多机器人控制及其虚拟仿真

论文摘要

多机器人系统是目前机器人研究领域的热点问题。人们希望多个机器人能完成由单一机器人难以完成的更加复杂的任务。多机器人接到任务后需要首先到达任务所在地,然后才能执行任务。因此,对多机器人无碰撞的快速到达目的地的控制就显得非常重要。文章围绕多机器人的控制、最优路径搜索、虚拟环境下仿真展开研究。首先,在静态环境下,只考虑机器人之间避碰的情况下,给出了基于累积竞争神经网络的多机器人路径搜索方法。该方法由累积竞争神经网络的一次并行性计算,搜索出所有路径起始点及路径交叉点到目的地的最短路径。机器人在路径交叉点发生路径冲突时,则由文中提出的机器人之间的竞争行为来解决。其次,在机器人最优路径搜索时加入了路径流量。解决了机器人之间、机器人与静态障碍物之间的避碰问题。考虑了路径流量的动态变化,以此来避免由单纯搜索出最短路而不考虑路径流量带来的机器人拥堵现象。因此,在机器人数目众多的情况下,可以缩短机器人到达目的地的时间。最后,论文基于ADAMS软件对多机器人系统进行了虚拟仿真。相对于简单的机器人动力学方程模型,ADAMS软件可以对机器人的运动提供更加精确的分析,使得仿真结果更接近于真实情况。仿真结果证明了本文最优路径搜索方法的可行性和有效性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 引言
• 1.2 多机器人系统的发展与现状
• 1.2.1 多机器人系统的研究分支
• 1.2.2 多机器人系统的发展趋势
• 1.3 虚拟仿真及其发展
• 1.4 论文主要内容和章节安排
• 1.4.1 论文主要内容
• 1.4.2 论文的章节安排
• 第二章 累积竞争神经网络的基本理论
• 2.1 引言
• 2.2 神经元模型
• 2.3 累积竞争神经网络的工作原理
• 2.4 基于ACNN的最短路算法及其性质
• 2.4.1 基于ACNN的最短路问题的算法
• 2.4.2 基于ACNN的最短路算法的性质
• 2.4.3 ACNN算法的优点
• 2.5 本章小结
• 第三章 静态环境下多机器人的控制
• 3.1 引言
• 3.2 多机器人路径搜索策略及判优准则
• 3.3 多机器人静态环境下的路径搜索策略的建立
• 3.4 多机器人路径竞争方法的建立
• 3.4.1 路径之间的竞争方法
• 3.4.2 机器人之间的路径竞争方法
• 3.5 数值仿真
• 3.6 本章小结
• 第四章 路径流量动态变化下多机器人的避碰控制
• 4.1 引言
• 4.2 多机器人避碰控制问题描述
• 4.3 多机器人工作环境模型的建立
• 4.3.1 环境建模常用的方法
• 4.3.2 应用可视图法建立多机器人工作环境模型
• 4.4 机器人之间的避碰策略
• 4.5 多机器人的运动控制
• 4.6 数值仿真
• 4.7 本章小结
• 第五章 虚拟环境下多机器人的控制仿真
• 5.1 引言
• 5.2 多机器人虚拟工作环境的建立
• 5.2.1 多机器人虚拟工作环境的建立过程
• 5.3 虚拟环境下控制方案的建立
• 5.4 虚拟环境下的仿真
• 5.5 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献
• 在读期间研究成果