一种基于改进基因调控网络的分布式群机器人协同集群算法制造技术

本发明专利技术提供了一种基于改进基因调控网络的分布式群机器人协同集群控制方法，通过在基于图灵反应‑扩散机制的基因调控网络模型中嵌入菱形网格分布方程和轨迹跟随方程，控制每个机器人的移动矢量速度，使得初始状态为随机分布的每个机器人，在t时刻始终向预设的集群轨迹位置聚拢，同时自组织地排列为菱形网格分布，并能够在动态环境中避障以及自修复队形，本发明专利技术改进的基因调控网络模型中的参数取值由NSGA Ⅱ优化算法给出。本发明专利技术的算法计算复杂度低，拓展性好，对于任意一机器人只需采集其邻域机器人的位置信息，因此所需通信范围小，有效降低了通信负担；另外，若运行中部分机器人失效，系统仍可正常工作，鲁棒性好，极具应用前景。

Distributed swarm Robot Cooperative cluster algorithm based on improved gene regulatory network

The invention provides a distributed swarm Robot Cooperative cluster control method based on an improved gene regulatory network. By embedding diamond mesh distribution equation and trajectory following equation in the gene regulatory network model based on Turing reaction diffusion mechanism, the moving vector speed of each robot is controlled so that the initial state is Each randomly distributed robot always converges to the preset position of the cluster trajectory at time t, and at the same time arranges itself as a diamond grid, and can avoid obstacles and self-repairing formation in dynamic environment. The parameters in the improved gene regulatory network model of the invention are determined by the NSGA II optimization algorithm. The algorithm of the invention has low computational complexity and good expansibility, and only needs to collect the position information of the neighboring robot for any robot, so the communication range required is small, and the communication burden is effectively reduced; moreover, if some robots fail in operation, the system can still work normally, and has good robustness, which has great application prospect.

