养老院在地分层模块化建模动态多机器人多任务分配方法组成比例

养老院在地分层模块化建模动态多机器人多任务分配方法涉及养老院多机器人多任务分配，能够根据当前养老院实际情况模块化的构建多机器人服务模型

【技术实现步骤摘要】
养老院在地分层模块化建模动态多机器人多任务分配方法


[0001]本专利技术涉及养老院多机器人多任务分配，能够根据当前养老院实际情况模块化的构建多机器人服务模型
。
在建模阶段完成后，能够实时接收老人的请求，并提取对应的模块组建全局服务网络，以此全局网络为基础，根据老人满意度变化情况分配多机器人任务
。

技术介绍

[0002]随着全球老龄人口的不断增加，越来越多的老年人在养老院里接受护理
。
然而，照顾失能半失能老人需要花费大量人力，叠加部分地区少子化进程的不断加深，造成了护理人员的相对不足
。
随着机器人技术的发展，机器人能在一定程度上照顾老人，缓解养老院的护理压力
。
然而，实际中的复杂任务需要多种类型的服务机器人相互协作才能完成
。
养老院动态变化的环境使得多种服务资源合作处理任务十分困难，增加了养老院服务模型的复杂程度
。
此外，由于机器人成本等原因的限制，在养老院环境中一般是由有限的机器人为多位老人提供服务，容易出现资源抢夺现象
。
如何快速协调多种服务资源为多位老人服务，成为亟待解决的问题
。
[0003]目前养老院多机器人任务分配方法主要为集中式方法，由中央智能体掌握全局信息，并利用其强大的计算能力做出协调决策，给各异构机器人分配任务
。
着重于为各异构机器人设定固定的任务流程来服务老人
。
[0004]Petri
网是对离散并行系统的数学表示，于
20
世纪
60
年代由卡尔
·
亚当
·
佩特里专利技术
。
适合于描述异步的
、
并发的计算机系统模型
。Petri
网既有严格的数学表述方式，也有直观的图形表达形式
。
详见文献
Drageset J.The importance of activities of daily living and social contact for loneliness:a survey among residents in nursing homes[J].Scandinavian Journal of Caring Sciences,2004,18(1):65
‑
71.
[0005]由于
Petri
网能够表达并发的事件，被认为是自动化理论的一种
。
研究领域趋向认为
Petri
网是所有流程定义语言之母
。
由于
Petri
网作为对离散并行系统的数学表示，便于描述系统中进程或部件的顺序
、
并发
、
冲突以及同步等关系，故适用于描述大量并发的养老院老人需求
。
[0006]通过
Petri
网的库所表示各位老人的状态，变迁表示机器人服务老人所采取的行动，令牌代表老人和机器人
。
但在实际使用
Petri
网对养老院老人的日常需求进行建模时，发现传统
Petri
网结构固定，无通用的模块，不具备根据老人实时需求更改网络的能力
。
[0007]在利用
Petri
网对服务任务进行建模后，需计算
Petri
网中每个变迁触发的序列，确定各子任务对应的执行机器人
。
遗传算法
(GA)
由
J.Holland
于
1975
年提出，是一种借鉴了自然界中生物进化的“物竞天择，适者生存”规律并模拟生物种群在给定筛选规则不断演进过程的全局搜索算法
。
从任一初始种群出发，遗传算法模拟自然选择和基因遗传中发生的复制
、
交叉
、
变异等现象，随机的从种群中选取个体进行相互交叉
、
变异等操作，以此产生新一代种群，并设定筛选规则挑选“适合”该环境的个体
。
通过重复进行交叉
、
变异
、
筛选的工作，种群会朝着搜索空间中符合要求的区域靠近，最后种群会收敛到一群最适应环境的个
体，详见文献
Si Y W,Chan V I,Dumas M,et al.A Petri Nets based Generic Genetic Algorithm framework for resource optimization in business processes[J].Simulation Modelling Practice and Theory,2018,86:72
‑
101.
养老院多任务分配不仅需要确定各项子任务的执行顺序，还需确定各子任务所对应的执行机器人，用传统遗传算法的基因难以描述该情况
。
此外，当服务任务数量较少且任务的复杂程度较低时，
RGSM
的变迁触发序列较短，可以较快地对调度方案进行逐个求解，之后从解集中找出使全体老人满意度最大的任务执行方案
。
然而，随着任务数量及任务的复杂度的增加，变迁触发序列的长度也在不断增加
。
叠加因异构机器人的数量增加所造成的颜色集维数增加的影响，模型解的数量将呈指数级增长，这使得很难在短时间内寻找出结果，系统陷于停滞状态
。

