一种协调多机器人系统的智能控制方法

摘要

本发明涉及一种协调多机器人系统的智能控制方法。现有的方法会使多机器人系统消耗过多的能量。本发明根据气味源释放气味分子的运动学模型，建立机器人对于气味源位置的观测模型；然后在每一个采样周期内，如果检测到气味，则使用Kalman滤波理论和机器人对气味源位置的观测值，估计气味源的位置；基于群体中检测到最大气味浓度的机器人对气味源位置的估计值，更新各个机器人对气味源位置的估计值，并使用机器人对气味源位置的估计值作为计算机器人下一步位置的依据。本发明有效地提高气味源定位的精度，保证多机器人系统能量的较小消耗，同时满足实际中要求快速定位的要求。

说明书

技术领域

本发明属于自动化技术领域，涉及一种协调多机器人系统的智能控制方法。

背景技术

危险气味源定位对人类安全有着非常重要的意义，如定位污染物的源头和化学工厂中有毒气体泄漏的源头等等。因此，如何快速有效地定位危险气味源是一个极其重要的问题。然而，危险气味源定位问题在不同的环境下，呈现出不同的特点。通常，在没有气流的条件下，气味分子的扩散是一个主要力量，它能够驱动气味分子远离气味源。最大的浓度将会在气味源的附近出现。因此，我们可以使用梯度的方法来定位气味源。然而，在真实的世界里，气流是一种影响气味扩散的主要力量，它通过影响气味分子的运动，形成羽烟。在由高Reynolds数刻画的环境里，羽烟呈现出高度的不连续性和间歇性，这使得梯度方法变得不可行。此外，由于多机器人系统的可扩展性和鲁棒性，使得多机器人系统代替单机器人系统成为危险气味源定位的主要工具。目前，协调多机器人系统定位危险气味源的主要控制方法是群智能技术，但是，这种技术的定位成功率较低，也会使多机器人系统消耗过多的能量，一个主要的原因是，该方法利用了浓度幅值信息，而浓度幅值信息的不稳定性，往往会使多机器人系统局部收敛。另外，在我国对于多机器人系统的合作控制方法的研究刚刚开始起步，仍然没有提出行之有效的方法。在这一背景下，本发明弥补了现有技术的不足。

发明内容

本发明的目标是针对现有技术的不足之处，提出了一种协调多机器人系统的智能控制方法，该方法是以Kalman滤波理论为理论基础，设计一种有效的多机器人系统协调控制方法,以能够快速并准确地定位危险气味源。该方法弥补了传统合作搜索方式的不足，保证多机器人系统具有较高的定位精度和稳定性的同时，也保证形式简单并减少定位过程中多机器人系统消耗的能量。

本发明方法由两个算法组成，两个算法并行运行，其中第一个算法负责估计气味源位置，并以消息的形式提供给第二个算法，第二个算法则根据当前机器人的状态和第一个算法提供的气味源位置，负责计算机器人的新位置；由于两个算法的采样周期不同，如果第二个算法没有获得第一个算法的最新气味源位置估计值，则以上一次获得的气味源位置估计值为基准，如果是第一次运行，则以初始气味源位置为基准。第一个算法是：首先，根据气味源释放气味分子的运动学模型，建立机器人对于气味源位置的观测模型；然后，在每一个采样周期内，如果检测到气味，则使用Kalman滤波理论和机器人对气味源位置的观测值，估计气味源的位置；最后，基于群体中检测到最大气味浓度的机器人对气味源位置的估计值，更新各个机器人对气味源位置的估计值，并使用机器人对气味源位置的估计值作为计算机器人下一步位置的依据。第二个算法是：首先，建立机器人运动的两个状态，即气味检测事件发生状态和气味检测事件不发生状态；然后，在每一个采样周期内，判断机器人所处的状态，并根据不同的状态和机器人对气味源位置的估计值，使用不同的方法，产生机器人下一步的位置；其次，设计这两个状态的持续时间和状态转换方式；最后，采用一致性算法驱动机器人从当前位置向机器人下一步位置移动。

本发明的技术方案是通过数据检测、在线优化、气味源位置概率分布评估等手段，确立了一种协调多机器人系统的智能控制方法，利用该方法可有效提高危险气味源定位的精度。

本发明方法在第()个机器人上运行，其中第一个算法的采样周期为，具体步骤如下：

(1)利用气味分子的运动学模型，建立气味源位置的观测模型，具体方法是：

a.建立气味分子团的运动模型，得到气味分子团的位置：

气味分子团的运动模型为：

其中, 指气味分子团在时刻的位置；指气味分子团在时刻位置的微分；是在时刻的均值风速度；表示一个随机过程，该过程服从均值为零，方差为的高斯分布；

对气味分子团的运动模型在时间段[,]（）内进行积分，获得气味分子团在时刻被气味源释放，在当前时刻时的位置：

其中，[,]指积分的时间段，指气味源释放气味分子团的时间，指当前时间；指的是在当前时间气味分子团的位置；是在时刻气味源的位置；

b.确定气味分子团的离散运动模型：

通过定义和，将气味分子团的位置离散化；其中离散时刻是气味源释放气味分子团时间的整数值；离散时刻是当前时间的整数值；是指时间的微小变化；从而气味分子团的离散运动模型为：

