《多移動機器人編隊控制》由會員分享，可在線閱讀，更多相關(guān)《多移動機器人編隊控制（17頁珍藏版）》請在裝配圖網(wǎng)上搜索。

1、基于 Multi-Agent 的多機器人編隊控制 摘要： 多移動機器人協(xié)調(diào)是當前機器人技術(shù)的一個重要發(fā)展方向。多移動機器人之間的協(xié)調(diào)與 合作將大大提高機器人行為的智能化程度，完成由單個機器人難以完成的更加復(fù)雜的作業(yè)。多 移動機器人協(xié)調(diào)技術(shù)的研究對提高機器人的智能化水平及加快機器人的實用化進程具有重要的 理論研究意義和實用價值。本文結(jié)合多智能體技術(shù)對多機器人編隊控制進行了研究，同時根據(jù) 具體的多機器人系統(tǒng)，進行了仿真實驗。驗證了多智能體技術(shù)在機器人編隊控制系統(tǒng)中的應(yīng)用， 完成了小規(guī)模的編隊控制。 關(guān)鍵詞： 多智能體；多機器人；編隊控制；協(xié)調(diào)控制；模糊控制 Multi-robot Forma

2、tion Control Based on Multi - Agent Abstract : The problem of multi-robot cooperation and coordination is central to mobile robotics. Cooperation and coordination will improve the intelligent performance of robots and can complete lots of impossible missions for single robot.The research on multi-r

3、obot cooperation and coordination is of great academic and applied significance. The multi-robot formation is developed combined with the multi-agent technology in this dissertation, and the simulation is done with the multi-robot system. The application of multi-agent is verified in the multi-robot

4、 formation control through a small system adopt the fomation control. Key words: Multi-agent ;Multi-robot ;Formation control; Coordination control; Fuzzy control 1. 國內(nèi)外機器人系統(tǒng)發(fā)展現(xiàn)狀 自 80 年代末以來，基于多智能體系統(tǒng)理論研究多機器人協(xié)作受到了普遍的關(guān)注，從軍 事領(lǐng)域到工業(yè)與民用領(lǐng)域， 從星際探險到海底考察， 從比賽到教學(xué)， 都取得了不同程度的進 步。近年來，在IEEER&A,IROS等著名的國際機器人學(xué)術(shù)會議上

5、，幾乎每次會議都有多智能 體協(xié)作機器人系統(tǒng)的專題。 一些機器人學(xué)術(shù)刊物出版了有關(guān)多智能體機器人的研究專輯。 些研究項目，如 ACTRESS,CEBOT,GOFER,SWARM已進行了多年 ⑴。 目前，國內(nèi)關(guān)于群體機器人系統(tǒng)的研究剛剛起步，基本上還處于基礎(chǔ)技術(shù)的研究階段， 這方面的研究成果報道比較少。 中科院沈陽自動化所機器人開放研究實驗室是國內(nèi)研究多機 器人技術(shù)較早也較全面的科研單位。 (1) CEBOT(Cellular Robotic System) CEBOT是一種自重構(gòu)機器人系統(tǒng) (Self-Reconfigurable Robotic System)，它的研究是受生物 細胞結(jié)構(gòu)

6、的啟發(fā)， 將系統(tǒng)中眾多的具有相同和不同功能的機器人視為細胞元， 這些細胞元可 以移動，尋找和組合。 根據(jù)任務(wù)或環(huán)境的變化， 細胞元機器人可以自組織成器官化機器人， 多個器官化機器人 可以進一步自組織， 形成更加復(fù)雜的機器人系統(tǒng)。 細胞結(jié)構(gòu)機器人系統(tǒng)強調(diào)是單元體的組合 如何根據(jù)任務(wù)和環(huán)境的要求動態(tài)重構(gòu)。 因此， 系統(tǒng)具有多變的構(gòu)型， 可以具有學(xué)習(xí)和適應(yīng)的 系統(tǒng)智能 (Group Intelligence) ，并具有分布式的體系結(jié)構(gòu) [3]。 (2) ALLANCE/L-ALLANCE 系統(tǒng) ALLIANCE是由美國學(xué)者 Parker提出的用于研究異質(zhì)、中小規(guī)模、獨立性強的、疏松配 合關(guān)

7、系的機器人協(xié)調(diào)的一種結(jié)構(gòu)。通過傳感器信息和精確的廣播 (Broadcast式通訊)來感知自 身的行動效應(yīng)和其他機器人的行動。 每個機器人是基于行為控制的。 L-ALLIANCE是該結(jié)構(gòu)的 擴展，通過再勵學(xué)習(xí)來調(diào)整行為控制器的參數(shù) ⑷。 (3) Cooperative Robotics 實驗系統(tǒng) 美國Oak Ridge國家實驗室的 Lynne E.Parker博士在多 Age nt協(xié)作、自主Agent體系結(jié)構(gòu)、 多Age nt通訊等方面做了許多工作［11~17］。例如人機協(xié)作，移動機器人協(xié)作，多Age nt協(xié)作, 智能Age nt體系等。他們研究的協(xié)作機器人是集成了感知、推理動作的智能系

