论文部分内容阅读
近年来,多移动机器人群集运动控制受到国内外学者的广泛关注,而研究多机器人群体中个体之间的协调控制,特别是将对抗博弈的思想引入机器人群体的协调控制或群集规划中具有重要的现实意义。本文主要研究了对抗环境中多机器人博弈群体协调控制问题,从两个机器人群体的围捕-逃逸的博弈行为入手,研究机器人群体的协调控制,并探讨了多机器人群体系统的编队控制问题,而后从个体的角度出发,进一步研究了移动机器人三维空间路径规划问题,文章的主要研究成果结构如下:首先,本文介绍了移动机器人的相关技术与理论,总结了多机器人群体协调控制研究方法,以及编队控制和路径规划技术研究现状,为后续研究工作打下基础。其次,针对目标机器人运动轨迹未知及围捕过程中主动逃逸的问题,提出一种连续环境下动态预测目标的多机器人群体博弈的围捕-逃逸算法,该算法通过对目标位姿状态进行采样,滚动拟合目标的运动轨迹,并基于一致性卡尔曼滤波算法动态预测出目标下一时刻的可能位置;随后提出基于粒子群优化算法占领目标周围合围点的策略,围捕机器人形成对目标的合围态势并不断收缩包围圈,完成围捕任务。再次,考虑在围捕-逃逸博弈中,多机器群体通过形成编队联合搜索对提高协作效率的实际意义,研究了多机器人群体系统队形的形成和保持问题。以实验室四轮万向驱动移动机器人为研究对象,首先建立单移动机器人运动学模型,其次利用图论知识、构造与多机器人系统和结构相关的势函数,提出一种机器人群体系统的任意队形编队的分布式控制算法,而后设计了能够有效控制机器人群体编队队形的分布控制律,并给出了控制编队稳定的收敛性分析。最后,在研究机器人群体博弈与协调行为的基础上考虑个体层次的路径规划行为,并将规划空间延伸到三维,提出一种基于混合变异粒子群优化(HPSO)算法的三维路径规划方法,通过对三维空间分割降维,划分“可行域”与“搜索边界”,缩小最短路径解的搜索范围。利用定向变异和随机变异操作收缩解空间,使粒子群在优化过程中产生向规划起点到终点的中心轴线收缩的作用,以更贴近障碍物的边界,从而使所使规划路径相对集中且基本分布在中心线左右,更接近于最优解。仿真实验证明本文算法在障碍物分布较复杂的三维空间中完成路径规划的优越性,从而为多机器人群体在三维空间的路径规划应用研究打下基础。