多机器人编队控制技术Word文档下载推荐.docx
《多机器人编队控制技术Word文档下载推荐.docx》由会员分享，可在线阅读，更多相关《多机器人编队控制技术Word文档下载推荐.docx（7页珍藏版）》请在冰豆网上搜索。
研究人员意识到理解这些社会性昆虫系统级特征一一个体失效的鲁棒性、环境变化的适应性、群体规模的可扩充性，将为多机器人系统实现类似期望能力提供思路。
生物学家、计算机学家及机器人专家共同合作，希望能够利用社会性昆虫的群体行为理论设计和控制多个机器人。
于是产生了基于多学科交叉的新研究领域一一群体机器人[3]。
随着社会生产技术的飞速发展，机器人的应用领域不断扩展。
从自动化生产线到海洋资源的探索，乃至太空作业等领域，机器人可谓是无处不在。
然而就目前的机器人技术水平而言，单机器人在信息的获取、处理及控制能力等方面都是有限的，对于复杂的工作任务及多变的工作环境，单机器人的能力更显不足。
于是人们考虑由多个机器人组成的群体系统通过协调、协作来完成单机器人无法或难以完成的工作，通常称之为群体机器人。
群体机器人系统比单机器人系统具有更强的优越性。
主要表现在以下几个方面：
（1）相互协调的n个机器人系统的能力可以远大于一个单机器人系统的n
倍，群体机器人系统还可以实现单机器人系统无法实现的复杂任务。
（2）设计和制造多个简单机器人比单个复杂机器人更容易、成本更低。
（3）使用群体机器人系统可以大大节约时间，提高效率。
（4）群体机器人系统的平行性和冗余性可以提高系统的柔性和鲁棒性[4]。
2.多机器人系统编队控制
2.1多机器人系统的分析
对于多机器人系统，编队控制是必须解决的难题，它直接影响着多机器人系统是否能够正常的工作。
群体机器人在执行任务过程需要机器人之间互相通信并协调。
通信机制和协调机制是群体机器人系统控制过程中的两大关键技术。
多机器人的控制结构图如下：
图2.1多机器人控制结构图[5]
多机器人的编队控制，指的是多个机器人组成的团队在执行任务的过程中，在适当的环境约束下，相互之间保持预定的几何关系。
自主机器人队形控制的基本问题是独立分布式控制所有机器人的移动使得这些机器人能够形成并保持一个给定的目标几何队形，在很多的工程系统之中经常需要多个独立单元体直接的合作控制。
在这个控制过程当中，拥有可利用的全局信息对控制问题的可解性和控制算法的复杂程度非常重要，如果能在机器人之间建立一个全局性的坐标系统那么队形控制就非常容易解决。
机器人的运动和计算能力也是解决算法复杂程度的一个重要方面[6]。
2.2多机器人的编队算法
常用的多机器人编队算法有领航跟随法、人工势场法和基于行为法等。
2.2.1领航跟随法
领航跟随法的基本思想是：
在多机器人组成的群体中，某个机器人被指定为领航者，其余作为它的跟随者。
跟随者以一定的距离间隔跟踪领航者的位置和方向，该方法可进行扩展，即不仅可以指定一个领航者，也可以指定多个，但群体队形的领航者只有一个。
根据领航者与跟随者之间的相对位置关系，就可以形成不同的网络拓扑结构[7]。
2.2.2人工势场法
人工势场法主要是通过设计人工势场和势场函数来表示环境以及队形中各机器人之间的约束关系，并以此为基础进行分析和控制。
它的基本思想是机器人在一个虚拟的力场中运动，障碍物被斥力势场所包围，其产生的排斥力随机器人与障碍物距离的减少而增大；
目标点被引力势场所包围，其产生的吸引力随机器人与目标的接近而减少；
在合力的作用下机器人沿最小化势能的方向运动[8]。
2011年，王艳等人改进了人工势场法，引入如下公式：
Uat=（1/2）K（X-Xgoat）
（1）
解决了机器人驶向目标的过程中陷入局部最小，从而不能正确的驶向目标，形成死点的情况。
2.2.3基于行为法
该法首先为机器人规定一些期望的基本行为，一般情况下，机器人的行为包括躲避障碍、避免碰撞、驶向目标和保持队形等，当机器人的传感器接受到外界刺激时，根据传感器的输入信息做出反应，并输出反应量作为该行为的期望反应（例如方向和运动速度）。
行为选择模块通过一定的机制来综合各行为的输出，并将综合结果作为机器人对环境刺激的反应而输出[9]。
2.2.4基于虚拟势场力的群集算法
势场法是将机器人在环境中的运动视为一种在虚拟的受力场的运动。
势场中存在的引力极和斥力极分别代表目标点和障碍物，障碍物对机器人产生斥力，目标点产生引力[10]。
这种方法，还需要领航跟随法作为基础，因此，可以看成是领航跟随法的一种改进型方法。
2.2.5虚拟结构法[11]
虚拟结构也被称为虚拟刚性体或虚拟领袖，虚拟结构法常用于多机器人编队任务，它把队形中的机器人看作是一个刚性体，各机器人间保持固定的几何位置。
当刚体在空间中运动时，刚体上的各点位置不断变化，但它们间的相对位置保持不变。
