论文部分内容阅读
移动式自重构机器人是微小型机器人的重要分支,其由若干微小型的单元机器人组成。各单元机器人既可自成体系,分散开来独立作业,又可彼此对接成为构形可变的整体机器人。移动式自重构机器人系统具有突出的灵活性、鲁棒性与扩展性,在外行星探索、灾难搜救、军事侦察等非结构环境作业领域有着广泛应用前景。然而,单元机器人的微小型属性导致其导航、感知、处理能力有限,而大量的单元机器人需大范围离散作业更增加了个体定位与交互的难度。因此实现处于离散状态的大量单元机器人间的自动聚集成为这类自重构机器人研究的难点和发展的瓶颈。自然界中的许多群体生物无需领导者,仅通过个体的局部信息感知实现群体的自组织聚集。本文通过模仿群体生物的自组织行为,实现了无上位管理的移动式自重构机器人系统的自组织聚集。首先,根据群体聚集过程的聚集速度,聚集体的平等性等要求,建立了群体聚集的评价准则,为分析聚集效果提供了理论依据。根据蟑螂的行为特性,建立了机器人的自组织聚集概率模型,为实现群体聚集提供了有效地方法。同时,从宏观的角度,引入群机器人的系统参数和概率模型参数,建立了群机器人的聚集预测模型,以实现对群体聚集特性的快速分析。其次,针对概率模型聚集速度慢、可扩展性差等不足,采用了信息传递的聚集策略加以改进。同时,本文设计了一种无领导者和管理者的微小型自重构机器人,为群体聚集提供了硬件基础。根据改进后的模型实现了机器人的信息交互过程,并将模型转换为控制算法。针对算法在硬件实现的难点,提出了合理的解决方案,保证了算法的可移植性。最后,在Webots软件中建立了机器人的模型和仿真环境,并编写了控制程序,以实现对群体过程的仿真分析。仿真过程研究了基于信息传递的概率模型的群体聚集特性,分析了预测模型与实验仿真的差异及产生原因,验证了改进的概率模型的高效性。通过仿真实验分析系统参数对群体聚集的影响,得到机器人实现聚集成功的条件,验证了群体聚集过程的稳定性和可扩展性。采用放射形扩展方式,进一步提高了群体聚集的收敛速度。针对机器人数量无法达到阈值要求的多聚集任务,实现了各聚集体快速收敛,保证了各聚集体的平等性。本文采用的群体聚集概率模型有效地实现了自重构机器人系统子模块的快速聚集,保证了群体系统的稳定性、平衡性、重分配性和可扩展性。