其中，气味源位置在一定时间内是静止的，所以有；表示气味源在时刻释放气味分子团，在时刻的位置；表示在时间段[,]内风推动气味分子团的移动距离；表示随机过程，服从均值为零，方差的正态分布。

考虑到气味分子团释放时间的所有可能性，即

则气味分子团的离散运动模型进一步表示如下：

其中，为时刻气味分子团的位置；为时刻气味源的位置；为时刻风推动气味分子团移动的距离；是测量噪声，并且服从零均值，方差的正态分布。

c.通过定义，可以得到气味源位置的观测模型：

其中，是第_i个机器人在时刻对气味源位置的测量值。

(2)使用气味源位置的观测模型，产生机器人对气味源位置的观测值，并使用Kalman滤波理论，获得气味源位置的估计值。具体方法是：

a.在获得机器人对气味源位置的观测值之前，获得气味源位置的先验估计值和先验协方差矩阵。

其中, 表示机器人对气味源位置在时刻的后验估计值；是机器人对气味源位置在时刻的先验估计值；是关于气味源位置在时刻的后验协方差矩阵；关于气味源位置在时刻的先验协方差矩阵。

b.当机器人通过对气味源位置的观测模型，获得气味源位置的观测值时，更新上式气味源位置的先验估计值，计算出气味源位置的后验估计值，具体计算公式如下：

其中，是测量噪声协方差矩阵；是Kalman增益；表示机器人对气味源位置在时刻的后验估计值；是关于气味源位置在时刻的后验协方差矩阵。

(3)使用检测到最大浓度幅度的机器人对气味源位置的估计值，更新当前机器人对气味源位置的估计值，即：

其中，和是调节参数；表示第个机器人对气味源位置在时刻的估计值，此外第个机器人也是获得最大浓度幅度信息的机器人。

(4)从第(2)步重新开始执行并提供气味源位置的估计值。

该方法的第二个算法的采样周期为（>），即该方法的两个算法的采样周期是不一致的，两个算法并行执行。在该方法第二个算法中，机器人具有两个状态，一个状态是：气味检测事件发生状态；另一个状态是：气味检测事件不发生状态。具体步骤如下：

?在采样周期内判断机器人的状态；如果机器人的状态是气味检测事件发生状态，执行步骤a；否则执行步骤b。

a.如果机器人的当前状态，即气味检测事件发生状态是刚从气味检测事件不发生状态转变过来，则执行步骤①；否则执行步骤②。

①基于气味源位置的最新估计值（该估计值和第一个算法提供的估计值关系是，当采样周期满足时， ），则机器人下一步的位置为气味源位置的最新估计值，即

其中，是时刻第_i个机器人的位置；是这一状态的持续时间；表示在时刻获得的机器人对气味源位置的估计值。

②采用一致性算法控制机器人继续移动，执行时间为秒。当该状态的持续时间超过秒后，机器人的状态自动转变为气味检测事件不发生状态。

b.如果机器人的当前状态，即气味检测事件不发生状态是刚从气味检测事件发生状态转变过来，则执行步骤①；否则执行步骤②。

①基于气味源位置的最新估计值和风的速度信息，计算机器人下一步的位置。

其中：和分别是风在轴和轴方向的速度；是第_i个机器人在时刻对于气味源位置最新估计值在轴方向的坐标；第_i个机器人在时刻位置在轴方向的坐标；和第_i个机器人在时刻位置在轴和轴方向的坐标；是状态的持续时间。

②采用一致性算法控制机器人继续移动，执行时间为秒。在移动的过程中，如果机器人检测到气味浓度信息，则机器人的状态转变为气味检测事件发生状态；如果在时间秒后，没有检测到气味浓度，重新计算机器人下一步的位置。具体方法是：

其中，和分别是控制轴和轴方向搜索范围的控制参数，在范围内产生一个均匀分布的随机数。

И从第?步重新开始执行，直到群体机器人中，某一个机器人检测到的气味浓度达到预先设定值，或通过视觉传感器判断出气味源，然后通过无线网络通知第_i个机器人，或搜索时间超过事先规定的时间，则结束运行。

本发明提出的一种协调多机器人系统的智能控制方法，该方法弥补了传统方法的不足，并有效地提高气味源定位的精度，保证多机器人系统能量的较小消耗，同时满足实际中要求快速定位的要求。