假定刚体上的某些点用机器人代替，并以刚体上的坐标系作为参考坐标系，则刚体运动时，各机器人在参考坐标系下的坐标不变，机器人之间的相对位置也保持不变，即机器人之间保持一定的几何形状，形成了一个刚性结构，因这种结构在实际中并不存在，因此称为虚拟结构。
各机器人以刚体上的不同点作为各自的跟踪目标就可以形成一定的队形。
实现此方法需要三个步骤：
（1）定义虚拟结构的期望动力学特性；
（2）将虚拟结构的运动转化成每个机器人的期望运动；
（3）得出机器人的轨迹跟踪控制方法。
小结：
这种方法与领航跟随法相似，但是不存在领航者。
队形的保持和运动控制是集中式的，每个机器人都有运动控制器，机器人的同步运动由集中队形控制器进行控制。
其缺点是要求队形象一个虚拟结构运动限制了该方法的应用范围，目前的文献中，该方法仅在二维无障碍的平面环境中得到应用。
2.2.6基于轨道扩展的多机器人寻迹编队控制方法[12]
这种方法的特征在于：
该方法中机器人的运动需要满足非完整约束的动力学方程并且目标轨道式简单凸闭曲线，该方法包括下列步骤：
a）将平面中一组目标轨道沿其中心指向轨道上各点的向量扩展为关于轨道函数等值轨道簇，并确定机器人的可运动范围；
b）由轨道函数计算寻迹误差，设计机器人的虚拟角速度，使寻迹误差达到设计要求；
c）由轨道函数和目标轨道对应的参数计算机器人沿轨道运动的广义弧长及其导数，由通信得到的邻居信息，设计机器人的控制力来实现编队；
d）计算真实与虚拟角速度的误差，设计机器人的控制力矩完成寻迹；
e）听过伺服系统完成机器人的运动控制。
2.2.7一种移动自主机器人的编队控制方法
这是一种新型的算法，于2012年由张焕提出。
这种方法的特征是：
a）进行系统初始化设置，记录当前机器人队形；
b）各机器人根据目标队形及当前队形得到相应的目标函数，再对该函数进行优化处理，得到最优的目标函数。
再根据所得的最优目标函数得到优化解，将优化解带入函数中，使得每一个机器人产生一个对应的最优移动策略；
c）所需活跃机器人根据最优移动策略移动相应的距离；
d）根据所得结果确定输出结果是否为目标结果，若是则输出成功，整个程序结束，若否则重新开始。
并重新进行设定，并重新进行循环运动。
2.2.8基于行星系法的多移动机器人编队[13]
2010年张玉礼提出：
在设计行星系法编队的时候，首先要考虑的是机器人之间不会相互碰撞，并且机器人群体中有一个领导核心，也就类似于行星系中的恒星，而其他机器人则是围绕这个恒星运动，则其他机器人相当于行星系统中的行星。
整个机器人的运转就以该领航者为核心实现整个机器人群体的运转。
机器人之间的相互作用是通过引入势场的方式，或者是引入相互引力和相互斥力实现的；
机器人与目标点的作用力是通过引入相互吸引力实现的，而机器人与障碍物之间的相互作用是通过引入斥力实现的。
上述设计方案的优点是：
1）跟随机器入可以围绕领航者机器人运转，半径可以随时变化，当路面足够宽阔的时候，可以扩大半径，而当路面很窄，或者是障碍物太大的时候，缩小半径并且改变该跟随机器人在领航者机器人局部坐标系中的位置。
2）群体机器人中每个机器人的质量代表了该机器人的权重。
当领航者机器人出现故障的时候，可以选择群体中质量次大的机器人作为新的领航者机器人。
这样，规避了集中式控制策略中当领航者机器人出现故障时的风险。
2.2.9基于粒子群优化算法的多机器人编队控制技术[14]
2011年，中南大学的张明中将粒子群优化算法引入到多机器人编队控制技术中。
粒子群优化算法的思想来源于人工生命和进化计算理论。
这种算法要调整的参数较少，易于实现，且可进行并行计算和无梯度计算，有较好的全局搜索能力。
2.2.10基于加权投票游戏方法的多机器人队形分布式覆盖控制[15]
2010年，美国内布莱斯加州立大学的KeCheng和PrithvirajDasgupta提出了这种方法。
他们由加权投票游戏得到启发，这种方法能够允许每个机器人动态地识别组内每个其他成员并且组成队形。
这样，区域覆盖的效率得到了提高。
这种方法根据每个机器人的不同才能来确定每个人机器人的权值，来找到最佳的最小胜利组合（BMWC）。
他们已经在理论上证明了这种方法，并且得到了具体的BMWC算法。
同时，他们还使用一个包括了四十个机器人的仿真平台对算法的实际能力进行了评估。
2.2.11时延依赖的分布式编队控制算法[17]
2012年，姜丽梅，张汝波提出此种算法。
为消除弱通信因素给多机器人编队控制系统带来的影响，基于一致性理论，提出了一种时延依赖的分布式编队控制算法。
利用编队图描述机器人群体内部的网络拓扑结构，通过图的矩阵表示，基于矩阵论和控制理论研究具有通信时延的多机器人系统形成稳定的期望编队的条件。