技术实现思路

[0008]本专利技术针对养老院情境多机器人多任务分配问题，提出了一种在地分层模块化建模和实时动态任务分配相结合的协调框架，在尽可能提高服务质量的前提下，实时地响应老人的各种服务需求
。
首先，该框架根据某一养老院的服务需求
、
所拥有机器人的功能特点
、
机器人的种类和数量，在地模块化构建任务层
、
功能层和资源层模型
。
然后，该框架根据某一时刻老人各自提出的服务需求，在已构建的任务层
、
功能层中选取对应的模型实时构建满足当前服务需求的实时全局服务模型
(Real
‑
time Global Service Model
，
RGSM)。
最后，基于该
RGSM
，采用进化算法对资源层提供的有限的机器人资源进行有效的分配，并针对其结构特点设计了一种冲突变迁的提取方法，降低了分析模型的难度，节省了计算资源，进而实现整个协调框架
。
[0009]为实现上述目的，本专利技术采用如下技术方案，包括以下阶段和步骤：
[0010]在地分层模块化建模阶段：
[0011](1)
任务层：包含根据养老院老人的日常活动需求建立的对应的任务流程模型
TFM。
各异构机器人按照模型定义的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
养老院在地分层模块化建模动态多机器人多任务分配方法，其特征在于包括以下阶段和步骤：在地分层模块化建模阶段：
(1)
任务层：包含根据养老院老人的日常活动需求建立的对应的任务流程模型
TFM
；各异构机器人按照模型定义的工作流程相互协调完成老人的服务任务；
(2)
功能层：包含以各异构机器人功能为基础建立的功能模块，功能模块分为两部分，一部分是响应模块和回复模块，该部分模块对应机器人前往老人位置和待机区的路程阶段，机器人未与人产生交互，该模块中断执行；另一部分是以各异构机器人的动作为基础建立对应的动作模块，这部分动作与老人产生肢体接触，保障老人安全；
(3)
资源层：包含当前养老院所有可用的机器人资源，记录各资源当前的使用和空闲状态；实时动态多任务分配阶段：
(1)
按需提取
TFM
：在某一时刻多位老人提出需求，由
DPC(Demand processing center,
需求处理中心
)
接收老人的需求并从任务层提取需求对应的
TFM
；
(2)
组建
RGSM
：
DPC
从功能层中提取所需的模块并将其安插到对应的
TFM
中；
DPC
将此时所有精炼的
TFM
组合构成
RGSM
；
(3)
分配服务资源：
DPC
持续与各异构机器人进行信息交互，综合老人状态
、
机器人的位置信息
、
任务执行情况信息利用遗传算法寻找最佳的任务分配方案；
DPC
按照调度方案安插机器人资源
。2.
根据权利要求1所述养老院在地分层模块化建模动态多机器人多任务分配方法，其特征在于定义可中断变迁，该可中断变迁
t
i1上附加函数
f
，函数定义如式
(1)
；式中
O:T
×
P
→
N
是一个输出函数，用于定义从变迁输出的有向弧的权重；其中：
(a)
如果
O(t
i
1,P
i
2)
＝0则不存在从变迁
t
i1指向库所
P
i2的有向弧；
(b)
如果
O(t
i
1,P
i
2)>0
则存在一个权重等于
O(t
i
1,P
i
2)
的从变迁指向库所的有向弧；

【专利技术属性】
技术研发人员：孙柏青，王虹杰，李勇，张秋豪，杨俊友，
申请(专利权)人：沈阳工业大学，
类型：发明
国别省市：