一种概率不确定框架下的多机协同围捕方法技术

本发明专利技术公开了一种概率不确定框架下的多机协同围捕方法。本发明专利技术中，如果环境中的围捕机器人数量与可疑目标的数量不呈整数倍关系时，根据本发明专利技术提出的一种改进的匈牙利算法，通过计算可疑目标点与每个围捕机器人的起始距离，构成成本矩阵，基于全局围捕机器人最大程度平均分配思想，以距离最短原则对原始成本矩阵进行重构，使之适合标准匈牙利算法计算法则，得到决策矩阵。每个围捕机器人对应一个可疑目标点，选择围捕机器人和可疑点起始总距离最短的方案执行；提高了围捕过程中的工作效率，同时也对机器人等相关设备起到了一定的保护作用，增加了围捕过程中的便利性与安全高效性。性。性。

【技术实现步骤摘要】
一种概率不确定框架下的多机协同围捕方法


[0001]本专利技术属于多机器人协同围捕
，具体为一种概率不确定框架下的多机协同围捕方法。

技术介绍

[0002]随着机器人技术的发展，人们对机器人的要求不再局限于单个机器人。多机器人系统是对人类群里及人类社会行为的模仿，具有许多单机器人系统所没有的优点。近年来，随着机器人生产线的出现及制造系统的应用，研究人员对多机器人系统的研究越来越深入，多机协同领域已经成为机器人研究的一个重要方面。多机器人围捕问题是多机协同领域一个非常重要的问题，指在特殊的任务环境中，多无人平台采用一定的技术手段识别、追踪并最终捕获可疑目标的过程。例如机器人在山地、丛林等特殊区域执行特定任务时，当突然出现可疑目标时，如何在复杂动态环境下实现快速多机器人协同围捕，对保障环境的安全至关重要。
[0003]但是追踪者不知道逃避者的策略，但通过使用基于维诺图的全局“区域最小化”策略在有限时间内捕获所有可疑机器人。但该控制策略并未考虑存在障碍物下的避障，且没有考虑环境中的机器人、障碍物等可能存在测量误差因此带来的不确定性，因此在实际应用时具有很大的局限性。
[0004]为此，研究复杂动态环境下的多机器人协同围捕具有重要的研究意义与研究价值。