【技术实现步骤摘要】
一种基于改进基因调控网络的分布式群机器人协同集群算法
本专利技术属于群机器人控制领域，涉及一种基于改进基因调控网络的分布式群机器人协同集群控制方法。
技术介绍
随着移动机器人技术的发展和成熟，人类对机器人的应用与需求也与日俱增。机器人作为一种新型生产工具，在减轻劳动强度，提高生产率，改变生产模式以及把人从危险、恶劣或繁重的工作环境下解放出来等方面，显示出极大的优越性。群机器人集群是指较多数量的机器人按照一定的队形模式编队移动。对群机器人集群系统进行研究具有实际意义，一方面，其具有广阔的应用前景和工程价值；另一方面，它是理解生物复杂性的一个途径。这些系统的共同特点是：个体自治、无全局通讯、无集中式控制。通过设计一定的控制规律，可以使系统整体呈现出所期望的涌现行为。目前应用较多的群机器人集群方法分为集中式控制和分布式控制，集中式控制目前国内应用较多，如专利CN106562250A，专利CN1061126888A等，但集中式控制需要中央控制器，每个个体均需和中央处理器进行通信，对中央处理器要求较高，系统整体通信量大，计算量大，且系统鲁棒性较差，一旦中央处理器出现问题，整个系统瘫痪，系统拓展性也较差。目前效果较好的分布式控制如Olfati-Saber提出的基于Reynolds法则的集群算法及其后续一系列改进算法，该方法控制效果较好，但是需要邻域机器人的速度信息，对通信要求较高，增加了通信量、计算量及机器人硬件要求。还有一些基于成形素等的生物启发智能算法，除获取邻域机器人位置信息外，也需要机器人之间传递ID，梯度信息等，如专利CN06155057A等，而且基于成形素的集群算法机器人只能交替移动，无法整体同时移动。基因调控网络是由一组基因、蛋白质、小分子以及它们之间的相互调控作用所构成的一种生化网络，它是一类基本且重要的生物网络。将生物与控制论结合的生物控制论是控制论的重要组成部分，基因调控网络便是生物控制论的一个重要分支，它可以巧妙地将生物系统中的控制、调节及协同运用于多智能体系统。图灵反应-扩散模型是研究生物图案形成的一种经典且效果很好的模型，近几十年也得到了很大的进展。Jin等人提出了一种融合图灵反应-扩散机制的基因调控网络用于指定位置的群机器人图案拼写。该模型拓扑结构简单，所需输入信息较少，控制效果好，但是该模型目前只能用于每个机器人均给出指定固定位置，仍存在着很大的改进空间。因此研究一种计算量少、通信负担小且只需要邻域机器人的位置信息就可以准确控制群机器人集群队形的分布式群机器人协同集群算法极具现实意义。
技术实现思路
本专利技术的目的是克服现有技术无法同时兼顾对机器人的集群队形进行高准确性地控制、使系统计算简单以及有效降低通信负担等缺点，提供一种基于改进基因调控网络的分布式群机器人协同集群控制方法。为了达到上述目的，本专利技术采用的技术方案为：基于改进基因调控网络的分布式群机器人协同集群控制方法，该方法通过改进的基因调控网络控制每个机器人的移动矢量速度，使得初始状态为随机分布的每个机器人，在t时刻始终向预设的集群轨迹位置聚拢，同时自组织地排列为菱形网格分布，并能够在动态环境中避障以及自修复队形；所述改进的基因调控网络是指改进的基于图灵反应-扩散机制的基因调控网络，即为在基于图灵反应-扩散机制的基因调控网络模型中嵌入菱形网格分布方程和轨迹跟随方程，然后将每个机器人对应为改进的基因调控网络中的一个细胞，每个细胞的基因组有两个基因，其分别对应机器人沿x轴和y轴方向上的位置，每个基因各产生一种蛋白质，其中改进的基因调控网络的参数取值由NSGAⅡ优化算法给出。本专利技术设定蛋白质有两个功能：(1)反过来调节产生它的基因的表达；(2)扩散蛋白质至临近机器人，避免碰撞。作为优选的技术方案：如上所述的基于改进基因调控网络的分布式群机器人协同集群控制方法，控制方法的具体步骤为：S1.在基于图灵反应-扩散机制的基因调控网络模型中嵌入菱形网格分布方程和轨迹跟随方程；S2.通过NSGAⅡ优化算法确定改进的基因调控网络模型中的参数a、l、m、c、k和b；S3.对每个机器人设定算法参数，包括：菱形网格分布方程中任意两机器人间的距离d1，即每个菱形网格的边长；机器人对其它机器人和障碍物的感应范围r；机器人对周围机器人及障碍物作出避障反应的距离范围d2；机器人轨迹跟随方程Tr(t)；S4.随机初始化机器人的位置，即可将所有机器人放置系统的任意位置处；S5.每个机器人实时获得与距其范围为r内的其它机器人的位置信息，以及距其范围为d2内的障碍物信息；S6.机器人通过改进的基因调控网络控制其移动按照菱形网格分布方程和轨迹跟随方程使队列集群沿指定队列前进，并能自组织避障。如上所述的基于改进基因调控网络的分布式群机器人协同集群控制方法，步骤S1中，系统中共有n个机器人，控制机器人i的改进基因调控网络模型如下：式中，gi,x和gi,y分别代表机器人i在x轴方向和y轴方向的两个基因的表达水平，即机器人i在x轴和y轴方向上的坐标，pi,x和pi,y分别为由两个基因各自产生的蛋白质浓度；zi,x为x轴方向上嵌入菱形网格分布方程和轨迹跟随方程的表达式，zi,y为y轴方向上嵌入菱形网格分布方程和轨迹跟随方程的表达式，具体定义如下：式中，Trx(t)和Try(t)分别为机器人i关于时间t在x轴方向和y轴方向的轨迹跟随方程，即群机器人在时间t时，均向(Trx(t)，Try(t))聚拢；h为关于机器人自组织为菱形网格分布方程，即每个机器人与其邻域机器人保持固定的间距d1，具体定义如下：即对于机器人i，其对于任意一机器人j∈Ni，应满足：s(gi,x,gi,y)＝(gi,x-gj,x)2+(gi,y-gj,y)2-d12＝0；定义点集V＝{1,2…,n}，对于机器人i∈V，将位于机器人i在r距离内的机器人定义为邻域机器人，该邻域机器人集合表示为：Ni＝{j∈V:||gi-gj||≤r，i≠j}；式中，gi,和gj分别为代表机器人i和机器人j的基因表达水平，即位置坐标，gi为(gi,x，gi,y)，gj为(gj,x，gj,y)；f(zi,x)，f(zi,y)为sigmoid函数，公式如下：Di,x和Di,y分别为距机器人i的距离范围d2内的邻域机器人和障碍物在扩散至机器人i时的蛋白质浓度，机器人i通过蛋白质浓度获取周围环境信息，从而避免碰撞，公式如下：其中分别为机器人j在x轴和y轴方向上扩散至机器人i的蛋白质浓度，分别为距机器人i的距离范围d2内的障碍物ob沿x轴和y轴方向上扩散至机器人i的蛋白质浓度，定义如下：Ni'＝{j∈V:||gi-gj||≤d2}；Ni”＝{ob:||gi-gob||≤d2}；式中，Ni'表示距机器人i的距离范围d2内的邻域机器人集合，Ni”表示距机器人i的距离范围d2内的障碍物集合。如上所述的基于改进基因调控网络的分布式群机器人协同集群控制方法，所述机器人形成菱形网格分布的本质是每个机器人与其邻域机器人保持固定的间距d1，即每个机器人均处于以其邻域机器人位置为圆心，半径为d1的圆上。如上所述的基于改进基因调控网络的分布式群机器人协同集群控制方法，其特征在于，步骤S2中，设定种群规模为100，交叉率为0.9，SBX交叉分布指数为20，变异概率为本文档来自技高网...