根据Lyapunov稳定性定理，得到了线性矩阵不等式（LMI）形式的时延独立和时延依赖的稳定条件，并在此基础上进一步证明采用的控制方法能够保证多机器人系统全局渐近地收敛至期望队形和期望速度。
最后，通过一个多机器人编队实例对控制算法和结论进行验证。
结果表明在满足系统稳定条件下，所采用的编队控制算法能够保证多机器人系统形成稳定的期望编队。
我近期在做一个有关人工神经网络的创新实验，这是一种模仿人类大脑的只能技术，于上世纪八十年代开始迅速发展并应用于工业系统之中。
我从中得到启发，能否将人工神经网络技术应用到多机器人编队控制当中呢？
若将此种技术应用于机器人的编队控制之中，发挥神经网络的学习和记忆功能，必将使得机器人的智能化更上一个台阶。
试想，让多机器人系统拥有类似于人类的智能，那么无论是对于躲避障碍物还是实现区域的覆盖都将变得十分容易。
2.3此项技术的其他扩展应用
机器人不仅仅可以在陆地上使用，它还可以上天下水。
所以，多机器人编队的控制也深入到了空中、水中。
多水下机器人技术有着广阔的应用前景：
协作排雷、、加强水下ISR（情报、侦察、监视）、多金属结核调查、失事舰船调查、水下滑翔机等[16]。
在天上，多机器人系统已经应用到了无人机编队中。
用于队形控制和避障。
解决了传统方法中对通信质量要求过高的缺点。
3.小结
以上介绍的11种方法也仅仅是解决多机器人编队控制问题的一小部分，包含了传统方法、改进型方法和一些具有创新性的新方法。
但是，总体来看，目前的多数方法还是离不开三个基本点。
一是创建坐标模型，对机器人进行定位；
二是在多机器人系统中选择一个领航者，其他机器人以其为中心展开布局；
三是多机器人系统的通信问题。
这三点也是多机器人技术的基础。
可以说，不同的算法也就是不同的对机器人坐标、通信信号等数据进行的处理过程。
只要把握好如上三个点，多机器人系统的编队控制问题便有了很好的解决基础。
写完这篇综述，锻炼了我检索文献、阅读文献的能力。
我的能力尤其是科研能力有了显著的进步。
查阅并且总结文献是一个人完成各项科研任务的基础。
它能够扩展我们的思路，为我们提供更加先进的思想和更加新颖的方法，让我们了解当今的科技前沿都在研究些什么。
我相信，这次文献检索将对我今后的发展产生重要的、有利的影响。
参考文献
[1]喻俊志，陈尔奎，王硕等．仿生机器鱼研究的进展与分析[J]．控制理论与应用，2003，20（4）：
485-486．
[2]谭民，范永，徐国华．机器人群体协作与控制的研究[J]．机器人，2001，23
（2）：
179-183．
[3]张海英，刘祚时，林桂娟．群体机器人研究的现状和发展[J]．电子技术应用，2004，33
（2）：
2-3．
[4]张然，贾瑞玉，钱光超．基于群体智能的离群数据挖掘[J]．计算机工程与应用，2008，44（23）：
153-156．
[5]史小星.群体机器人编队协调问题的研究[D].兰州：
兰州理工大学（机械设计及理论），2011.
[6]张焕.一种移动自主机器人的编队控制方法：
中国，201110231173.0[P].2012.01.25.
[7]王艳，金晶，黄晨.多移动机器人编队算法研究与实验验证[J].电子电器教学学报，2011,33（5）：
46-57.
[8]陈杨杨，田玉平.基于轨道扩展的多机器人寻迹编队控制方法：
中国，201010552508.4[P].2011.05.25.
[9]陈杨杨，田玉平.基于轨道扩展的多机器人寻迹编队控制方法：
[10]蔡自兴，贺汉根，陈虹．未知环境中移动机器人导航控制理论与方法［Ｍ］．北京：
科学出版社，2009.
[11]史小星.群体机器人编队协调问题的研究[D].兰州：
[12]陈杨杨，田玉平.基于轨道扩展的多机器人寻迹编队控制方法：
[13]张玉礼.基于行星系法多移动机器人编队[D].武汉：
武汉科技大学（控制理论与控制工程），2010.
[14]张明中.基于粒子群优化算法的多机器人编队控制技术[D].长沙：
中南大学（电子科学与技术），2011.
[15]KeCheng,PrithvirajDasgupta.WeightedVotingGameBasedMulti-robotTeamFormationforDistributedAreaCoverage[C].3rdInternationalSymposiumonPracticalCognitiveAgentsandRobots,2010.
[16]范士波.多水下机器人编队控制方法研究[D].哈尔滨：
哈尔滨工程大学（交通信息工程及控制），2008.
[17]姜丽梅，张汝波.弱通信条件下多机器人编队控制及稳定性分析[J].江苏大学学报（自然科学版），2012,33
（1）：
65-70.
升级会员 