技术实现思路

[0005]本专利技术的目的在于：为了解决上述提出的问题，提供一种概率不确定框架下的多机协同围捕方法。
[0006]本专利技术采用的技术方案如下：一种概率不确定框架下的多机协同围捕方法，所述概率不确定框架下的多机协同围捕方法包括以下步骤：
[0007]步骤一：设置环境中多个协同围捕机器人位置，包括位置的期望和方差Σ
i
，基于各机器人的不确定位置信息，得出机器人与机器人之间的最佳线性分离器，以此来初步划分机器人所在的安全区域；
[0008]步骤二：为防止环境中的各机器人发生相互碰撞，在概率不确定性框架下，根据实际需要，设置机器人所处位置的安全半径系数和概率系数作为生成机器人缓冲区域的条件；基于上述条件，在概率不确定框架下生成缓冲维诺图，该区域可以作为机器人的活动安全区域，进而达到防碰撞的目的；
[0009]步骤三：在概率不确定性框架下，环境中的障碍物由于收到干扰影响形状位置都可能随着时间发生变化，本专利技术假设环境中的障碍物为为确定部分，d0为不确定部分，不确定部分遵循期望为0、方差为Σ0的高斯分布，对障碍物构
建包含不确定区域的最大面积，将最大面积利用线性变换进行归一化成凸多边形区域，之后采用支持向量机的方法划分机器人与不确定障碍物各自的区域，机器人所属的区域为其安全区域；
[0010]步骤四：为实现多机协同围捕，接下来对环境中的逃逸目标划定包围圈，使围捕机器人在包围圈上生成角度相等的围捕点，设计一种基于全局平均分配思想改进的匈牙利任务分配算法，实现实际围捕机器人与包围圈上围捕点的最优分配，达成最优的联合围捕策略；
[0011]步骤五：确定每个围捕机器人的围捕点后，计算机器人的围捕目标点与其安全区域距离最近的位置，设计机器人的运动策略为朝着其安全区域中上述点运动，每个采样时刻机器人的位置会发生变化，随之其安全区域也会发生变化，重新计算安全区域中离目标围捕点最近的位置，如此反复，直至环境中的可疑点达到其围捕成功的条件。
[0012]在一优选的实施方式中，所述步骤一中包括以下步骤：
[0013]步骤1：假设环境地图信息已知，考虑该复杂动态环境具有n
p
个移动机器人，由于机器人传感器测量噪声等影响，机器人与环境障碍物的位置信息往往存在一定的不确定性，假设环境中机器人的位置不确定性符合高斯分布，即机器人位置遵循为机器人的期望位置，σ为机器人不确定性位置的标准差；
[0014]步骤2：根据上述机器人位置坐标，通过缓冲维诺图理论构建各机器人的移动安全区域；在二维平面内，最佳分离器实质上为一条直线，表示为L＝{p|a
ijT
p＝b
ij
}，直线L为两个机器人的最佳线性分离器，其中，a
ij
与b
ij
为需要确定的直线参数；
[0015]基于概率不确定性框架下，由于机器人的位置不是确定的，机器人和机器人之间区域分割的原则是使不确定位置的机器人最大概率出现在本身的区域中；对于机器人p
i
，其完全不在其区域的面积为此面积为其最大错误分布的面积；p
ri
为最大错误分布的概率，机器人p
j
同样如此；针对两个机器人p
i
和pj，机器人p
i
错误分布在自己区域的概率为：
[0016][0017]机器人pj错误分布在自己区域的概率为：
[0018][0019]目的是通过使两个机器人错误分布的概率最小来获得最佳线性分离器，等同于：
[0020](a
ij
,b
ij
)＝argminmax(Pr
i
,Pr
j
)；
[0021]通过求解上述优化问题可以获得进而求得最佳线性分离器；经最佳线性分离器分离得到的区域为机器人初步获得的区域。
[0022]在一优选的实施方式中，所述步骤二中，包括以下步骤：
[0023]步骤1：在机器人位置确定的情况下，机器人之间不碰撞的条件设置为dis(p
i
,p
j
)...2r
S
，考虑机器人位置不确定性的条件，机器人之间的碰撞由确定时间变为概率事件，此时，机器人之间不碰撞的条件变为Pr(dis(p
i
,p
j
)...2rs)...1
‑
δ；其中Pr为两个机器人不发生碰撞发生的概率，rs为机器人的安全半径，δ为设置的碰撞阈值；
[0024]步骤2：为防止环境中的机器人发生碰撞，在概率不确定性框架下，需要对在步骤一中初步获得的区域添加安全缓冲区域，首先设置不确定机器人安全半径系数为机器人的概率系数为其中为高斯误差方程；结合步骤一中初步构建的区域，在加入安全半径系数和概率系数后，机器人形成的安全区域为
[0025]在一优选的实施方式中，所述步骤三中，包括以下步骤：
[0026]步骤1：由于在机器人位置确定的条件下，机器人与障碍物的不碰撞条件为dis(p
i
,O0)...r
s
，本专利技术中当机器人位置存在概率不确定性时，将不碰撞的条件定义为Pr(dis(p
i
,O0)...r
s
