论文部分内容阅读
近年来,多机器人系统研究引起了广泛的关注,并取得了很好的研究成果。其研究内容主要包括任务分配、路径规划与优化、地图构建、目标搜索与围捕、队形控制及学习策略等。粒子群优化算法在多机器人系统控制与协作优化中得到了很好的应用。粒子群优化算法作为一种典型的智能算法,由于其不需建立环境模型,通过粒子间彼此的相互学习以及对历史信息的利用,最终实现粒子群的优化协调与编队运动控制。基于改进粒子群优化策略及运用改进的虚拟结构方法,本硕士论文主要围绕多机器人系统的一致性运动控制、编队组织、基于社区网络的队形控制等问题展开了研究。主要工作有：第一,在对粒子群优化的基本原理以及其调节参数作用机理的阐述基础上,对粒子群优化、蚁群算法、神经网络等智能方法进行了比较分析；对粒子群算法及其各类改进的优化算法在多机器人领域的研究现状进行了小结,并进一步展望了粒子群优化在基于社区感知网络的多机器人系统中的应用研究。第二,针对不确定环境中障碍物的形状和位置等未知情形,通过将机器人运动目标信息、周围环境信息、机器人运动信息等衍生适应度分量引入改进的粒子群优化的粒子适应度函数,提高机器人粒子的局部自适应运动控制能力；在此基础上,实现了多机器人系统的目标一致性运动控制。通过机器人自身传感器获取环境信息,采用最小二乘方法对运行环境中两类障碍物情形进行了拟合估计和计算,进一步提高机器人对运行环境中静态障碍的感知识别能力。第三,针对多机器人编队控制结构难以表示和实现问题,提出了基于改进虚拟结构法的多机器人队形运动控制方案。通过引入虚拟领航机器人来构建期望的多机器人粒子的虚拟队形,给出了实体机器人与虚拟队形的选择虚拟目标机器人的异步选择匹配策略。在此基础上,考虑避障代价选择环境中相对最优的机器人,给出了基于改进粒子群优化的多机器人编队避障策略。第四,针对多机器人系统的任务执行的区域范围广且机器人数目较多的情形,通过在未知环境中布设静态智能感知节点构建社区感知网络；基于改进的粒子群优化思路,提出了在社区感知网络环境的多机器人系统的编队运动控制方案。利用改进的人工势场法进行机器人避障控制；设计了社区网路中多机器人粒子的社区粒子子队形生成方法；结合改进的粒子群优化策略,运用改进虚拟结构法,提出了边区域匹配多机器人编队合成方案。