8、統(tǒng)， 著重研究 在環(huán)境未知且在任務(wù)執(zhí)行過程中環(huán)境動態(tài)變化的情況下，機器人如何協(xié)作完成任務(wù)。 (4) Socially Mobile 和 The Nerd Herd 實驗系統(tǒng) 美國USC大學(xué)的學(xué)者如 M.J.Mataric等在基于行為的多機器人協(xié)作方面做了許多工作。 他們采用自下而上的路線， 基于行為的方式研究分析、 設(shè)計機器人群行為的表現(xiàn)， 在多機器 人學(xué)習(xí)、群體行為、協(xié)調(diào)與協(xié)作等方面展開工作 ［3］。 (5) 中科院沈陽自動化所機器人開放研究實驗室 主要面向發(fā)展具有感知、思維和動作能力的先進機器人系統(tǒng)， 研究機器人學(xué)基礎(chǔ)理論方 法、關(guān)鍵技術(shù)、機器人系統(tǒng)集成技術(shù)和機器人應(yīng)用技術(shù)

9、。 我國機器人學(xué)領(lǐng)域著名科學(xué)家蔣新 松院士曾任實驗室主任。實驗室現(xiàn)任主任為沈陽自動化研究所所長王越超研究員。 圖 1.1 CEBOT(Cellular Robotic System) 圖 1.2Cooperative Robotics 實驗系統(tǒng)的 圖1.3沈陽自動化所多機器人系統(tǒng) CESAR Emperor 2多智能體系統(tǒng)的分類 Age nt作為智能計算實體，能自主完成一定任務(wù)。但是，實際中所有的系統(tǒng)都是分布式 的，個體的知識、能力都是有限的，面對一些復(fù)雜的問題，如具有分布式數(shù)據(jù)或知識，或要 求分布式控制的系統(tǒng)，不得不采用多個Age nt協(xié)作系統(tǒng)。通過適當?shù)捏w系結(jié)構(gòu)將個體組

10、織起 來，不僅能夠彌補個體的不足，而且能使整個系統(tǒng)的能力超過任何單個個體的能力， 這樣的 系統(tǒng)稱為多智能體系統(tǒng) （Multi-Agent System， MAS）⑴。 多智能體系統(tǒng)的體系結(jié)構(gòu)主要研究如何將多個單智能體組織為一個群體并使各個智能 體有效地進行協(xié)調(diào)合作，從而產(chǎn)生總體解決問題的能力。多智能體系統(tǒng)是由大量具有環(huán)境觀 察、任務(wù)規(guī)劃和操作功能的智能體組成。 為了把這些智能體組織成一個復(fù)雜的系統(tǒng)， 來有效 的完成某些預(yù)定任務(wù)， 需要一個合適的控制結(jié)構(gòu)。 多智能體系統(tǒng)的體系結(jié)構(gòu)可從不同的角度 來劃分。 2.1根據(jù)系統(tǒng)中智能體之間的相對關(guān)系來劃分 按照系統(tǒng)中多智能體之間的相對關(guān)系，通常

11、多智能體系統(tǒng)可以分為如下幾種結(jié)構(gòu)： （1 ）完全型網(wǎng)絡(luò)結(jié)構(gòu) 通信對等和信息的局部化是該類型結(jié)構(gòu)的主要特點。 該結(jié)構(gòu)體系要求各智能體均具有通 信和控制功能模塊，并且要保存系統(tǒng)內(nèi)所有智能體成員的信息和知識， 還要求保持所有智能 體之間的通訊鏈路。 對于解決復(fù)雜的問題、 或結(jié)構(gòu)復(fù)雜的系統(tǒng)來說， 完全型網(wǎng)絡(luò)結(jié)構(gòu)體系的 效率會大大降低，并呈現(xiàn)出一種無組織的狀態(tài) [2] O （2 ）層次型網(wǎng)絡(luò)結(jié)構(gòu) 在該類型系統(tǒng)結(jié)構(gòu)中，智能體被分為不同的層次，在同一層上的智能體彼此不能夠直接 進行通信，而需要經(jīng)過其上一層智能體來完成。 上一層智能體負責(zé)其下一層智能體的決策和 控制。該結(jié)構(gòu)中智能體不需要

12、保存系統(tǒng)內(nèi)所有的智能體信息， 只需要保存下一層智能體的相 關(guān)信息和知識，該結(jié)構(gòu)盡管在通信上不如完全網(wǎng)絡(luò)型簡略，但結(jié)構(gòu)層次分明，管理方便 [2] （3 ）聯(lián)盟型網(wǎng)絡(luò)結(jié)構(gòu) 系統(tǒng)內(nèi)的智能體按照某種方式 （通常按照距離遠近、 智能體功能等）來劃分為不同的智 能體聯(lián)盟。在各聯(lián)盟內(nèi)部都存在一個協(xié)助智能體， 它負責(zé)不同聯(lián)盟之間的通信。 不同聯(lián)盟之 間處于對等的關(guān)系，類似于完全網(wǎng)絡(luò)型各智能體之間的關(guān)系 [2]。 圖2.2層次型網(wǎng)絡(luò)結(jié)構(gòu) 圖2.3聯(lián)盟型網(wǎng)絡(luò)結(jié)構(gòu) 2.2從多智能體協(xié)調(diào)系統(tǒng)的體系結(jié)構(gòu)來劃分 多智能體協(xié)調(diào)系統(tǒng)的體系結(jié)構(gòu)是整個系統(tǒng)執(zhí)行協(xié)調(diào)合作任務(wù)的基礎(chǔ)， 決定了系統(tǒng)的能力