【技术保护点】
1.基于改进基因调控网络的分布式群机器人协同集群控制方法，其特征是：该方法通过改进的基因调控网络控制每个机器人的移动矢量速度，使得初始状态为随机分布的每个机器人，在t时刻始终向预设的集群轨迹位置聚拢，同时自组织地排列为菱形网格分布，并能够在动态环境中避障以及自修复队形；所述改进的基因调控网络是指改进的基于图灵反应‑扩散机制的基因调控网络，即为在基于图灵反应‑扩散机制的基因调控网络模型中嵌入菱形网格分布方程和轨迹跟随方程，然后将每个机器人对应为改进的基因调控网络中的一个细胞，每个细胞的基因组有两个基因，其分别对应机器人沿x轴和y轴方向上的位置，每个基因各产生一种蛋白质，其中改进的基因调控网络的参数取值由NSGAⅡ目标优化算法给出。

【技术特征摘要】
1.基于改进基因调控网络的分布式群机器人协同集群控制方法，其特征是：该方法通过改进的基因调控网络控制每个机器人的移动矢量速度，使得初始状态为随机分布的每个机器人，在t时刻始终向预设的集群轨迹位置聚拢，同时自组织地排列为菱形网格分布，并能够在动态环境中避障以及自修复队形；所述改进的基因调控网络是指改进的基于图灵反应-扩散机制的基因调控网络，即为在基于图灵反应-扩散机制的基因调控网络模型中嵌入菱形网格分布方程和轨迹跟随方程，然后将每个机器人对应为改进的基因调控网络中的一个细胞，每个细胞的基因组有两个基因，其分别对应机器人沿x轴和y轴方向上的位置，每个基因各产生一种蛋白质，其中改进的基因调控网络的参数取值由NSGAⅡ目标优化算法给出。2.根据权利要求1所述的基于改进基因调控网络的分布式群机器人协同集群控制方法，其特征在于，控制方法的具体步骤为：S1.在基于图灵反应-扩散机制的基因调控网络模型中嵌入菱形网格分布方程和轨迹跟随方程；S2.通过NSGAⅡ目标优化算法确定改进的基因调控网络模型中的参数a、l、m、c、k和b；S3.对每个机器人设定算法参数，包括：菱形网格分布方程中任意两机器人间的距离d1；机器人对其它机器人和障碍物的感应范围r；机器人对周围机器人及障碍物作出避障反应的距离范围d2；机器人轨迹跟随方程Tr(t)；S4.随机初始化机器人的位置；S5.每个机器人实时获得与距其范围为r内的其它机器人的位置信息，以及距其范围为d2内的障碍物信息；S6.机器人通过改进的基因调控网络控制其移动按照菱形网格分布方程和轨迹跟随方程使队列集群沿指定队列前进，并能自组织避障。3.根据权利要求2所述的基于改进基因调控网络的分布式群机器人协同集群控制方法，其特征在于，步骤S1中，系统中共有n个机器人，控制机器人i的改进基因调控网络模型如下：式中，gi,x和gi,y分别代表机器人i在x轴方向和y轴方向的两个基因的表达水平，pi,x和pi,y分别为由两个基因各自产生的蛋白质浓度；zi,x为在x轴方向上嵌入菱形网格分布方程和轨迹跟随方程的表达式，zi,y为在y轴方向上嵌入菱形网格分布方程和轨迹跟随方程的表达式，具体定义如下：式中，Trx(t)和Try(t)分别为机器人i关于时间t在x轴方向和y轴方向的轨迹跟随方程；h为菱形网格分布方程，定义为：即对于机器人i，其对于任意一机器人j∈Ni，应满足：s(gi,x,gi,y)＝(gi,x-gj,x)2+(gi,y-gj,y)2-d12＝0；定义点集V＝{1,2…,n}，对于机...

【专利技术属性】
技术研发人员：郝矿荣，李贞，蔡欣，唐雪嵩，丁永生，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海,31