基于粒子群优化算法的多机器人编队控制技术

论文摘要

随着机器人应用范围的扩大,对其能力的要求越来越高,多个机器人协作可以完成单个机器人无法完成的复杂任务。编队控制是一个具有典型和通用性的多机器人协调问题,是多机器人协调问题的基础,对多机器人协作系统的研究有巨大的推动和促进作用。本文采用基于行为的多机器人编队控制方法,但是在这种编队控制方法中,存在基本行为的有效设置和权重参数值的优化选择两个问题。针对基本行为的有效设置问题,本文对机器人躲避静态障碍物和躲避机器人碰撞行为做了改进,设计了一个随机器人到障碍物或其他机器人的最短距离减小而增大的偏转角度,使得机器人能够平滑地躲开静态障碍物或其他机器人。对于实体领航机器人的容错性差的问题,本文在机器人队形的几何中心设置一个虚拟机器人作为领航机器人,带领整个机器人群体运动。其次针对多机器人编队控制中行为控制参数值选择困难的问题,本文采用粒子群优化算法选择更优的控制系数。但是由于优化目标是高维多极值点的函数,标准粒子群算法在优化高维目标时易出现早熟和收敛慢的问题,本文提出了一个改进的自适应粒子群算法,根据粒子的空间分布和进化状态,设置相应的自适应控制参数,同时对陷入全局最优点的粒子采取一个非均匀逃逸跳跃策略,仿真测试表明改进的粒子群算法具有更好的搜索性能。最后把改进的面向高维优化目标的自适应粒子群优化算法用于多机器人编队控制中,选择出更优的行为权重参数值,在MATLAB平台上对多机器人编队控制做了仿真,通过和优化前的编队控制对比,证明了基于粒子群优化算法的编队控制算法的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究的背景和意义
• 1.1.1 背景
• 1.1.2 意义
• 1.2 多机器人编队技术研究现状
• 1.3 本文主要研究内容和章节安排
• 1.3.1 本文主要研究内容
• 1.3.2 本文章节安排
• 第二章 多机器人系统及编队控制
• 2.1 多机器编队系统的体系结构
• 2.1.1 集中式结构
• 2.1.2 分布式结构
• 2.1.3 混合式结构
• 2.2 机器人在群体中的感知和通信
• 2.3 多机器人编队控制的基本问题
• 2.4 多机器人编队控制方法
• 2.4.1 基于行为的方法
• 2.4.2 领航跟随者法
• 2.4.3 虚拟结构法
• 2.4.4 人工势场法
• 2.5 多机器人队形控制的相关问题
• 2.5.1 多机器人编队的队形
• 2.5.2 队形参考点的选取
• 2.5.3 队形的表示方法
• 2.5.4 多机器人编队性能评估
• 2.6 队形控制的容错性和稳定性
• 2.7 本章小结
• 第三章 粒子群优化算法及其改进
• 3.1 基本粒子群算法
• 3.2 粒子群优化算法的参数分析
• 3.3 粒子群算法改进的必要性
• 3.4 面向高维优化目标的自适应粒子群算法
• 3.4.1 算法思想
• 3.4.2 算法描述
• 3.5 算法仿真及分析
• 3.6 本章小结
• 第四章 基于粒子群优化算法的多机器人编队控制方法
• 4.1 机器人模型和环境的构建
• 4.1.1 机器人的模型
• 4.1.2 环境的构建
• 4.2 多机器人队形参考点的选取和队形描述
• 4.3 基于行为的多机器人编队控制结构
• 4.4 多机器人避碰实现
• 4.4.1 机器人躲避障碍物策略
• 4.4.2 机器人躲避其它机器人策略
• 4.4.3 机器人绕障碍物行走策略
• 4.5 基本行为的设计与合成
• 4.5.1 跟随机器人的基本行为设计
• 4.5.2 虚拟领航者机器人的行为设计
• 4.5.3 机器人输出行为的合成
• 4.6 静态环境下多机器人编队控制算法和仿真
• 4.6.1 静态环境下多机器人编队控制算法
• 4.6.2 静态环境下多机器人编队控制仿真
• 4.7 基于粒子群优化算法的多机器人编队控制及仿真
• 4.7.1 算法描述
• 4.7.2 粒子群优化算法优化多机器人编队控制仿真
• 4.8 本章小结
• 第五章 总结和展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