13、 和局限性。多智能體協(xié)調(diào)系統(tǒng)的體系結(jié)構(gòu)分為集中式 (Centralized)、分散式(Decentralized)和 分布式(Distributed)三種。協(xié)調(diào)(Coordination)是指智能體對自己的局部行為進行推理， 并估計 其他智能體的行為，以保證協(xié)作行為以連貫的方式進行的一個過程。 (1) 集中式(Centralized)控制結(jié)構(gòu) 系統(tǒng)由一個智能體集中控制整個系統(tǒng)，它是一種規(guī)劃與決策的自上而下 Top-Down式的 層次控制結(jié)構(gòu)，其層的數(shù)量和復(fù)雜性決定了系統(tǒng)響應(yīng)所需的時間和行為決策的質(zhì)量。 系統(tǒng)的 協(xié)調(diào)性較好，但實時性、 動態(tài)性較差，對環(huán)境變化響應(yīng)能力差，集中式系統(tǒng)由一

14、個核心智能 體和多個與之在結(jié)構(gòu)上分散的、 獨立的協(xié)作智能體構(gòu)成。 核心智能體負責(zé)任務(wù)的動態(tài)分配與 資源的動態(tài)調(diào)度，協(xié)調(diào)各協(xié)作智能體間的競爭與合作。 該類系統(tǒng)較易實現(xiàn)系統(tǒng)的管理、 控制 和調(diào)度。 ⑵分散式(Decentralized)控制結(jié)構(gòu)系統(tǒng) 各智能體具有高度智能自治能力， 各智能體自行處理信息、 自行規(guī)劃與決策、自行執(zhí)行 自己的任務(wù)，與其它智能體相互通訊來協(xié)調(diào)各自行為而沒有任何集中控制單元 ?這種結(jié)構(gòu)有 較好的容錯能力和可擴展性，但對通訊要求較高 (多邊通信)，且多邊協(xié)商效率較低(各有各 的算法，思路不統(tǒng)一)，無法保證全局目標的實現(xiàn)。 ⑶分布式(Distributed)控

15、制結(jié)構(gòu)系統(tǒng) 其介于上述兩者之間，是一種全局上各智能體等同的智能分布一分層式結(jié)構(gòu)而局部集中 的結(jié)構(gòu)方式。這種結(jié)構(gòu)方式是分散式的水平交互與集中式的垂直控制相結(jié)合的產(chǎn)物， 其由彼 此獨立、完全平等、無邏輯上的主從關(guān)系的、能夠自律的一組智能體構(gòu)成。各智能體按預(yù)先 規(guī)定的協(xié)議，根據(jù)系統(tǒng)的目標、狀態(tài)與自身的狀態(tài)、能力、資源和知識，利用通信網(wǎng)絡(luò)相互 間協(xié)商與談判，確定各自的任務(wù)，協(xié)調(diào)各自的行為活動，實現(xiàn)資源、知識、信息和功能的共 享，協(xié)作完成共同的任務(wù)以達到整體目標。 在該類系統(tǒng)中，各智能體在結(jié)構(gòu)和功能上彼此獨 立，都以同樣的方式通過網(wǎng)絡(luò)通信相互發(fā)生關(guān)系， 具有良好的封裝性，因此使系統(tǒng)具有很好 的容

16、錯性、開放性和擴展性。既提高了協(xié)調(diào)效率，又不影響系統(tǒng)的實時性、動態(tài)性、容錯性 和擴展性［5］。 圖2.4集中式、分散式、分布式控制系統(tǒng)結(jié)構(gòu) 3?多機器人控制系統(tǒng)模型 系統(tǒng)控制結(jié)構(gòu)明確了系統(tǒng)中具有不同職能的個體相互間的控制關(guān)系。 與MAS體系結(jié)構(gòu)相 同，多移動機器人系統(tǒng)的控制結(jié)構(gòu)也分為集中和分散兩種類型， 其中分散式又可分為分層式 和分布式。為了實現(xiàn)多移動機器人系統(tǒng)動態(tài)和靈活的控制，借鑒 MAS體系結(jié)構(gòu)的研究，這 里設(shè)計了一種多移動機器人協(xié)調(diào)控制系統(tǒng)模型。 圖3.1智能控制器結(jié)構(gòu) 該系統(tǒng)控制結(jié)構(gòu)的上層是由中央控制器、 避障模塊、多移動機器人路徑規(guī)劃、任務(wù)規(guī)劃

17、模塊、人機界面和通訊模塊組成。 它的核心是中央控制器， 它負責(zé)調(diào)用其它的智能體以及對 其各個智能體進行協(xié)調(diào)控制。下層是具有一定智能的各個機器人組成。 中央控制器由四個系統(tǒng)（知識庫系統(tǒng)、模型庫系統(tǒng)、數(shù)據(jù)庫系統(tǒng)及總控系統(tǒng)）構(gòu)成。其 中總控系統(tǒng)控制著其它三個系統(tǒng)的連接與調(diào)用。 知識庫系統(tǒng)從數(shù)據(jù)庫系統(tǒng)中取得事實進行推 理,從而決定從模型庫中調(diào)用何種模型進行計算并確定模型中的一些參數(shù)。選定的模型從數(shù) 據(jù)庫中獲得初始數(shù)據(jù)進行運算并將運算結(jié)果送回數(shù)據(jù)庫。 4. 多機器人系統(tǒng)中的信息交互 在目前的多機器人系統(tǒng)中，由于考慮到現(xiàn)場的復(fù)雜性與系統(tǒng)的靈活性， 普遍采用無線通 信來完成多機器人之間的數(shù)據(jù)交互

