一种机器人集群控制方法及相关设备技术

本发明专利技术实施例公开了一种机器人集群控制方法及相关设备，所述方法包括：将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络；采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置，以协调机器人集群运动。通过GNG网络将搜索到的个体划分为多个聚类，还可以生成不同聚类之间的交互拓扑结构，并且随着迭代次数的增加，可以逐渐加强开发，更适合处理固定维度的多模态基准函数、复合基准函数和经典工程问题。工程问题。工程问题。

【技术实现步骤摘要】
一种机器人集群控制方法及相关设备


[0001]本专利技术涉及机器人集群控制管理
，尤其涉及一种机器人集群控制方法及相关设备。

技术介绍

[0002]视频机器人系统具有强度高、精度高、重复性好等优点。同时，它有很强的承受极端环境的能力，所以它可以出色地完成各种任务。虽然大多数视频机器人都是以孤立的方式执行这些任务，但人们越来越关注密切互动的集群机器人系统的使用。集群机器人系统的潜在好处包括冗余、增强的足迹和吞吐量、弹性的不可调和性以及空间的多样化特征。这些考虑中的一个关键是利用技术来协调个体的运动。
[0003]优化在我们的世界中几乎无处不在，它通常试图为某个问题找到完美的解决方案。为了处理这些问题，人们提出了各种优化方法，并显示出良好的性能。集群机器人可以采用元启发式算法实现集群控制，但在元启发式算法中，与基于单个个体的算法相比，基于种群的算法需要消耗更多的计算时间来执行充分的适配性评价以进行探索和利用，每一种元启发式算法都只能在某些类型的优化问题上显示出比其他大多数算法优越的性能。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种机器人集群控制方法及相关设备，用于解决现有技术中元启发式算法都只能在某些类型的优化问题上显示出比其他大多数算法优越的性能，即，具有局限性的问题。
[0005]为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种机器人集群控制方法，包括：将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络；
[0006]采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置，以协调机器人集群运动。
[0007]可选的，在所述将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群的步骤之前，还包括：
[0008]从两个预设节点初始化所述神经气体网络，得到初始神经气体网络，其中，所述预设节点的位置均在所述输入数据的下限和上限范围内；
[0009]通过所述初始神经气体网络将搜索到的机器人个体划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络。
[0010]可选的，所述通过所述初始神经气体网络将搜索到的机器人个体划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络的步骤，包括：
[0011]通过所述初始神经气体网络和搜索到的机器人个体的位置信息将搜索到的机器人个体划分为至少两个不同聚类集群；
[0012]从所述输入数据中随机选择一个解决方案；
[0013]基于所述解决方案确定不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络。
[0014]可选的，所述基于所述解决方案确定不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络的步骤，包括：
[0015]基于所述解决方案确定所述解决方案在所述初始神经气体网络上距离最近的第一节点和次近的第二节点；
[0016]在所述初始神经气体网络上确定所有与所述第一节点连接的边的时期；
[0017]基于所述边的时期更新不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络。
[0018]可选的，在所述基于所述边的时期更新不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络的步骤之前，还包括：
[0019]基于所述解决方案更新所述第一节点的累积误差；
[0020]基于所述解决方案更新所述第一节点及其链接节点的学习率。
[0021]可选的，所述基于所述边的时期更新不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络的步骤，包括：
[0022]当(第一节点,第二节点)∈E，Age(第一节点,第二节点)＝0时，在所述初始神经气体网络中创建新边(第一节点,第二节点)，得到第一神经气体网络；
[0023]若Age(i,j)>t
max
，则删除所述第一神经气体网络中的边(i,j)，得到第二神经气体网络，其中，t
max
是每个边的最大允许年龄；
[0024]若目标节点没有任何与其相邻的其他节点，删除所述第二神经气体网络中的所述目标节点，得到第三神经气体网络；
[0025]当预设网络学习的时间是插入率λ的整数倍，则在所述第三神经气体网络中插入新节点，得到第四神经气体网络；
[0026]更新所述第四神经气体网络中各节点的累积误差，得到所述不同聚类集群之间的交互拓扑结构，进而得到所述目标机器人集群网络。
[0027]可选的，所述采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置，以协调机器人集群运动的步骤，还包括：
[0028]采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置；
[0029]基于所述学习目标与所述学习目标的位置确定所述目标机器人集群中各机器人个体的位置；
[0030]根据所述各机器人个体的位置协调机器人集群运动。
[0031]另一方面，本申请提供了一种机器人集群控制系统，所述系统包括：
[0032]聚类模块，用于将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入
数据，得到目标机器人集群网络；
[0033]搜索模块，用于采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置，以协调机器人集群运动。
[0034]第三方面，本申请提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如上述的机器人集群控制方法的步骤。
[0035]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的机器人集群控制方法的步骤。
[0036]实施本专利技术实施例，将具有如下有益效果：
[0037]通过将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络；采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置，以协调机器人集群运动。通过GNG网络将搜索到的个体划分为多个聚类，还可以生成不同聚类之间的交互拓扑结构，可实现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种机器人集群控制方法，其特征在于，包括：将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络；采用GWO的包围猎物方法对所述目标机器人集群网络进行搜索，确定所述目标机器人集群中的学习目标与所述学习目标的位置，以协调机器人集群运动。2.如权利要求1所述的机器人集群控制方法，其特征在于，在所述将搜索到的机器人个体通过生长神经气体网络划分为至少两个不同聚类集群的步骤之前，还包括：从两个预设节点初始化所述神经气体网络，得到初始神经气体网络，其中，所述预设节点的位置均在所述输入数据的下限和上限范围内；通过所述初始神经气体网络将搜索到的机器人个体划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络。3.如权利要求2所述的机器人集群控制方法，其特征在于，所述通过所述初始神经气体网络将搜索到的机器人个体划分为至少两个不同聚类集群，并动态调整不同聚类集群之间的交互拓扑结构，以匹配没有期望输出的输入数据，得到目标机器人集群网络的步骤，包括：通过所述初始神经气体网络和搜索到的机器人个体的位置信息将搜索到的机器人个体划分为至少两个不同聚类集群；从所述输入数据中随机选择一个解决方案；基于所述解决方案确定不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络。4.如权利要求3所述的机器人集群控制方法，其特征在于，所述基于所述解决方案确定不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络的步骤，包括：基于所述解决方案确定所述解决方案在所述初始神经气体网络上距离最近的第一节点和次近的第二节点；在所述初始神经气体网络上确定所有与所述第一节点连接的边的时期；基于所述边的时期更新不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络。5.如权利要求1所述的机器人集群控制方法，其特征在于，在所述基于所述边的时期更新不同聚类集群之间的交互拓扑结构，得到所述目标机器人集群网络的步骤之前，还包括：基于所述解决方案更新所述第一节点的累积误差；基于所述解决方案更新所述第一节点及其链接节点的学习率。6.如权利要求5所述的机器人集群控制方法，其特征在于，所述基于所述边的时期更新不同聚类集群之间的交互拓扑结构，得到...

【专利技术属性】
技术研发人员：朱梦梦，黄绪勇，唐标，马御棠，张新，王闸，于辉，李博，王欣，杨宏伟，马显龙，张粥，邓庆，杜鑫峰，胡霁，朱全聪，
申请(专利权)人：云南电网有限责任公司电力科学研究院，
类型：发明
国别省市：