协作多机器人追逃问题中自适应编队策略研究

摘要

在机器人科技高速发展的今天，协作多机器人技术越来越受到人们的广泛关注，它在环境探测、目标搜索、跟踪、围捕、机器人足球以及国防军事等领域，具有十分重要的现实意义。其中编队围捕问题是人们讨论多机器人技术研究的重点问题之一。协作多机器人的编队围捕是指一群具有协作机制的机器人，通过一定的编队策略，加以优化算法，成功的围捕目标。该议题的核心是设计智能编队算法，并应用到具体的追捕场景，可以“快速低耗”的围捕目标。刚性结构算法是编队问题的经典算法之一，目的是协调各机器人单元保持稳定的整体结构，有效的解决了目标跟随、编队一致性等问题,对于队形的保持与稳定具有重要的应用价值和意义，但却在一定程度上产生了追捕死角。事件触发机制可以降低多机器人系统采样频率，减少通信消耗，其广泛应用于多机器人的采样通信问题中，但该机制仅减少了采样次数却没有涉及采样结果的优化，依然存在大量的冗余无效信息，这称为事件触发机制的非智能性。对于围捕问题，国内外开展了大量的研究，但由于刚性结构的稳固性和事件触发机制的非智能性，仍然存在如下问题：（1）过于追求稳固性，却忽视了队形的灵活性，是刚性结构算法的矛盾之处。各追捕者之间构成稳定的刚性结构，追捕系统容易产生追捕死角，使追捕者无法准确高效地完成追捕。在这种情况下，刚性编队会造成资源的极大浪费甚至导致死循环。（2）传统的事件触发机制缺乏智能性，虽然根据触发条件在一定程度上降低了采样次数，但却未直接对结果进行优化，仍然存在冗余无用的采样信息。（3）目前逃跑目标的智能性普遍较低，且追捕速度往往大于逃跑速度，最优情况是二者相等，对于围捕实验的有效性，说服力较低。 针对以上不足，本文开展深入研究，主要研究内容和创新点如下： （1）针对刚性结构算法的追捕死角问题，本文提出一种自适应刚性编队算法，追捕者可根据目标所在位置，利用边界、障碍物等环境条件，自适应的调整队形来完成围捕。通过构造编队中心控制器，使编队中心逐渐趋近目标，以求合围；队形控制器可根据目标所处位置动态调整队形，避免死角的产生。 （2）对于目前的事件触发机制，无法精确提高采样结果的准确率，从而不能较好的降低通信量，无法提高信息的有效性，本文设计基于预测的事件触发机制，力求提高采样结果的有效性和降低通信开销。 （3）对于目标的低能化问题，本文设计智能逃跑方案，避免单一逃跑方向，目标可在探测到追捕者时选择没有追捕者的方向逃跑。另外通过阿波罗尼奥斯圆讨论追捕者和目标的速度关系，并在合理的范围内，使追捕速度小于目标的逃跑速度，增加的目标的智能性和追捕的难度。 （4）本文基于Netlogo研发多机器人追逃仿真平台，将论文算法和策略加以仿真验证，可直观展示实验过程及结果。

目录

第一个书签之前

摘 要

ABSTRACT

第一章绪论

1.1研究背景及意义

1.2国内外研究现状

1.3主要研究内容及创新点

1.4论文的组织结构

第二章 相关知识准备

2.1传统刚性编队

2.1.1传统刚性编队简介

2.1.2传统刚性编队分析

2.2事件触发

2.2.1事件触发的定义

2.2.2事件触发分析

2.3小结

第三章 多机器人追捕死角问题的自适应编队算法

3.1控制器设计

3.1.1中心控制器设计

3.1.2队形控制器设计

3.2正确性分析

3.2.1中心控制器分析

3.2.2队形控制器分析

3.3自适应刚性结构编队动作

3.3.1巡逻动作

3.3.2编队动作

3.3.3预测动作

3.4自适应刚性编队算法

3.5阿波罗尼奥斯圆与速度条件

3.6实验及结果分析

3.6.1实验数据

3.6.2实验过程

3.6.3实验结果及结论

3.7小结

第四章 基于预测机制的事件触发控制协议

4.1事件触发机制及存在的问题

4.2模型提出

4.3基于预测机制的事件触发控制

4.4实验及结果分析

4.5小结

第五章 仿真系统

5.1实验环境

5.2平台展示

5.3自适应刚性编队结果展示

5.4小结

第六章 总结与展望

6.1总结

6.2展望

参考文献

攻读硕士学位期间的主要工作

致 谢