18、。 在無線通信領(lǐng)域存在有多種通訊方式， 各種通訊方式有 各自的特點，根據(jù)具體的通訊系統(tǒng)， 采用不同的無線通訊手段。 在我們試驗系統(tǒng)中采用的是 無線局域網(wǎng)（WLAN）,無線局域網(wǎng)利用了無線多址信道和寬帶調(diào)制技術(shù)來提供統(tǒng)一的物理層 平臺，并以此來支持計算機和相關(guān)設(shè)備之間的數(shù)據(jù)通信， 并為通信的移動化、個性化和多媒 體應(yīng)用提供了可能。因此在多機器人協(xié)調(diào)控制中，無線局域網(wǎng)完全能滿足通訊與可靠性的要 求⑵。 4.1無線局域網(wǎng)絡(luò) 無線局域網(wǎng)的設(shè)備通常有以下幾種：無線網(wǎng)卡（終端） 、無線接入點（Access Point接入 端）、無線網(wǎng)橋（點對點傳輸設(shè)備） 圖4.1基于無線網(wǎng)橋的無線局域網(wǎng)設(shè)

19、置 該系統(tǒng)是以對Pio neer 3 H8-AT機器人的改造基礎(chǔ)上形成的 HEBUT2機器人和另一臺同結(jié) 構(gòu)的機器人為平臺進行研究的。本系統(tǒng)中的各機器人之間的通信系統(tǒng)是建立在以 WLAN為 基礎(chǔ)，利用基站和多移動機器人進行一點對多點的通訊。 在我們的多機器人系統(tǒng)中，我們采用了 802.11b協(xié)議，具體的協(xié)議定義與通信幀的結(jié)構(gòu) 可以參考802.11b的國際標準。在無線通信的建立上可以借助與多種專用的軟件來編程實 現(xiàn)，在我們的系統(tǒng)中采用了另外一種方法， 即在Visual C++環(huán)境下應(yīng)用WINSOCK控件進行網(wǎng) 絡(luò)編程。WINSOCK控件提供了訪問TCP和UDP網(wǎng)絡(luò)服務(wù)的方便途徑。采用

20、 TCP協(xié)議可以提 供雙向的、可靠的、有序的和無重復(fù)投遞的數(shù)據(jù)流。 TCP允許創(chuàng)建和維護與遠程計算機的連 接，連接兩臺計算機就可彼此進行數(shù)據(jù)傳輸。 用戶數(shù)據(jù)文報協(xié)議(UDP)是一個無連接協(xié)議。 采用UDP協(xié)議，支持雙向的數(shù)據(jù)流，但計算機并不建立連接，不保證有序、可靠或無重復(fù) 的投遞。在使用中，采用TCP協(xié)議的編程模型應(yīng)用最為廣泛， 因為面向連接協(xié)議提供了一系 列的數(shù)據(jù)糾錯功能，可以保證在網(wǎng)絡(luò)上傳輸?shù)臄?shù)據(jù)及時、無誤地到達對方， In ternet上的多 數(shù)服務(wù)(WWW、FTP、Telnet、SMTP)就是靠此協(xié)議運轉(zhuǎn)的。采用 UDP協(xié)議由于不用建立 TCP和 連接，傳輸比連接協(xié)議快

21、，無數(shù)據(jù)糾錯功能，不保證數(shù)據(jù)的可靠傳遞。比較上述的 UCP兩種通信協(xié)議后，本項目采取了 TCP協(xié)議進行通信。 4.2 WINSOCK使用的主要函數(shù) Server端使用的主要函數(shù)： Bind()函數(shù)指定用于 TCP連接的 LocalPort和 LocalIPo Liste n()函數(shù)設(shè)置偵聽模式。該方法僅適用于 TCP連接。 Accept。在處理ConnectionRequest事件時用這 個方法接受新連接。 Sen dData()用于數(shù)據(jù)的發(fā)送。 Close(關(guān)閉與對方的連接。 Client端使用的主要函數(shù)： Conn ect()要求連接到遠程計算機。 GetData

22、()得到遠程計算機上的數(shù)據(jù)。 Server 圖4.2 WINSOCK通信流程 4.3無線網(wǎng)絡(luò)應(yīng)用層協(xié)議 多移動機器人系統(tǒng)利用 WLAN建立的通信是建立在 TCP/IP協(xié)議棧上的應(yīng)用層的協(xié)議， 協(xié)議中的主要是利用底層的 TCP/IP協(xié)議規(guī)定特定格式的字符串，這些字符中包含著：各機 器人的當前的狀態(tài)信息； 主控端對各機器人的遙操作信息； 各機器人上的傳感器信息。 包括 了兩組共6個顏色傳感器的開關(guān)量信息， 以及車體上的兩組共 6個超聲傳感器返回的測距信 息。還包括了 GPS接收機接收到的位置信息，以及條碼傳感器采集回來的位置信息等內(nèi)容。 4.4在通信系統(tǒng)中的應(yīng)用 多移動機器人的通

23、信系統(tǒng)中分為了移動機器人端和控制臺端兩部分。但在網(wǎng)絡(luò)結(jié)構(gòu)上， 移動機器人端為服務(wù)器端(server),而控制臺端為客戶端(client),這中分配方式的原因有 以下幾點。 ⑴移動機器人端的 PC 一旦啟動后就沒有辦法在對其進行操作了。由于移動機器人的移 動端PC并沒有安裝顯示器，以及鍵盤鼠標等輸入設(shè)備，所以一旦開啟 PC后，移動機器人 自動進入 WINME 操作系統(tǒng)，然后自動啟動編寫好的程序，等待終控端的連接，所以要將移 動端作為 server 端。 ⑵移動機器人通信系統(tǒng)的可擴展性。 移動機器人的通信系統(tǒng)中可涉及的通信對象并不只 有一個移動機器人， 所以控制端的連接要有選擇性， 通信也要有