本发明提出的智能控制方法，能够有效地估计气味源位置的概率分布，更好地让安全人员了解目前危险气味扩散的情况，进一步弥补传统方法的不足。此外，在任何时刻，都可以知道危险气味源的可能位置。

具体实施方式

以工业气体输送管道泄漏为例：

这里以工业气体输送管道泄漏为例子加以描述。在可能气体泄漏点建立2维局部坐标系，并为机器人安装风速计测量局部风速（每隔1秒，记录一次风速，共记录100个。一旦风速信息的数量超过了100个，则以新的风速信息代替旧的风速信息），和里程计计量机器人在局部坐标系中的位置，同时为机器人安装工业有毒气体检测装置。并设定机器人的最大线速度和角速度。对于第_i个机器人，开始执行以下步骤：

1、搜索气味线索。

多机器人系统首先沿和当前风速交叉的方向前进，来搜索气味线索，一旦检测到气味线索，则启动协调多机器人系统的智能控制方法，并初始化机器人对气味源位置的估计值和协方差矩阵，以及机器人的当前状态为气味检测事件发生状态。开始执行第2步；否则继续执行第1步。

2、协调多机器人系统的智能控制方法开始执行，即两个算法基于不同的采样周期并行执行。

对于第一个算法(采样周期为1秒)，执行以下步骤：

(1)计算气味分子团的运动距离。

                   

其中，是_i时刻的风速，。然后，计算测量噪声协方差矩阵。

其中，是测量噪声协方差矩阵；标准差可以基于经验事先指定。

(2)基于Kalman滤波理论，获得机器人对气味源位置的估计值。

第一步，在获得机器人对气味源位置的观测值之前，获得气味源位置的先验估计值和先验协方差矩阵。

其中, 表示机器人对气味源位置在时刻的后验估计值；是机器人对气味源位置在时刻的先验估计值；是关于气味源位置在时刻的后验协方差矩阵；关于气味源位置在时刻的先验协方差矩阵。

第二步，当机器人通过对气味源位置的观测模型，获得气味源位置的观测值时，更新上式气味源位置的先验估计值，计算出气味源位置的后验估计值，具体计算公式如下：

其中，是测量噪声协方差矩阵；是Kalman增益；表示机器人对气味源位置在时刻的后验估计值；是关于气味源位置在时刻的后验协方差矩阵。

(3)使用检测到最大浓度幅度的机器人对气味源位置的估计值，更新当前机器人对气味源位置的估计值，即：

其中，和是调节参数；表示第个机器人对气味源位置在时刻的估计值，此外第个机器人也是获得最大浓度幅度信息的机器人。

(4)从第(1)步重新开始执行，并提供气味源位置的估计值。

对于第二个算法，执行以下步骤：

在每一个采样周期（0.01秒）判断机器人的状态；如果机器人的状态是气味检测事件发生状态，执行步骤a；否则执行步骤b。

a.如果机器人的当前状态，即气味检测事件发生状态是刚从气味检测事件不发生状态转变过来，则执行步骤①；否则执行步骤②。

①给第一个算法发送请求消息，获取当前的气味源位置的最新估计值，计算机器人下一步的位置：

其中，是时刻第_i个机器人的位置；是这一状态的持续时间；表示在时刻获得的机器人对气味源位置的估计值。

②采用一致性算法控制机器人继续移动，执行时间为10秒。当该状态的持续时间超过10秒后，机器人的状态自动转变为气味检测事件不发生状态。

b.如果机器人的当前状态，即气味检测事件不发生状态是刚从气味检测事件发生状态转变过来，则执行步骤①；否则执行步骤②。

①给第一个算法发送请求消息，获得气味源位置的最新估计值，并根据风速传感器测量的风的速度信息，计算机器人下一步的位置。

其中：和分别是风在轴和轴方向的速度；是第_i个机器人在时刻对于气味源位置最新估计值在轴方向的坐标；第_i个机器人在时刻位置在轴方向的坐标；和第_i个机器人在时刻位置在轴和轴方向的坐标；是状态的持续时间。

②采用一致性算法控制机器人继续移动，执行时间为30秒。在移动的过程中，如果机器人检测到气味浓度信息，则机器人的状态转变为气味检测事件发生状态；如果在时间30秒后，没有检测到气味浓度，重新计算机器人下一步的位置。具体方法是：

其中，和分别是轴和轴方向搜索范围的控制参数，在范围内产生一个均匀分布的随机数。

И从第?步重新开始执行，直到群体机器人中，某一个机器人检测到的气味浓度达到预先设定值，或通过视觉传感器判断出气味源，然后通过无线网络通知第_i个机器人，或搜索时间超过事先规定的时间，则停止执行步骤，结束。