)...1
‑
δ；
[0027]步骤2：鉴于障碍物位置具有不确定性部分，障碍物不确定部分随机分布在确定部分周围，障碍物所在的区域已不再是一个确定的区域，不具有确定区域的障碍物无法进行与机器人之间的安全区域划分，需要先构造一个包含障碍物确定性和不确定性部分的最小阴影，以方便后续机器人与障碍物各自的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种概率不确定框架下的多机协同围捕方法，其特征在于：所述概率不确定框架下的多机协同围捕方法包括以下步骤：步骤一：设置环境中多个协同围捕机器人位置，包括位置的期望和方差Σ
i
，基于各机器人的不确定位置信息，得出机器人与机器人之间的最佳线性分离器，以此来初步划分机器人所在的安全区域；步骤二：为防止环境中的各机器人发生相互碰撞，在概率不确定性框架下，根据实际需要，设置机器人所处位置的安全半径系数和概率系数作为生成机器人缓冲区域的条件；基于上述条件，在概率不确定框架下生成缓冲维诺图，该区域可以作为机器人的活动安全区域，进而达到防碰撞的目的；步骤三：在概率不确定性框架下，环境中的障碍物由于受到干扰影响，位置可能随着时间发生变化，本发明假设环境中的障碍物为间发生变化，本发明假设环境中的障碍物为为确定部分，d0为不确定部分，不确定部分遵循期望为0、方差为Σ0的高斯分布，对障碍物构建包含不确定区域的最小面积，将最小面积利用线性变换进行归一化成凸多边形区域，之后采用支持向量机的方法划分机器人与不确定障碍物各自的区域，机器人所属的区域为其安全区域；步骤四：为实现多机协同围捕，接下来对环境中的逃逸目标划定包围圈，使围捕机器人在包围圈上生成角度相等的围捕点，针对围捕机器人数量与可疑目标数量不呈整数倍关系下，在全局平均分配思想的基础上，设计一种改进的匈牙利任务分配算法，该算法通过计算可疑目标点与每个围捕机器人的起始距离，构成成本矩阵，基于全局围捕机器人最大程度平均分配思想，以距离最短原则对原始成本矩阵进行重构，使之适合标准匈牙利算法计算法则，得到决策矩阵；实现了实际围捕机器人与包围圈上围捕点的最优分配，达成最优的联合围捕策略；步骤五：确定每个围捕机器人的围捕点后，计算机器人的围捕目标点与其安全区域距离最近的位置，设计机器人的运动策略为朝着其安全区域中上述点运动，每个采样时刻机器人的位置会发生变化，随之其安全区域也会发生变化，重新计算安全区域中离目标围捕点最近的位置，如此反复，直至环境中的可疑点达到其围捕成功的条件。2.如权利要求1所述的一种概率不确定框架下的多机协同围捕方法，其特征在于：所述步骤一中包括以下步骤：步骤1：假设环境地图信息已知，考虑该复杂动态环境具有n
p
个移动机器人，由于机器人传感器测量噪声等影响，机器人与环境障碍物的位置信息往往存在一定的不确定性，假设环境中机器人的位置不确定性符合高斯分布，即机器人位置遵循为机器人的期望位置，σ为机器人不确定性位置的标准差；步骤2：根据上述机器人位置坐标，通过缓冲维诺图理论构建各机器人的移动安全区域；在二维平面内，最佳分离器实质上为一条直线，表示为直线L为两个机器人的最佳线性分离器，其中，a
ij
与b
ij
为需要确定的直线参数；基于概率不确定性框架下，由于机器人的位置不是确定的，机器人和机器人之间区域
分割的原则是使不确定位置的机器人最大概率出现在本身的区域中；对于机器人p
i
，其完全不在其本身区域的面积为此面积为其最大错误分布的面积；为最大错误分布的概率，机器人p
j
同样如此；针对两个机器人p
i
和p
j
，机器人p
i
错误分布在自己区域的概率为：机器人p
j
错误分布在自己区域的概率为：目的是通过使两个机器人错误分布的概率最小来获得最佳线性分离器，等同于：(a
ij
,b
ij
)＝arg min max(Pr
i
,Pr
j
)；通过求解上述优化问题可以获得通过求解上述优化问题可以获得进而求得最佳线性分离器；最终经过最佳线性分离器分离得到的区域为机器人初步获得的区域。3.如权利要求1所述的一种概率不确定框架下的多机协同围捕方法，其特征在于：所述步骤二中，包括以下步骤：步骤1：在机器人位置确定的情况下，机器人之间不碰撞的条件设置为dis(p
i
,p
j
)...2r
S
，考虑机器人位置不确定性的条件，机器人之间的碰撞由确定时间变为概率事件，此时，机器人之间不碰撞的条件变为Pr(dis(p
i
,p
j
)...2rs)...1
‑
δ；其中Pr为两个机器人不发生碰撞发生的概率，rs...

【专利技术属性】
技术研发人员：周萌，李建宇，王子豪，王晶，王昶，王力，史运涛，董哲，翟维枫，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：