24、選擇性。 終控端可以同時連 接多個移動機器人，并進行多機的同時控制。 5. 多機器人系統(tǒng)編隊避障控制 所謂隊形控制就是指多個移動機器人在前進的過程中 ,保持某種隊形 ,同時又要適應(yīng)環(huán)境 （例如障礙物 ）約束的控制技術(shù)。 隊形保持控制一般分為兩步 :首先根據(jù)當前環(huán)境確定各機器人 的目標位置； 然后根據(jù)一定的控制策略生成控制命令， 驅(qū)動機器人以一定隊形駛向目標位置。 路徑規(guī)劃主要涉及的問題包括：利用獲得的移動機器人環(huán)境信息建立較為合理的模型 , 再用某種算法尋找一條從起始狀態(tài)到目標狀態(tài)的最優(yōu)或近似最優(yōu)的無碰撞路徑； 能夠處理環(huán) 境模型中的不確定因素和路徑跟蹤中出現(xiàn)的誤差 ,使外界物體對機器

25、人的影響降到最??；如 何利用已知的所有信息來引導(dǎo)機器人的動作 ,從而得到相對更優(yōu)的行為決策 [4]。 5.1 幾種常見的編隊控制策略 [2] 多移動機器人的路徑規(guī)劃問題不單純是單個移動機器人的路徑規(guī)劃問題的延伸 ,還要考 慮多移動機器人之間的協(xié)調(diào)、 編隊避障 （機器人可能成為其他機器人的障礙 ）等 ,因而使問題更 加復(fù)雜。 1. 跟隨領(lǐng)航者法 跟隨領(lǐng)航者法的基本思想是： 在多移動機器人組成的群體中， 某個機器人被指定為領(lǐng)航 者，其余作為它的跟隨者， 跟隨者以一定的距離跟蹤領(lǐng)航機器人的位置和方向。 對該方法進 行拓展，可以指定一個領(lǐng)航者， 也可以指定多個領(lǐng)航者， 但群體隊形的領(lǐng)航者只有

26、一個，這 與一個步兵班在進攻中可以劃分為若干戰(zhàn)斗小組是類似的。 根據(jù)領(lǐng)航者與跟隨機器人之間的 相對位置關(guān)系， 就可以形成不同的網(wǎng)絡(luò)拓撲結(jié)構(gòu)， 即形成不同的隊形。 該方法中， 協(xié)作是通 過共享領(lǐng)航機器人的狀態(tài)等信息實現(xiàn)的。 跟隨領(lǐng)航者法的優(yōu)點是， 僅僅給定領(lǐng)航者的行為或軌跡就可以控制整個機器人群體的行 為。該方法的主要缺點是系統(tǒng)中沒有明確的隊形反饋，例如，如果領(lǐng)航機器人前進得太快， 那么跟隨機器人就有可能不能及時跟蹤。 另一個缺點是如果領(lǐng)航機器人失效， 那么整個隊形 就會無法保持。 2. 基于行為法 基于行為法的基本思想是： 首先為機器人規(guī)定一些期望的基本行為， 一般情況下， 機器 人的行為

27、包括避碰、 避障、駛向目標和保持隊形等。 當機器人的傳感器受到外界環(huán)境刺激時， 機器人根據(jù)傳感器的測得的信息作出反應(yīng)， 改變自身的運動方向和速度。 行為選擇模塊通過 一定的機制來綜合各行為的輸出， 并將綜合結(jié)果作為機器人當前的行為輸出。 該方法中， 協(xié) 作是通過共享機器人之間的相對位置、 狀態(tài)等信息實現(xiàn)的。 對該方法的拓展和改進主要體現(xiàn) 在對各行為輸出的處理上，即行為選擇機制上。 3. 虛擬結(jié)構(gòu)法 假想將剛體上的某些點用機器人代替， 并以剛體上的坐標系統(tǒng)作為參考坐標系， 那么剛 體運動時， 機器人在參考坐標系下的坐標不變， 機器人之間的相對位置也保持不變， 即機器 人之間可以保持一定的幾何形

28、狀， 它們之間形成了一個剛性結(jié)構(gòu)， 這樣的結(jié)構(gòu)稱為虛擬結(jié)構(gòu)。 雖然每個機器人相對于參考系統(tǒng)位置不變， 但它仍可以一定的自由度來改變自己的方向。 多 移動機器人以剛體上的不同點作為各自的跟蹤目標就可以形成一定的隊形 [2] 。 5.2 多機器人編隊策略 本文選用的是美國 ActivMedia公司生產(chǎn)的Pioneer 3 H8-AT機器人，它有四個橡膠輪胎， 同側(cè)輪是由一個伺服電機驅(qū)動，類似與履帶式驅(qū)動結(jié)構(gòu)。因此可以將其簡化成兩輪移動載體 模型，且兩輪同軸而且位于車體的中心位置 ⑷。 Pioneer 3移動機器人上裝有顏色傳感器、 條碼傳感器、路徑跟蹤 CCD監(jiān)視CCD,它們 負責(zé)環(huán)境感

