种基于博弈论的多机器人系统任务分配算法(GT-MRTA).实验结果表明,算法复杂度较低,计算量较小,鲁棒性较好,获得的任务分配方案质量较高.     

基于神经网络和遗传算法的机器人动态避障路径规划

文中提出了基于神经网络和遗传算法的动态环境下机器人动态避障路径规划方法,机器人工作空间动态环境信息的神经网络模型,并利用该模型建立机器人动态避障与神经网络输出的关系,然后将需规划路径的二维编码简化成一维编码,并把动态避障要求和最短路径要求融合成一个适应度函数.通过对算法进行实验仿真,结果表明提出的动态路径规划方法是正确和有效的.     

基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

改进自组织映射的多无人机协同任务分配方法

针对现有算法对多无人机（UAV）协同进行多任务分配时存在负载均衡和执行效率方面的不足,提出一种改进的自组织映射（ISOM）算法。该算法根据飞行时间和任务执行时间设计了UAV的负载均衡度,以提升任务完成的效率;还设计了新的非线性变化的学习率和邻域函数保证ISOM算法的稳定性和快速收敛。然后,在不同任务环境对ISOM算法进行了有效性验证。实验结果表明,与结合遗传算法的粒子群优化（GA-PSO）、Gurobi和ORTools算法相比,ISOM算法的任务完成时间可分别减少15.5%、12.7%和7.3%;在TSPLIB数据集的实例KroA100、KroA150、KroA200上进行航迹长度减小的有效性验证时,与杂草优化（IWO）算法、改进的单亲遗传算法（IPGA）和蚁群单亲遗传算法（AC-PGA）的对比结果表明,ISOM算法在无人机数量为2、3、4、5、8时,均获得了最小的航迹长度。由此可见,ISOM算法在解决多UAV协同多任务分配问题时效果显著。     

海流环境下多AUV多目标生物启发任务分配与路径规划算法

针对多障碍物海流环境下多自治水下机器人(AUV)目标任务分配与路径规划问题, 本文在栅格地图构建的基础上给出了一种基于生物启发神经网络(BINN)模型的新型自主任务分配与路径规划算法, 并考虑海流对路径规划的影响. 首先建立BINN模型, 利用此模型表示AUV的工作环境, 神经网络中的每一个神经元与栅格地图中的位置单元一一对应; 接着, 比较每个目标物在BINN地图中所有AUV的活性值, 并选取活性值最大的AUV作为它的获胜AUV, 实现多AUV任务分配; 最后, 考虑常值海流影响, 根据矢量合成算法确定AUV实际的航行方向, 实现AUV路径规划与安全避障. 海流环境下仿真实验结果表明了生物启发模型在多AUV水下任务分配与路径规划中的有效性.     

基于混合遗传蚁群算法的多Agent动态任务分配研究

在多Agent系统中,由于任务的复杂性和Agent之间的异构,Agent的动态任务分配问题实际上是一个NP难优化问题。针对MAS的任务分配问题的动态特性,首先建立任务分配数学模型,建立任务分配优化的目标函数;其次提出了一种混合遗传蚁群算法。利用遗传算法快速迭代和蚁群算法正反馈信息、分布式求解的特点实现任务分配的组合优化。实验仿真的结果分析表明,该算法具备较好的全局收敛效率和求解精度,可明显提升多Agent系统的性能。     

多机器人系统任务分配的研究进展

多机器人系统任务分配是机器人研究领域一个关键的研究课题。从多机器人任务分配分类及问题描述、多机器人任务分配的研究动态等方面对多机器人任务分配进行了综述,并根据近期文献探讨了多机器人系统任务分配需要解决的若干重要问题。     

未知环境下多AUV协同避障方法研究

针对多AUV（autonomous underwater vehicle）系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。     

基于声纳环传感器的机器人避障研究

任何一种移动机器人要实现未知环境自主导航都必须有效而可靠地感知环境信息,而超声波传感器在检测障碍物距离信息方面应用十分广泛。介绍了旅行家II号声纳环传感系统的设计与实现原理,并对声纳的精度进行了测试。在此基础上,提出了移动机器人一种简单避障策略,并运用2种基本避障实验:静态避障和动态避障,验证了该避障策略的正确性和有效性。     

基于相对速度的选择性避障方法的研究

从运动学的角度分析了碰撞的原因,从碰撞问题的根本上着手解决避障问题。利用相对速度和机器人前进方向的夹角对避障区内的障碍物进行筛选,很大程度上避免了不必要的避障动作,增加了机器人接近目标的机会。实践证明了该方法的可用性和有效性。     

基于新人工势场函数的机器人动态避障规划

人工势场法是进行机器人路径规划时常用的方法,但若用圆锥曲线函数作为引力场数学模型时,在目标点会产生抖动问题.本文在分析抖动产生原因的基础上,增加一个指数项到引力场函数中,从而消除了奇异值点,避免了抖动现象.然后将一敏感度参数引入斥力场函数,以便灵活控制运动过程中机器人与障碍物距离的大小.通过对敏感度的调节,还可以克服传统势场法中目标点在斥力作用范围内时,机器人无法到达目标点的缺陷.最后给出新势场法的仿真.     

基于障碍物运动预测的移动机器人路径规划

针对移动机器人局部动态避障路径规划问题开展优化研究。基于动态障碍物当前历史位置轨迹,提出动态障碍物运动趋势预测算法。在移动机器人的动态避障路径规划过程中,考虑障碍物当前的位置,评估动态障碍物的移动轨迹;提出改进的D*Lite路径规划算法,大幅提升机器人动态避障算法的效率与安全性。搭建仿真验证环境,给出典型的单动态障碍物、多动态障碍物场景,对比验证了避障路径规划算法的有效性。     

基于空间代价地图的机械臂无碰撞运动规划

针对家庭服务机器人机械臂高安全性和低算法复杂度的两大需求,提出一种基于空间代价地图的机械臂运动规划新方法。利用空间代价地图来描述机械臂与约束条件发生冲突的可能性,以概率分析代替简单的布尔判断,提供了更合理的最优规划依据,从而实现更安全可靠的规划。同时将一个六自由度的规划问题降维为一个三自由度规划和一个四自由度规划的问题,在此基础上利用无需实时计算的先验碰撞数据代替实时的碰撞检测。利用该方法在ROS的rviz仿真平台上进行验证,结果表明该方法有效地提高了机械臂规划的安全性并降低了计算复杂度,有一定的实用价值。     

基于连续动态运动基元的移动机器人路径规划

针对二维动态场景下的移动机器人路径规划问题,提出了一种新颖的路径规划方法——连续动态运动基元(continuous dynamic movement primitives, CDMPs).该方法将传统的单一动态运动基元推广到连续动态运动基元,通过对演示运动轨迹的学习,获得各运动基元的权重序列,利用相位变量的更新,实现对未知动态目标的追踪.该方法克服了移动机器人对环境模型的依赖,解决了动态场景下追踪运动目标和躲避动态障碍物的路径规划问题.最后通过一系列仿真实验,验证了算法的可行性.仿真实验结果表明,对于动态场景下移动机器人路径规划问题, CDMPs算法比传统的DMPs方法在连续性能和规划效率上具有更好的表现.