多仿生机器鱼协作控制方法研究

• 作 者: 张丹丹
• 机 构: 北京大学
• 出 处: 北京大学
• 发表日期: 0年期
• 关键词: 仿生机器鱼 运动规划 避碰控制 任务分配 群体智能

未来的仿生机器鱼将在复杂的水下环境中进行海底勘探、海洋生物观察、水下施工和军事侦察等艰巨工作，因此针对一组机器鱼开发高效、灵活、鲁棒的协作控制方法是一个重要的研究方向。由于水下工作环境的复杂性，以及机器鱼自身推进方式的特殊性，一般的协作控制方法很难直接应用到机器鱼身上。因此，多机器鱼协作控制是一个具有挑战性的研究课题。受生物智能的启发，由多机器人协作技术和控制技术相支撑，以机器鱼硬件平台的成功开发为基础，本文展开了多仿生机器鱼协作控制方法的研究。
本文首先介绍了仿生机器鱼及其协作控制方法的研究背景，综述了国内外相关的研究工作，并简要介绍了论文的主要工作。
接着，在机器鱼特殊的运动学约束下，研究了机器鱼的运动规划方法，提出了将机器鱼的位置稳定到目标点的新颖控制律；另外，在机器鱼的避碰控制中，提出了伸缩极限环方法。
在以上运动规划方法的基础上，原创性地开发了一套多仿生机器鱼协作运输系统。在此系统中，为简化机器鱼在水下环境中的路径规划和行为选择，提出了“舒适圆”方法，将环境分割成一组相互独立、相互补充的“情况”；并且针对每个“情况”设计了一个独立的行为；为实现机器鱼的位姿控制，给出了极限环方法，从理论上和实际上都可以保证机器鱼准确地到达目标位姿；为使机器鱼同步地到达目标位置，以及控制运输对象的移动方向，设计了一个模糊控制器以规划机器鱼的运动。
另外，本文对未知环境下一组分布式的移动机器人，提出了一种适应性的任务分配方法，为仿生机器鱼将来在未知海洋环境中执行复杂的任务提供了理论基础和依据。对每个机器人个体建立了分层的任务分配结构。在上层的任务分配中，受自然界中昆虫行为的启发，建立了一个自增强学习模型；在下层的任务分配中，给出了基于蚁群算法的模型来实现协作。
本文还研究了一组机器鱼在对抗、冒险环境下的协作问题。考虑到机器鱼之间的相互影响，定义了两个关键因子：影响因子和冒险因子，建立了基于目标之间拓扑结构的任务分配模型。为了降低计算复杂度，给出了遗传算法来优化模型中影响因子和冒险因子的相对比重；随后，提出了改进的匈牙利算法来解决任务分配问题。
最后，总结了本文的研究工作，并指出了今后需要进一步开展的工作。