未知复杂凸环境下群机器人多目标搜索方法技术

本发明专利技术公开了一种未知复杂凸环境下群机器人多目标搜索方法，包括以下步骤：构建未知复杂凸环境移动机器人运动学模型、各类对象的施力函数、多目标搜索任务模型；根据动态闭环自组织任务分工模型确定意向目标；将个体机器人划分处于漫游搜索状态和协同搜索状态，处于协同搜索状态的各机器人形成子群联盟；引入闭环调节策略，对于超出子群规模上限的子群联盟进行机器人资源配置水平评估，进行子群内部的资源配置，完成二次分配，形成新的子群联盟；建立个体机器人的控制输入策略，控制处于漫游搜索状态和协同搜索状态下的机器人搜索意向目标。本发明专利技术降低了计算的复杂性，减少了系统的各种碰撞冲突，从而提高了系统的搜索效率。

【技术实现步骤摘要】
未知复杂凸环境下群机器人多目标搜索方法
本专利技术涉及一种未知复杂凸环境下群机器人多目标搜索方法。
技术介绍
群机器人学受启发于蚂蚁、蜜蜂等社会性群居动物的自组织行为，其研究目的在于如何通过对一组简单智能体的协调控制，同时充分运用智能体彼此之间以及智能体与环境之间的交互，涌现出期望的智能行为并具有鲁棒性、灵活性和可伸缩性等优点，从而可用于完成较为复杂的任务。经过多年以来的研究与发展，群机器人系统已经成功应用于完成诸多协作型任务，目标搜索类任务就包括在其中。根据目标数量的不同目标搜索问题可划分为单目标搜索和多目标搜索，就群机器人单目标搜索而言，有针对个体之间协同方法的研究，例如通过采用局部无线通信策略加强了个体机器人之间的交互；针对搜索空间的特点与限制，提出了一种自适应粒子群算法用于机器人的控制；针对群机器人围捕问题，抽象出了简化虚拟受力模型，并基于此模型设计了机器人运动学控制输入；也有针对参数优化与系统建模等方面的研究，譬如，将微粒群算法扩展之后用于群机器人系统的建模，并着重于算法参数优化的研究。不同于单目标搜索，群机器人在执行多目标搜本文档来自技高网...

【技术保护点】
1.一种未知复杂凸环境下群机器人多目标搜索方法，其特征在于，包括以下步骤：/n步骤一：构建未知复杂凸环境移动机器人运动学模型、各类对象的施力函数、多目标搜索任务模型；/n步骤二：机器人检测目标信号，根据动态闭环自组织任务分工模型确定意向目标；/n步骤三：将没有共同意向目标的个体机器人处于漫游搜索状态，将有共同意向目标的个体机器人处于协同搜索状态，处于协同搜索状态的各机器人形成子群联盟；/n步骤四：在基于目标响应阈值与概率原则的任务分工模型的基础上引入闭环调节策略，对于超出子群规模上限的子群联盟进行机器人资源配置水平评估，并把评估后结果作为负反馈引入到任务分工模型之中，进行子群内部的资源配置，完...

【技术特征摘要】
1.一种未知复杂凸环境下群机器人多目标搜索方法，其特征在于，包括以下步骤：
步骤一：构建未知复杂凸环境移动机器人运动学模型、各类对象的施力函数、多目标搜索任务模型；
步骤二：机器人检测目标信号，根据动态闭环自组织任务分工模型确定意向目标；
步骤三：将没有共同意向目标的个体机器人处于漫游搜索状态，将有共同意向目标的个体机器人处于协同搜索状态，处于协同搜索状态的各机器人形成子群联盟；
步骤四：在基于目标响应阈值与概率原则的任务分工模型的基础上引入闭环调节策略，对于超出子群规模上限的子群联盟进行机器人资源配置水平评估，并把评估后结果作为负反馈引入到任务分工模型之中，进行子群内部的资源配置，完成二次分配，形成新的子群联盟，对目标进行局部协同搜索，从而并行化执行搜索任务；
步骤五：基于机器人的简化虚拟受力分析模型和扩展微粒群算法，建立个体机器人的控制输入策略，控制处于漫游搜索状态和协同搜索状态下的机器人搜索意向目标。


2.根据权利要求1所述的未知复杂凸环境下群机器人多目标搜索方法，其特征在于，所述步骤一中，构建移动机器人运动学模型和各类对象的施力函数的过程如下：
考虑包含若干相同自主式移动机器人的群体系统，个体机器人R的运动学方程如下：