29、知信號的采集；視頻傳輸模塊將 CCD的AN信號傳輸?shù)奖O(jiān)視器上，可以遠程監(jiān) 視；無線網(wǎng)卡負責(zé)移動機器人和外界的數(shù)據(jù)通 信。Pioneer 3 H8-AT移動機器人的下位機 MCU 承擔(dān)了底盤驅(qū)動和傳感信號采集的工作， 并將 各種信息傳輸給上位機，待上位機處理以后， 再將輸出的信息通過串口通信送往底層控制， 以實現(xiàn)移動機器人的兩輪驅(qū)動。 控制策略：本文是以 Pioneer 3移動機器 人改造后的HEBUT2機器人作為領(lǐng)航機器人， 它要一直沿著一根寬度為 5?6cm的紅色的軌 跡運動到一個目標位置，另一機器人一定的距 離跟蹤領(lǐng)航機器人的位置和方向。 CCD另一種方案 領(lǐng)航機器人用于路徑跟蹤的

30、傳感器有兩種方案: 是顏色傳感器和條碼傳感器組合。 當使用路徑跟蹤 CCD時，運用 圖像處理的方法從 CCD采集的圖像 信息中提取出路徑，經(jīng)過 CCD坐標 和車體坐標的換算得出移動機械手 相對與車體的偏航角，進而由程序處 理發(fā)出糾偏指令，移動載體進行糾 偏。再通過路徑上所貼的不同顏色的 路標進行定位。其優(yōu)點是糾偏量合 理，路徑跟蹤軌跡圓滑，但精度較差， 且易受光線影響。 圖5.1經(jīng)改裝后的Pioneer 3移動機器人 一種方案是路徑跟蹤 路徑 圖5.2顏色傳感器與條形碼傳感器 顏色和條碼傳感器組合的方案中，顏色傳感器使用的是 KEYENCE^司的CZ-V1,CZ-10 它對顏色的

31、辨識準確、誤報率低、運行可靠。 選用兩組對路徑進行辨識，當機器人偏差較大 時，顏色變化引起傳感器 I/O輸出量變化，主機 PC檢測到后程序糾偏，完成巡跡。條形碼 傳感器主要是起定位的作用，當機器人運動到條形碼的上方時， 條碼掃描器掃中條碼同時將 條碼的內(nèi)容通過串口發(fā)給主機， 主機解析條碼的內(nèi)容來做出相應(yīng)的動作。 其優(yōu)點是跟蹤準確， 不易受干擾，但跟蹤軌跡成“之”字形比較嚴重。在實際使用中，采取兩種方式結(jié)合使用， 取其優(yōu)勢，視現(xiàn)場情況而定。 多移動機器人隊形控制中應(yīng)該做到： ①隊列向目標區(qū)域運動時盡量保持隊形 （除非隊列 中有機器人遇到障礙物）；②機器人在遇到障礙物后，先進行避障，然后

32、恢復(fù)隊形并要求時 間盡可能的短，恢復(fù)隊形后再向目標位置運動。 5.3多機器人編隊控制算法 本課題采用了閉環(huán)1-2編隊控制算法。I為兩機器人之間的相對距離， “為兩機器人間 的相對角度。算法的中心思想是將機器人間的 I和“保持在一個固定的值［1］。 ROBOT1 是 leader,ROBOT2是 follower。那么，ROBOT2跟隨 ROBOT1 運動。每臺機器人 的位姿為（xi,yi, Bi），它們就是機器人的參考原點的坐標，已在全局坐標系中表示出來。 0是 全局坐標系原點。機器人的轉(zhuǎn)動中心點位于中心軸上兩驅(qū)動輪的中心位置。 R0B0T1和 R0B0T2的兩參考原點間的直線距

33、離就是兩機器人間的距離 I，d表示參考點和轉(zhuǎn)動中心點間 在中心軸線上的直線距離。 線速度的正方向為機器人前行的方向， 角速度的正方向為逆時針 方向。 R0B0T1 Li RDBQI2 圖5.3兩個機器人的數(shù)學(xué)模型 對于第i號機器人來說，它本地的狀態(tài)變量 （xi,yi,vi, 3 i）是從定位線程得到的，而它所得 到的其他機器人的信息 （xj,yj, 0 j,vj, 3 j）（j工i）是通過無限網(wǎng)卡傳輸過來的。 跟隨機器人將自己 與領(lǐng)航機器人間的相對參數(shù) （I, “）以及系統(tǒng)所期望的理想之（Id, W d）之差反饋于機器人自身， 再 通過比例控制器將這一反饋信息作用于

34、自身的速度 （v）和角速度（3 ），從而完成跟隨控制。 5.4恢復(fù)隊形階段的路徑規(guī)劃 當隊形被嚴重打亂時， 隊列的首要任務(wù)是快速恢復(fù)隊形。 保持隊形的控制方法雖然可以 保證隊形收斂到目標隊形， 但所需的恢復(fù)時間較長， 因此需要尋找更有效的控制方法以保證 隊形快速恢復(fù)。顯然，隊列恢復(fù)隊形所需的時間就是隊列中最后到達局部目標位姿的機器人 所花費的時間。因此本論文將快速恢復(fù)隊形問題轉(zhuǎn)化為尋找各機器人局部目標位姿問題， 使 得各機器人從當前位姿運動到對應(yīng)局部目標位姿的最長時間最短 [5]。 記R（i=1,2,, ,n）當前位姿為Qi，局部目標位姿 Giq,最終位姿Qi*。顯然，當隊列恢復(fù)隊

