群机器人系统自组织队形控制策略研究

摘要

随着科学技术的不断发展，人工智能已经成为当今世界的热点问题，其中的群机器人技术也得到了众多专家和学者的广泛关注。群机器人系统具有高度的灵活性、较好的鲁棒性，并且系统中的单智能体行为相对简单、复杂度低。基于此，群机器人系统在各个领域都得到了广泛的应用，成为当今世界的研究热点。本文针对群机器人系统队形控制问题，提出了一种基于安全区域的群机器人自组织队形控制策略，并使用e-Puck机器人在其仿真器Webots中完成了相应的队形控制任务。
　　首先，本文对群机器人系统的研究背景和意义进行充分说明，并对国内外群机器人系统研究现状做出概述，对群机器人研究中的热点问题进行简述，对群机器人研究中相关智能优化算法进行简要分析。在充分了解了群机器人系统的国内外研究背景和相关研究方法的基础上，分析了群机器人系统的系统特性，深入了解了其协同合作方法。进而通过对群机器人系统特性的分析，选取e-Puck为本文的实验用机器人，并针对由以e-Puck为例的轮式移动机器人组成的群机器人系统中的个体机器人进行了运动学分析，构造了群机器人系统中个体机器人的运动行为模型，给出了机器人速度大小和方向的控制方法。
　　其次，本文通过对人工势场法的思路分析引出安全区域的概念，给出群机器人系统中个体机器人的运动规划图，根据已建立的个体机器人运动行为模型构造出群机器人自组织队形控制的势场函数，建立安全区域，并根据安全区域进行建模，使得机器人在从初始位置向目标点运动的过程中，满足在远离目标点时，机器人之间的互联制约影响小，使之集中;而在靠近目标点时互联制约影响大，使之分散。从而使群机器人协调成相互之间趋于分散且群体集中于目标点的队形。在此规则的基础上，给出边界方程等限制条件，使得群机器人系统中各机器人可根据个体之间及个体与环境之间的局部交互自组织完成指定队形任务。
　　最后，本文给出了机器人到达指定目标点、机器人完成聚集、机器人组成圆形、机器人组成L形四种群机器人队形控制任务的具体算法步骤和相应流程图。进而选取e-Puck为实验机器人，Webots为其仿真器，通过一系列仿真实验，对文中提出的方法进行了验证，并对实验结果进行了总结和分析。最终实验结果表明了本文提出的针对以e-Puck机器人为例的群机器人系统基于安全区域的自组织队形控制策略，在完成队形控制任务上具有可行性和有效性。

目录

声明

摘要

1．1 研究意义与背景

1．2 群机器人国内外研究概况

1．3 相关智能优化算法的发展现状

1．3．1 蚁群优化(ACO)算法

1．3．2 粒子群优化(PSO)算法

1．3．3 人工鱼群(AFS)算法

1．4 本文主要工作

1．5 本文论文框架

第二章 个体机器人运动学分析

2．1 机器人

2．2 运动学分析

2．3 本章小结

第三章 个体机器人运动行为模型

3．1 安全区域的引出

3．1．1 物理场

3．1．2 人工势场法(APF)

3．1．3 安全区域

3．2 运动行为模型的建立

3．3 本章小结

第四章 群机器人自组织队形控制模型

4．1 构造势场函数

4．2 安全区域模型

4．3 算法实现

4．3．1 算法1：机器人到达目标点

4．3．2 算法2：群机器人聚集行为

4．3．3 算法3：群机器人组成圆形

4．3．4 算法4：群机器人组成L形

4．4 本章小结

第五章 基于e-Puck的群机器人自组织队形控制实验

5．1 实验用机器人e-Puck介绍

5．2 仿真平台Webots介绍

5．3 实验前准备工作

5．3．1 创建世界

5．3．2 机器人定位

5．3．3 机器人校准

5．3．4 机器人通信

5．4 实验设计

5．4．1 实验1：机器人到达目标点

5．4．2 实验2：机器人完成聚集

5．4．3 实验3：机器人组成圆形

5．4．4 实验4：机器人组成L形

5．5 实验结果分析

5．6 本章小结

第六章 总结与展望

6．1 总结

6．2 展望

参考文献

致谢