基于感知社区环境的多机器人协作进化路径规划研究

摘要

多机器人系统较单机器人系统具有空间、时间和功能上的分布性特点等优势，对多机器人系统的鲁棒性和可靠性有很大提高。多机器人系统的设计、控制和应用等问题成为大家研究热点。对一些任务复杂、以及需要并行协同操作的任务时，单机器人往往难以胜任，而多机器人之间的协调与协作就显得尤为重要。路径规划是多机器人研究的重点内容之一。在机器人足球比赛、车间生产线等问题则需要对多个机器人进行协作路径规划进行研究与实现。针对未知环境和社区环境下多机器人的路径规划问题，应用遗传算法，本论文围绕子种群内和子种群间的协作进化思想展开研究，提出了一些改进的协作进化的路径规划策略。
　　本硕士论文主要工作如下:
　　第一，本文针对多机器人路径规划的研究现状，首先从基于图论理论的环境建模、基于RRT环境建模、基于进化算法、基于群体智能、基于模糊算法、基于行为方法等方面对多机器人路径规划的研究现状进行了回顾，并从任务分配和避障策略等方面对多机器人路径规划中的相关问题进行了分析。在此基础上，从环境感知信息分享与融合问题、协作和协调机制与优化问题、编队的路径规划问题等方面对多机器人路径规划研究面临的挑战和进一步研究工作进行了展望。
　　第二，基于协作进化思路研究了一种未知环境下的多机器人协同路径规划策略。通过多个同构机器人生成可行路径作为初始种群;同时记录每一代路径个体产生的关键交叉点，由此组成多条重要路径，作为当前一代进化种群的补充。在此基础上，充分利用优秀个体基因，给出了一种变染色体长度的多机器人协作路径规划方案。
　　第三，在多目标问题上研究了一种未知环境下的多机器人多目标协同路径规划策略。首先，针对多目标路径优化通过多机器人的多次运动，生成多条可行路径作为各初始子种群。执行任务生成可行路径作为初始各子种群，在此基础上协作进化包括子种群内的协作和中群间的交叉进化。采用改进的交叉算子使得相互交叉的子种群中的基因得到其它子种群的基因信息，从而进一步改良各子种群个体基因。
　　第四，结合前两章的未知环境下协作进化策略研究基础上，针对多目标的路径规划问题，在盲区中结合行为学方法生成路径，而在静态感知节点所形成的社区感知网络中，充分利用其信息共享机制，在社区内环境中利用栅格法进行路径生成和优化。并且，在进化过程中，对于各子群的个体将其位于社区中的路径段进行再次局部协作优化。

目录

论文说明

摘要

第一章 结论

1．1 引言

1．2 多机器人系统的应用特点

1．3 多机器人系统的研究现状

1．3．1 路径规划

1．3．2 任务分配

1．3．3 避障控制

1．3．4 编队控制

1．4 本文的主要工作

1．5 本文的组织结构

第二章 协作进化路径规划原理与应用

2．1 引言

2．2 协作进化算法的发展现状

2．3 其他智能优化算法

2．3．1 基于模糊算法的多机器人路径规划

2．3．2 基于神经网络的多机器人路径规划

2．3．3 基于行为的多机器人路径规划

2．3．4 基于人工势场法的多机器人路径规划

2．3．5 基于图论理论的环境建模的多机器人路径规划

2．3．6 基于RRT环境建模的多机器人路径规划

第三章 未知环境下的多机器人协作进化路径规划

3．1 引言

3．2 问题描述

3．3 初始种群与重要路径

3．3．1 轨迹编码方式

3．3．2 局部路径规划方法

3．3．3 重要路径的生成

3．4．基于变染色体长度的协作进化的路径规划

3．4．1 变染色体长度路径规划算法

3．4．2 适应度函数与各类算子

3．4．3 路径检验

3．5 仿真实验

3．6 结论

第四章 未知环境下多目标的多机器人协作进化路径规划研究

4．1 引言

4．2 问题描述

4．3 初始种群与重要路径

4．3．1 轨迹编码方式

4．3．2 多机器人局部路径规划方法

4．3．3 初始各子种群的生成与子种群间协作进化

4．4 基于子种群间合作的多目标协作进化的路径规划

4．4．1 子种群间协作进化路径规划算法

4．4．2 适应度函数与各类算子

4．4．3 路径检验

4．5 仿真实验

4．6 结论

第五章 感知社区环境下多机器人协作进化路径规划

5．1 引言

5．2 基于行为的运动控制

5．3 社区感知网络的构建

5．4 社区环境内的机器人路径规划

5．5 基于社区感知网络的多机器人协作路径规划算法

5．5．1 初始路径的产生

5．5．2 协作算法分析

5．6 仿真实验

5．6．1 社区环境介绍

5．6．2 算法结果与分析

5．7 结论

第六章 总结和展望

6．1 总结

6．2 进一步的研究工作

参考文献

致谢

攻读硕士期间发表或被录用的论文

声明