35、形 時，各機器人的局部目標位姿受到 I-W編隊參數(shù)的約束，故只要確定隊列中一個機器人的局 部目標位姿，即可得到其他機器人的局部目標位姿。本文直接規(guī)劃 R的局部目標位姿 Qig, 其他機器人的局部目標位姿 Qig可根據(jù)Qig計算得到。 5.5多機器人編隊中避障控制 本論文使用了一種基于模糊邏輯的移動機器人 “感知一動作”行為控制的新方法利用模 糊邏輯來融合多個“感知 一動作”行為，來改善系統(tǒng)的實時性和可靠性。 模糊控制的核心部分為模糊控制器。 模糊控制器的控制規(guī)則由計算機的程序?qū)崿F(xiàn)， 微機 通過采樣獲取被控制量的精確值，然后將此量與給定值比較得到誤差信號 E（在此取誤差反 饋）。

36、一般誤差信號 E作為模糊控制器的輸入量。把誤差信號 E的精確量進行模糊化變成模 糊量，誤差E的模糊量可用響應(yīng)的模糊語言表示。 至此，得到了誤差E的模糊語言集合的一 個子集e（e實際上是一個模糊向量）。再由e和模糊控制規(guī)則 R模糊關(guān)系）根據(jù)推理合成規(guī)則 進行決策，得到模糊控制量 u. 以下給出了移動機器人的模糊邏輯控制方案，即所選取的模糊控制器的輸入輸出變量, 得到移動機器人左 該機器人是通過安裝在機器人前端的多超聲傳感器陣列來獲取環(huán)境信息， 側(cè)、右側(cè)的障礙物距離信息。輸出變量是機器人在前進方向上的旋轉(zhuǎn)角度。 模糊控制器 左側(cè)距離信息 右側(cè)距離儁息 模糊星化 反模糊化 機

37、器人旋轉(zhuǎn)角度 圖5.4模糊邏輯模型與控制方案 5.5.1輸入量模糊化 (1) 設(shè)距離信號的模糊語言變量值的集合為： ｛近，中，遠｝，簡化表示為：｛ND, MD，LD｝ (2) 根據(jù)超聲傳感器的實測距離， 輸入距離信號的實際論域為 X* ［500，1500］毫米；采用線性 變換：x=1/100x*-10取計算論域為x ［-5，5］。 (3) 左、右兩側(cè)輸入距離的模糊語言隸屬度函數(shù)如圖 5.5所示： ■5-4-3 ?2 “ 0 I 2 3 4 5 圖5.5輸入距離的隸屬度函數(shù) 隸屬 規(guī)則 -5 -4 -3 -2 -1 0 1 2 3 4

38、 5 ND 1 0.8 0.6 0.4 0.2 0 0 0 0 0 0 MD 0 0.2 0.4 0.6 0.8 1 0.8 0.6 0.4 0.2 0 LD 0 0 0 0 0 0 0.2 0.4 0.6 0.8 1 表1.輸入距離量隸屬度規(guī)則 5.5.2輸岀量模糊化 設(shè)輸出的模糊語言集合如下：｛右轉(zhuǎn)，稍微右轉(zhuǎn)，前進，稍微左轉(zhuǎn)，左轉(zhuǎn)｝簡化表示為：｛TR, TRL, GA, TLL TL｝移動機器人的輸出變量即旋轉(zhuǎn)角度的實際論域為 ［-30 , 30］，單位是度， 且向左轉(zhuǎn)為正方向；采用線性變換， y=215y*

39、取計算論域為［-4 , 4］。 角度輸出的模糊語言隸屬度函數(shù)如圖 4.11所示： TR TRL GA TLL TL 4 3 2 1 0 1 2 3 4 圖5.6輸出變量隸屬度函數(shù) 規(guī)則 -4 -3 -2 -1 0 1 2 3 4 TR 1 0.5 0 0 0 0 0 0 0 TRL 0 0.5 1 0.5 0 0 0 0 0 GA 0 0 0 0.5 1 0.5 0 0 0 TLL 0 0 0 0 0 0.5 1 0.5 0 TL 0 0 0 0 0 0 0

40、 0.5 1 表2.輸出角度隸屬規(guī)則表 5.5.3最終的模糊控制規(guī)則 用Rd表示機器人右側(cè)與障礙物的距離； Ld表示機器人左側(cè)與障礙物的距離； U表示輸出。 機器人的避障規(guī)則如表 3所示，根據(jù)模糊輸入的輸出控制如表 4所示: DR\U\DL ND MD LD ND TRL TLL TL MD TRL GA TLL LD TR TRL GA 表3.避障模糊控制規(guī)則 -5 -4 -3 -2 -1 0 1 2 3 4 5 -5 -1 1 2 2 2 3 3 3 4 4 4 -4 -1

41、 -1 1 2 2 2 3 3 3 4 4 -3 -1 -1 0 1 2 2 2 3 3 3 4 -2 -2 -1 -1 0 1 2 2 2 3 3 3 -1 -2 -2 -1 -1 0 1 1 2 2 3 3 0 -3 -2 -2 -1 -1 0 1 1 2 2 3 1 -3 -3 -2 -2 -1 -1 0 1 1 2 2 2 -3 -3 -3 -2 -2 -2 -1 0 1 1 2 3 -4 -3 -3 -3 -2

42、 -2 -2 -1 0 1 1 4 -4 -4 -3 -3 -3 -2 -2 -2 -1 0 0 5 -4 -4 -4 -3 -3 -3 -2 -2 -2 -1 0 表4.輸入輸出模糊控制規(guī)則 5.6去模糊化 去模糊化的方法很多，常用的有最大隸屬度法、加權(quán)平均法、 取中位數(shù)法等，本文采用 了加權(quán)平均法。  例如： Ld輸入為1000 ( mm) ,Rd輸入為900 ( mm),根據(jù)x=1/100x*-10轉(zhuǎn)換到計算論域中為， X左=0, X右=-1。則查表4可以得到輸出角度的模糊變量為 1，輸出向量為[0 , 0, 0

