论文部分内容阅读
群机器人系统是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体。如何控制不受数量限制的群机器人分布并在未知环境中移动,是一个极具挑战性的问题。本文针对群机器人分布控制及优化进行了研究。主要工作如下:1、介绍了群机器人学的含义、特点和发展现状,分析了研究群机器人系统的相关理论和方法,总结了群机器人学研究的主要内容。2、基于虚拟力原理分析了群机器人网格队形分布和移动控制方法,制定了详细的系统性能评价指标(稳定时间、碰撞次数、连接数、簇数等参数),研究了网格队形在复杂环境中的移动以及不同虚拟力对移动的影响。通过在复杂障碍物环境中的仿真,显示出该方法可以鲁棒、有效的完成网格分布和移动任务。还分析了群机器人分布的稳定性问题。3、为提高虚拟力方法控制群机器人在复杂环境中网格队形移动的性能,使用了多目标遗传算法来优化控制参数。考虑的性能指标包括碰撞率、掉队率和连接率等,根据评价指标重要程度的不同确定权重。建立了优化模型,运用基于Pareto解的多目标遗传算法对其求解。实验结果表明,该方法能在有限进化代数内产生一组有效的非劣解,克服了凭经验设定控制参数的缺陷。4、使用多agent分布式强化学习方法使群机器人系统中的各个机器人既能独自学习又能相互交换信息,达到了整个系统的快速在线学习避碰或学会生存等要求。仿真实验表明此方法能够达到预期的目的,避免了未知、动态的环境中由于各种噪声干扰和缺少全局监控器等因素的限制。5、启迪于物理学中的范例,探讨了基于虚拟力的群机器人围捕算法的原理和方法。制定了详细的系统性能评价指标(稳定时间、层数、层间距离、层中机器人个数、机器人密度等参数)。分析了围捕性能与机器人数量、虚拟力的关系;提出了目标对机器人作用力的分层结构思想,实验显示不仅加快了围捕速度,而且提高了围捕分层的质量;还提出了机器人绕目标转动的围捕方法,解决了势场法中常见的局部极点问题,并且大大提高了围捕的速度和质量。6、设计了一个群机器人仿真系统。这是一个能够对群机器人系统的体系结构、协调控制和学习算法等进行实验的数字仿真系统。分析了各仿真对象的物理特性及其实现难点,给出了仿真系统的软件架构和对象建模,描述了各仿真功能的具体实现。利用本仿真系统进行的实验结果表明此系统达到了比较理想的效果,具有良好的分布式运行能力和方便的实时交互能力,为群机器人系统的研究提供了一个有效的平台。还设计了一个实体机器人实验证实了群机器人分布的现实可行性。