多机器人编队跟踪航迹控制探讨范文

本站小编为你精心准备了多机器人编队跟踪航迹控制探讨参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

《南京航空航天大学学报》2017年第S1期

摘要:对多机器人编队跟踪航迹进行控制，能够有效提高多机器人合作工作效率及配合精度。对多机器人编队跟踪航迹的控制，需要实现多机器人各自避障路径的寻找，设计了惩罚函数，完成编队航迹的控制。传统方法利用一致性思想，将对机器人编队控制转换成为系统稳定性问题，构建预测模型，但忽略了设计避障路径的惩罚函数，导致控制精度偏低。针对蚁群算法路径规划初期路径搜索不能规避障碍物的情况，提出人工势场蚁群算法对机器人的编队进行控制。采用栅格法实现机器人的环境建模，实现多机器人各自避障路径的寻找，同时设计了惩罚函数，经过算法层层迭代，路径与队形状态达到最优。仿真结果表明，势场蚁群算法路径规划能够规避障碍，对机器人编队进行控制。

关键词:多机器人;编队跟踪;航迹控制

1引言

当前机器人技术已经成为社会科技项目的研究热点，机器人的研究是一个跨学科领域［1］，融合了人工智能、自动化、机电、通信工程等多个学科的知识，它的研究进展及水平高低体现了一个国家的计算机自动化水平［2－3］。由于机器人能够探测外部环境，是一个具有模式识别，复杂任务执行与分配、自主行为决策等多功能的控制系统，能够实现自主决策，不同机器人之间的协同合作，适应各种恶劣的环境并完成各种工作。文章对多机器人的编队控制进行研究。多机器人编队一般情况下包含两个步骤［4－5］:首先，多机器人对自己的目标位置信息进行分析，分析完成之后通过控制方法和命令，使机械人形成一定的队形向目标点移动，当前，研究机器人编队控制的方法主要有三种，分别为领航跟随法、基于行为法、人工势场法。多机器人编队协调问题是多机器人系统研究的热电和难点之一。空间搜索等很多任务需要解决多机器人在不确定环境中形成一定队形并按照预定的队形继续拧问题，即编队问题。文献［6］提出一种采用混合编队方法即动态偏转角度虚拟领航跟随法结合基于行为法，该混合算法是在PSO算法的基础上改进惯性权重公式，加速收敛速率和解决决意掉进局部最优的缺陷。该方法可以保持队列稳定，形成队形反馈，但该方法可行性低。过程较为繁琐。文献［7］提出基于预测控制的时滞机器人编队脉冲控制方法。利用一致性思想将对机器人编队控制转换成为系统稳定性问题，构建预测模型，采用脉冲控制协议，在数值仿真中随机设置一种包含生成树的通信拓扑关系。该方法原理较为简单，但是控制精度偏低，不能大范围应用。文献［8］提出一种基于模糊滑膜控制的多机器人系统编队控制方法。基于Lyapunov理论，运用领航一跟随法，建立机器人系统的动力学模型。该模型具有不确定性，不能准确对多机器人进行编队控制。为有效解决上述问题，提出人工势场蚁群算法对机器人的编队进行控制。采用栅格法实现机器人的环境建模，采用势场蚁群算法实现多机器人各自避障路径的寻找，同时设计了惩罚函数，经过算法层层迭代，路径与队形状态达到最优。仿真结果表明，势场蚁群算法路径规划能够规避障碍，对机器人编队进行控制。

2多机器人编队跟踪航迹控制原理

由于多机器人中每个机器人的起始点和目标点都不相同，因此，需要搜寻到最安全的路径，避免这些机器人在运动过程中出现交叉、碰撞的情况，打乱运动秩序。因此，本研究中采用了蚁群算法对多机器人的运动路径进行规划，选取N组妈蚁并假设每组蚂蚁中包含M类蚂蚁，且每一类蚂蚁代表一类机器人，不能出现重复。将相应的蚂蚁放置到对应机器人的起始节点上，为了避免不发生碰撞，借鉴人工势场中引力和斥力的概念，重新构造启发式信息，在满足机器人之间不发生碰撞的条件下，采用“轮盘赌”的方法根据信息素的浓度确定蚂蚁下一运动节点，M类蚂蚁全部完成路径选择之后，局部更新每类蚂蚁在栅格图上对应的信息素浓度。当N组蚂蚁全部完成路径选择之后，全局更新N组蚂蚁在每条边上的M类信息素浓度。不断重复上述过程，直到得出每个机器人的最优路径。

3基于混合人工势场－蚁群算法的多机器人编队跟踪航迹控制方法

3．1惩罚因子

为了避免出现局部最优的情况，通常采用“轮盘赌”的方法寻找各类蚂蚁的全局最优解，但是由于蚂蚁寻找路径时蚁群算法根据伪随机比例进行，搜寻到不安全路径的几率很高，因此，提出了惩罚因子的概念以淘汰不安全路径，见式(6)，惩罚因子是一个施加在路径长度的系数。

3．2势场蚁群算法的势场力分析

在人工势场中存在引力市场和斥力市场，引力势场由目标点形成，斥力势场由障碍物形成。

4仿真结果与分析

仿真采用MATLAB软件，首先进行栅格建模，形成20×20的栅格环境，障碍物区域设置成黑色，机器人的自由运动区域设置成白色，该虚拟环境中混合人工势场—蚁群算法的参数设置:蚂蚁种类数m根据群机器人的个数确定。

参考文献:

［1］刘海光，孙明太，王桂芹．基于势场启发蚁群算法的远程水中兵器航路规划［J］．指挥控制与仿真，2016，38(6):42－45．

［2］张国秀，等．未知环境下基于模糊控制多机器人编队算法［J］．指挥与控制学报，2016，2(3):182－187．

［3］纪友州．一种目标势场启发式蚁群算法的全局路径规划［J］．信息与电脑(理论版)，2016，(24)．

［4］王雪瑞，周岩．基于时变密度函数的多机器人覆盖控制［J］．计算机工程与设计，2016，37(10):2816－2820．

［5］孟静，陈罡，高晓丁．多移动机器人的目标跟踪研究［J］．计算机测量与控制，2016，24(4):141－145．

［6］仇国庆，牛婷，寇倩倩．基于改进LPSO混合算法的多机器人编队［J］．科技创新与应用，2017，(7):11－12．

［7］张国良，等．基于预测控制的时滞多机器人编队脉冲控制［J］．控制与决策，2016，31(8):1453－1460．

［8］钱殿伟．基于模糊滑模的多机器人系统编队控制［J］．智能系统学报，2016，11(5):641－647．

［9］高田田，张莉，李炳德，高晴．基于改进粒子群算法的足球机器人路径规划．［J］．西安工程大学学报，2016，5(30):609－615．

作者：程慧芳1；马丽艳2；贾东力2 单位：1．河北工程大学图书馆技术部，2．河北工程大学信电学院