群机器人技术是研究多机器人系统的一种特殊方法,其源于对自然界群居生物的模拟,在工业生产、灾难搜救、海洋探索以及军事战争等领域中具有广泛的应用前景。一般地,群机器人的成员为低复杂度的,仅具备有限感知和局部通信能力,如何在这些限制条件下通过简单的控制规则,实现具有涌现性的群体协同行为,是这一研究领域研究的关键问题。特别地,协同搜索是群机器人的基本任务之一,属于群体协同运动和一致性决策范畴。为了完成这一任务,群体需要进行协调运动并最终达成群体共识。不同的搜索策略将对结果具有较大的影响,如何在上述有限资源限制的情况下,实现有效的运动控制及分布式处理方法,使群体具备足够的协同运动及一致决策能力,是群机器人协同搜索需要解决的重要问题。本文将研究群机器人系统在相对定位、有限感知、局部通信及有限计算能力的条件下进行协同搜索的方法。具体地,将协同搜索问题划分为广域初步搜索和局部细化搜索两个阶段。将在充分考虑群体生物仿生学原理以及上述各项限制的基础上,建立群机器人的系统架构及问题模型。然后重点研究群机器人广域搜索中的队形控制方法、运动队形中的分布式信号处理方法以及考虑各项限制的启发式细化搜索方法等。将通过理论推导、仿真实验及实体验证等手段,对所提出的方法进行定性、定量评估。从群机器人的基本特征出发,分析群机器人系统的定位机制、信息交互机制以及协调控制机制,并在此基础上,提出一种群机器人四层模型。更进一步地,在给出相应的假设及限制条件后,对本文的协同搜索问题进行建模,包括广域搜索中的队形控制问题、运动队形中的分布式处理问题以及细化搜索阶段的扩展粒子群搜索模型等。对于广域搜索中群体队形控制问题,在目前主流队形控制方法的基础上,将提出一种基于行为的级联式领航-跟随队形控制方法。该方法通过仿照大雁编队飞行的模式,引入相应的视野限制、通信限制以及运动学限制等,实现群机器人的V形及直线队形控制。本文将通过仿真实验对上述方法的有效性、鲁棒性、灵活性以及大规模特性进行充分的评估。通过考虑运动队形中成员间的时空特性,引入多维系统理论,提出一种基于改进Roesser状态空间模型的群机器人运动队形条件下的协同搜索方法。针对直线和V形运动队形,研究一种基于改进2-D Roesser状态空间模型的群机器人分布式处理方法。该方法仅需借助最相邻成员间的简单通信,便可实现全局的信号处理。然后以视觉显著区域搜索为例,通过该方法实现运动队形条件下的显著区域识别,并通过仿真验证并讨论不同情况下该方法的性能。对于细化搜索阶段,将研究扩展粒子群优化算法(PSO)应用于群机器人的启发式搜索方法。通过引入具体应用中可能存在的限制条件,包括视野限制、通信范围限制、以及运动学限制等,在自适应机器人粒子群优化算法基础上,提出一种基于各项限制的群机器人扩展粒子群协同搜索方法。该方法将沿用自适应PSO算法中群体进化速度及聚集度的概念,不同的是,其中的聚集度将采用与时变特征群中成员数量相关的联合聚集度来描述,并与进化速度共同求取算法中的自适应惯性权值。不同于传统的位置更新方法,将在非完整驱动模型下,更新机器人前进速度及角速度,实现机器人的运动控制。将通过仿真实验验证所提方法在不同视野范围、不同通信半径以及不同障碍物环境下的群体机器人协同细化搜索的性能。最后将利用E-Puck移动机器人平台,对本文涉及的局部定位及通信机制、队形控制方法、直线及V形队形条件下的分布式显著区域搜索以及一定区域内的特定目标协同细化搜索方法进行实体验证。总的来说,本文将结合群机器人系统建模、队形控制、多维系统、视觉显著性以及粒子群优化等理论,研究群机器人协同搜索问题中相应的方法。理论推导及实验结果表明,所提出的方法具有良好的可行性。将为群机器人应用于协同搜索任务,提供一定的理论及实践支撑。