其中，表示机器人的线速度往x轴方向的分速度；表示机器人的线速度往y轴方向的分速度；表示机器人的在t时刻的角速度，V(t)和ω(t)分别为机器人的线速度与角速度，且满足|V(t)|≤Vm，|ω(t)|≤ωm，Vm、ωm分别是最大线速度和最大角速度；线加速度和角加速度满足am、ωam分别表示最大线加速度和最大角加速度；
定义1：分别表示有向线lp，lq的方向角，定义由lp到lq的角度记为表示为：



函数dvgl(·)的表达式如下
dvgl(x)＝x-2πsgn(x)·ψ(|x|-π)(3)
其中：



定义2：在搜索环境中，各类对象，即目标、机器人和障碍物的施力函数分别为



frr(d)＝c/[(d/cr)2](6)
fro(d)＝c/[(d/cs)2](7)
其中Viac表示第i个机器人Ri受到目标T的虚拟速度矢量，frr(d)表示机器人与机器人之间的避碰斥力，fro(d)表示机器人与静态障碍物之间的避障斥力，表示机器人Ri受到目标T的吸引力；d表示两点之间的距离；cr和cs分别表示机器人和障碍物的势域半径，c为机器人避障参数。


3.根据权利要求2所述的未知复杂凸环境下群机器人多目标搜索方法，其特征在于，所述步骤一中，多目标搜索任务模型如下：
在未知复杂环境中，设三元集合组M＝{R,T,S}包括了搜索主体群机器人R＝{Ri,i＝1,2,…m}、待搜索目标T＝{Tj,j＝1,2,…n,n>1}、静态凸障碍物S＝{Sk,k＝1,2,…os}，m表示群机器人的总数量，n表示搜索目标总数量，os表示凸障碍物总数量；对象p的在全局坐标系XOY中位置坐标记为Op＝{(xp,yp)p∈M}；cr,cs,rdec,rcom分别表示个体机器人势域半径、障碍物的势域半径、最大感知距离及最大有效通信距离，取rcom>rdec>cr>cs；则机器人Ri需要避开的静态障碍物表示为机器人Ri势域半径内其它个体机器人记为机器人Ri通信范围内其它个体机器人记为机器人Ri可感知目标记为


4.根据权利要求3所述的未知复杂凸环境下群机器人多目标搜索方法，其特征在于，所述步骤二具体步骤为：
2-1)将目标分为Ⅰ类目标和Ⅱ类目标；
其中个体机器人直接检测到的目标称为Ⅰ类目标，个体机器人通过与通信范围内的其他个体机器人交互获得目标信息的这一类目标称为Ⅱ类目标；
2-2)根据个体机器人所获取的目标信息以及自身所处的状态，构建个体信息名片；
个体信息名片包含机器人编号、任务目标、任务类型、任务激励、通信个体、与通信个体之间距离、意向目标、个体机器人的状态；
其中任务激励用于表示目标响应函数，在未知复杂环境下，假设目标在环境中持续发出具有某种特征的信号，这种信号被机器人所感知，在有效检测范围内，机器人检测出的目标响应强度因与目标之间的距离不同而有所差异，目标响应函数用于描述这种目标响应强度，被定义为：



其中，P是目标中心发出的恒定信号功率，Iij表示机器人Ri对目标Tj的响应强度，其大小与距离的平方成反比关系；d表示机器人与目标之间的距离，d0为机器人最大感知范围；m0表示目标信号在环境中传播时的衰减系数，m0的取值在0～1之间，η()表示环境中的扰动；
2-3)判断个体机器人是否有Ⅰ类目标，若有，则从Ⅰ类目标中选取任务目标，若没有，则从Ⅱ类目标中选取任务目标；
2-4)基于任务响应阈值从任务目标中选取意向目标。


5.根据权利要求4所述的未知复杂凸环境下群机器人多目标搜索方法，其特征在于，所述步骤2-4)的具体过程为：
群机器人在执行多目标搜索任务时，将一个搜索目标视为一个子任务，成员机器人自主选择自己参加完成的子任务，一个子任务允许多个机器人参加，但一个机器人每次只能选择一个子任务；设目标响应阈值为Imin，Imin＝I(d0)，当成员机器人Ri在环境中...

【专利技术属性】
技术研发人员：周游，陈安华，张红强，张鑫，刘朝华，陈磊，
申请(专利权)人：湖南科技大学，
类型：发明
国别省市：湖南;43