43、.5, 0.5 , 0], {TR, TRL，GA, TLL，TL}對應(yīng)角度為[-30，-15 ° 0 °, 15 ° 30 °。 應(yīng)用加權(quán)平均法， 可得： * T y = [-30 , °15 ° 0° 15 ° 30 [0, 0, 0.5, 0.5, 0] y =7.5°,表示機器人向左轉(zhuǎn) 7.5 6. 仿真結(jié)果與試運行狀態(tài) 在本論文中，實際使用了 Pion eer 3 H8-AT型智能移動機器人前方的六個超聲傳感器， 把 它們分成了左組和右組，選取每組中的最小的一個數(shù)值作為輸入。 因此，在仿真實驗中機器 人按照實際的移動機器人的設(shè)置，分別在機器人的左前和右前位置上

44、布置了相同的超聲傳感 器，這樣就可以探測到機器人前方的比較完全的信息。 由于實際的機器人有盲區(qū)問題， 而在 仿真中的超聲波傳感器的測距范圍是 [0,+^],所以在仿真中傳感器的檢測范圍按照實際值設(shè) 置為[0.5, 1.5](單位：米)。在多移動機器人以一定的隊形移動的控制中，主要是利用閉環(huán) 1-2控制算法來實現(xiàn)的。其中機器人的避障行為，是通過建立模糊規(guī)則設(shè)計了模糊控制器來 實現(xiàn)的。 (1) 單個機器人避障行為的仿真，如圖 6.1所示。 (2) 在無障礙物的環(huán)境下，兩機器人以 l=1m, 2 =30度的隊形移動的仿真結(jié)果，如圖 6.2 所示。 恃厲拈果(I I 迅，日

45、 圖6.1單機器人避障行為仿真 扮■止純槊I I) I 1 ■ ■ ★ a ROBOT2 RflEOTL- ■ ? ./ ? 「卜7 1 ■ 怙盤蛉杲I 2 1 圖6.2多機器人避障行為仿真 本實驗實現(xiàn)了移動機器人的路徑跟蹤、避障行為（圖 6.3所示）以及解死鎖等行為，并 能夠?qū)崿F(xiàn)良好的人機交互，完成復(fù)雜的任務(wù)。 圖6.3實驗機器人在障礙環(huán)境中 7?總結(jié)體會 多移動機器人技術(shù)的研究是機器人技術(shù)發(fā)展的一種大的趨勢， 它將對機器人技術(shù)的發(fā)展 帶來很大的變革，多移動機器人系統(tǒng)在工業(yè)、 農(nóng)業(yè)、服務(wù)業(yè)、國防等領(lǐng)

46、域具有廣闊的應(yīng)用背 景，目前多移動機器人技術(shù)的研究己經(jīng)成為國際學(xué)術(shù)前沿的研究熱點。 作為當前人工智能領(lǐng) 域中研究熱點的 MAS理論，以Age nt為其核心概念，研究 MAS如何通過Age nt間的協(xié)調(diào)與 協(xié)作完成復(fù)雜任務(wù)，特別是分布式任務(wù) ⑷。 本論文的研究工作主要從多移動機器人系統(tǒng)的高層組織與規(guī)劃著手， 以全局觀念研究多 移動機器人系統(tǒng)協(xié)調(diào)協(xié)作機制以及其它問題，解決了多移動機器人系統(tǒng)研究中的一些問題。 同時，也看到了當前在多移動機器人系統(tǒng)研究中對多移動機器人系統(tǒng)的研究主要圍繞具體任 務(wù)或具體實驗系統(tǒng)展開，而且各機器人都是同構(gòu)的，使得系統(tǒng)的應(yīng)用范圍和擴充性有限， 研 究成果往往難以

47、推廣。 鑒于多移動機器人系統(tǒng)智能化、 自治化和網(wǎng)絡(luò)化發(fā)展的趨勢， 總結(jié)本 文工作，并結(jié)合已有研究的不足，還需要在以下幾方面進行改進和完善： 1 ?多智能體的理論與應(yīng)用研究剛剛起步，把多智能體技術(shù)應(yīng)用到多移動機器人協(xié)調(diào)控 制系統(tǒng)中，是一種較新的方法，我們只做了比較初步的工作，在理論和實際應(yīng)用上還存在一 些差距，需進一步完善。 2?在多移動機器人系統(tǒng)中，還需要進一步提高單個機器人智能體的智能化程度，使機 器人能夠更有效的理解人類的意圖。 參考文獻： [1] D.Sri nivasa n and M.C.Choy. Cooperative multi-age nt system for c

48、oord in ated traffic sig nal control . IEE Proceedi ngs. Vol. 153, No. 1, March 2006 [2] Brett J You ng, Ra ndal W Beard, Jed M Kelsey.A Con trol Scheme for Improvi ng Multi-Vehicle Formation Maneuvers.American Control Conference , Arlington , VA, June 25 -27,2001,704-709 [3] 郭勝輝，張明路.基于多智能體的多移動機器人協(xié)調(diào)控制技術(shù)【 D】河北工業(yè)大學(xué).2006.10 [4] 王俊松等.基于Multi-Age nt的多機器人控制技術(shù).天津職業(yè)技術(shù)師范學(xué)院學(xué)報【J】.第14 卷,第2期,2004年6月.3-7 ⑸ 蘇治寶，陸際聯(lián).多移動機器人隊形控制的研究方法 .機器人【J】第25卷，第1期，2003年1 月.88-91