群机器人分布控制及优化

论文摘要

群机器人系统是多机器人系统的一个重要研究方向,其主要特点是系统包含大量个体。如何控制不受数量限制的群机器人分布并在未知环境中移动,是一个极具挑战性的问题。本文针对群机器人分布控制及优化进行了研究。主要工作如下：1、介绍了群机器人学的含义、特点和发展现状,分析了研究群机器人系统的相关理论和方法,总结了群机器人学研究的主要内容。2、基于虚拟力原理分析了群机器人网格队形分布和移动控制方法,制定了详细的系统性能评价指标(稳定时间、碰撞次数、连接数、簇数等参数),研究了网格队形在复杂环境中的移动以及不同虚拟力对移动的影响。通过在复杂障碍物环境中的仿真,显示出该方法可以鲁棒、有效的完成网格分布和移动任务。还分析了群机器人分布的稳定性问题。3、为提高虚拟力方法控制群机器人在复杂环境中网格队形移动的性能,使用了多目标遗传算法来优化控制参数。考虑的性能指标包括碰撞率、掉队率和连接率等,根据评价指标重要程度的不同确定权重。建立了优化模型,运用基于Pareto解的多目标遗传算法对其求解。实验结果表明,该方法能在有限进化代数内产生一组有效的非劣解,克服了凭经验设定控制参数的缺陷。4、使用多agent分布式强化学习方法使群机器人系统中的各个机器人既能独自学习又能相互交换信息,达到了整个系统的快速在线学习避碰或学会生存等要求。仿真实验表明此方法能够达到预期的目的,避免了未知、动态的环境中由于各种噪声干扰和缺少全局监控器等因素的限制。5、启迪于物理学中的范例,探讨了基于虚拟力的群机器人围捕算法的原理和方法。制定了详细的系统性能评价指标(稳定时间、层数、层间距离、层中机器人个数、机器人密度等参数)。分析了围捕性能与机器人数量、虚拟力的关系；提出了目标对机器人作用力的分层结构思想,实验显示不仅加快了围捕速度,而且提高了围捕分层的质量；还提出了机器人绕目标转动的围捕方法,解决了势场法中常见的局部极点问题,并且大大提高了围捕的速度和质量。6、设计了一个群机器人仿真系统。这是一个能够对群机器人系统的体系结构、协调控制和学习算法等进行实验的数字仿真系统。分析了各仿真对象的物理特性及其实现难点,给出了仿真系统的软件架构和对象建模,描述了各仿真功能的具体实现。利用本仿真系统进行的实验结果表明此系统达到了比较理想的效果,具有良好的分布式运行能力和方便的实时交互能力,为群机器人系统的研究提供了一个有效的平台。还设计了一个实体机器人实验证实了群机器人分布的现实可行性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 群机器人学
• 1.2.1 群机器人学概念和特征
• 1.2.2 群机器人的国内外研究现状
• 1.2.3 群机器人学研究相关的理论与方法
• 1.2.4 群机器人学研究的内容
• 1.2.5 群机器人学研究的发展趋势
• 1.3 多（群）机器人分布控制的研究现状
• 1.3.1 基于行为和规则系统的分布控制方法
• 1.3.2 leader-follower方法
• 1.3.3 基于图论的队形控制方法
• 1.3.4 基于物理的方法
• 1.3.5 存在的主要问题及对策
• 1.4 论文主要研究内容和逻辑结构
• 1.4.1 论文主要研究内容
• 1.4.2 论文的逻辑结构
• 第二章 群机器人分布控制原理与方法
• 2.1 群机器人系统概念及形式化
• 2.1.1 基本概念
• 2.1.2 群机器人系统任务描述
• 2.2 群机器人分布控制的力学原理
• 2.2.1 质点系力学原理
• 2.2.2 机器人的感知模型
• 2.2.3 虚拟力的设置
• 2.2.4 虚拟力表达式的选取
• 2.2.5 机器人的运动机理
• 2.3 群机器人分布控制设计方法
• 2.3.1 引言
• 2.3.2 智能机器人体系结构的设计
• 2.3.3 群机器人系统设计方法及流程
• 2.4 本章小结
• 第三章 群机器人网格分布与稳定性分析
• 3.1 引言
• 3.1.1 网格分布问题
• 3.1.2 网格分布形状选取
• 3.2 无障碍物环境中群机器人网格队形分布
• 3.2.1 几个计算机仿真
• 3.2.2 力参数的选取对分布的影响及分析
• 3.3 障碍物环境中群机器人网格队形分布和移动
• 3.3.1 系统性能评价参数
• 3.3.2 在障碍物环境中的网格分布
• 3.3.3 在障碍物环境中的网格分布移动
• 3.4 群机器人分布的稳定性分析
• 3.4.1 系统模型
• 3.4.2 内聚力分析
• 3.5 本章小结
• 第四章 基于遗传算法的网格分布多目标优化
• 4.1 引言
• 4.2 多目标优化的几个基本概念
• 4.3 基于遗传算法的多目标优化方法
• 4.4 基于遗传算法群机器人网格分布多目标优化
• 4.4.1 优化问题描述
• 4.4.2 算法分析与设计
• 4.4.3 仿真控制结构
• 4.4.4 实验结果与分析
• 4.5 本章小结
• 第五章 基于强化学习的网格分布在线优化
• 5.1 引言
• 5.2 多AGENT强化学习
• 5.2.1 强化学习的原理
• 5.2.2 多agent强化学习原理
• 5.3 基于多AGENT合作强化学习的网格分布在线优化
• 5.3.1 概述
• 5.3.2 学习避碰
• 5.3.3 学习生存
• 5.4 本章小结
• 第六章 群机器人围捕分布控制与优化
• 6.1 概述
• 6.2 问题描述
• 6.3 围捕分布控制算法与性能评价指标
• 6.3.1 仿真算法
• 6.3.2 系统性能评价参数
• 6.4 实验与结果分析
• 6.4.1 简单围捕实验
• 6.4.2 实验的改进之一:力模型的分段处理
• 6.4.3 实验的改进之二:增加机器人绕目标的旋转分量
• 6.4.4 实验的改进之三:——力模型的分段与机器人旋转结合
• 6.4.5 对动态目标的围捕实验
• 6.4.6 障碍物环境中的多目标围捕实验
• 6.5 本章小结
• 第七章 群机器人仿真系统设计与实现
• 7.1 引言
• 7.2 仿真系统体系结构
• 7.3 仿真系统的模型设计
• 7.3.1 系统需求分析
• 7.3.2 对象模型
• 7.4 仿真系统的实现
• 7.4.1 仿真系统的编程
• 7.4.2 仿真系统的界面
• 7.5 实体机器人实验
• 7.5.1 主要实验器材
• 7.5.2 实验方案及实施
• 7.5.3 实体机器人网格分布实验结果
• 7.5.4 实体机器人围捕实验
• 7.6 本章小结
• 第八章 总结与展望
• 8.1 全文总结
• 8.2 论文的主要创新
• 8.3 研究展望
• 参考文献
• 致谢
• 攻读博士学位期间发表与本课题相关的论文