机器人协作控制是多机器人系统研究的核心问题之一,涉及到机器人体系结构、感知、通信、算法、协作机制等许多方面。足球机器人系统作为一个典型的多机器人系统,为智能理论研究及多种技术的集成应用提供了良好的实验平台。本课题以西安科技大学足球机器人系统为研究平台,针对足球机器人比赛动态环境,通过改进目标追踪算法提高机器人追踪精确度,利用免疫机理和人工免疫算法提高足球机器人的自主协作性,解决在实际比赛过程中易出现的拥挤和资源浪费问题,提高了系统的智能性。本文首先介绍和分析足球机器人系统、硬件结构组成及工作原理,针对足球机器人原有的目标追踪问题,提出足球机器人高斯和粒子滤波目标追踪算法,利用并行高斯粒子滤波代替粒子滤波中的并行扩展卡尔曼滤波,使用加权的高斯密度和来近似后验概率,充分考虑当前时刻的测量观测值对状态分布的影响,提高目标追踪的精度。仿真实验结果表明,该算法能较好的适用于动态复杂环境下足球机器人的目标追踪。在此基础上,针对足球机器人实现协作行为的基础,即机器人体系结构,结合抗体对抗原的识别、抗体与抗体之间的激励和抑制,以及不同免疫细胞间相互通信等免疫机理,构建足球机器人个体混合式体系结构和群体分层式体系结构。足球机器人受到环境的刺激、机器人之间信息共享和不同足球机器人之间的相互激励与抑制,都对机器人个体的自主行为和整体之间的协作策略产生影响。该体系结构可使足球机器人系统拥有很强的实时性、动态适应性和鲁棒性。建立不同角色的机器人产生的不同抗体与外界抗原及其它抗体间相互作用关系的足球机器人免疫(Soccer Robot Immune,SRI)系统,提出基于免疫算法的足球机器人协作控制方法。机器人通过通信获取其它机器人的抗原信息与抗体浓度,结合自身所处局部环境的抗原信息,计算抗原激励值,产生相应的抗体,选择正确的机器人执行相应的策略行为。当机器人无法单独完成任务时,向其它机器人发出协作请求,并将响应的机器人作为抗原激励值的一个奖励信号,进行抗原的自强化调整,尽快地完成任务。最后,对该算法进行了仿真实验,并在实际的足球比赛环境中进行验证。实验表明:该算法能够适用于动态复杂的对抗型比赛环境中足球机器人的协作控制,改善多机器人冲突的混乱局面,增强足球机器人策略行为的有效性,增加机器人在比赛过程中的协作进攻次数,提高足球机器人系统的智能协作性。实现了论文的设计目标,使我校足球机器人团队在近年的全国大赛上取得了优异的成绩。