当前位置: 首页 > 专利查询>湖南大学专利>正文

一种基于分组协同决策机制的多机器人搜索方法技术

技术编号:39598210 阅读:11 留言:0更新日期:2023-12-03 19:57
本发明专利技术公开了一种基于分组协同决策机制的多机器人搜索方法,包括定义机器人局部通信集合;使用栅格地图对机器人的搜索环境进行构建,将机器人的任务搜索区域划分为

【技术实现步骤摘要】
一种基于分组协同决策机制的多机器人搜索方法


[0001]本专利技术属于机器人区域搜索
,特别是涉及一种基于分组协同决策机制的多机器人搜索方法


技术介绍

[0002]随着机器人技术的发展,自主移动机器人已经可以协助人类完成一些特定任务,如战场侦察,太空探索,灾后搜救,地面清扫等

这些任务可以概括为未知环境下的完全区域搜索问题

所谓未知环境指的是在机器人的任务搜索区域内,搜索目标和障碍物的位置分布是未知的,但是机器人的搜索边界是已知的

这就要求机器人对未探索区域不断搜索,同时避免重复探索

自主机器人在未知环境中所面临的约束如下:
1)
机器人传感器的探测范围相对于任务区域的大小是有限的;
2)
自主机器人在搜索任务开始前没有先验环境信息,包括任务区域内目标和障碍物的分布情况;
3)
自主机器人必须在未知环境中实时避开障碍物

[0003]与单个自主机器人相比,多机器人系统具有灵活性

鲁棒性和并行性等优点,能够提高区域搜索任务的效率

因此,考虑使用多个自主机器人在未知环境下进行区域搜索任务

该任务要求多个机器人通过传感器获取环境信息,以最小代价协同完成对未知环境的区域搜索

此外,考虑到在一些恶劣环境下,如灾后搜救现场,机器人之间通信条件可能并不理想

因此,多机器人系统在进行区域搜索任务时,还需要额外满足两个约束:
1)
搜索过程中避免机器人之间的碰撞;
2)
机器人之间的通信范围有限,只能建立局部通信

当前的多机器人区域搜索方法主要面向理想通信条件下的区域搜索任务,对于多机器人系统而言,如何在通信条件有限的情况下
(
机器人无法进行全局通信
)
,高效地执行区域搜索任务仍是当前一个研究难点

针对当前的多机器人区域搜索技术研究中,由于有限的通信条件下多机器人无法进行全局通信,导致多机器人系统区域搜索效率下降的问题,设计专利技术出一种基于分组协同决策机制的多机器人搜索方法


技术实现思路

[0004]针对以上技术问题,本专利技术提供一种基于分组协同决策机制的多机器人搜索方法

[0005]本专利技术解决其技术问题采用的技术方案是:
[0006]一种基于分组协同决策机制的多机器人搜索方法,方法包括以下步骤:
[0007]S100
:将每个机器人视为一个通信节点,定义机器人局部通信集合;
[0008]S200
:使用栅格地图对机器人的搜索环境进行构建,将机器人的任务搜索区域划分为
L1*L2个面积相同的栅格,将构建后的栅格地图与简化的生物启发神经网络
SBNN
进行融合,建立环境信息表示模型;
[0009]S300
:将同一局部通信集合内机器人探测到的环境信息进行融合;
[0010]S400
:将局部通信集合内的机器人分为多个搜索小组;
[0011]S500
:确定每个搜索小组内部机器人的迭代决策顺序和迭代决策过程,直至小组内机器人决策完毕;
[0012]S600
:所有机器人运动至下一步,并更新环境信息,直到整个任务区域搜索完毕

[0013]优选地,
S100
具体为:
[0014]假设机器人
R
m
在栅格地图中的位置坐标为
(x
m
,y
m
)
,机器人
R
h
在栅格地图中的位置坐标为
(x
h

y
h
)
,若两个机器人的欧氏距离
d
小于机器人最大通信半径
L
c
,则这两个机器人属于同一个通信集合
P
z

[0015]P
z

{{R
m

R
h
}

d(R
m

R
h
)≤L
c

m

h
=1,2,
...

N
r

m≠h}
[0016]其中,
z
=1,2,
....n1,
n1表示机器人局部通信集合的数量,
N
r
为机器人的总数量,
[0017]优选地,
S200
中使用栅格地图对机器人的搜索环境进行构建,将机器人的任务搜索区域划分为
L1*L2个面积相同的栅格,包括:
[0018]栅格的状态包括目标所在栅格

障碍物所在栅格

无障碍物栅格和未搜索栅格,构建的栅格地图的状态表示如下所示:
[0019][0020]其中
S{G(h

v)}
表示栅格
G(h

v)
的状态,
G(h

v)
表示位置为
(h

v)
的栅格,
h∈[1

L1],
v∈[1

L2],
UA
表示未搜索栅格,
OA
表示障碍物所在栅格,
CA
表示无障碍物栅格,
TA
表示目标所在栅格

[0021]优选地,
S200
中将构建后的栅格地图与简化的生物启发神经网络
SBNN
进行融合,建立环境信息表示模型包括:
[0022]每一个栅格都对应一个神经元活性值
x
i

SBNN
的模型如下所示:
[0023][0024]其中传递函数
g(x)
被设置为:
[0025][0026]其中
x
i
(t+1)
表示的是第
i
个神经元在
(t+1)
时刻的活性值,
x
j
(t)
表示的是第
j
个神经元在
t
时刻的活性值,
[x
j
(t)]+

max[x
j
(t)

0],该式表示只有正神经元才能影响其他神经元并有全局传播效应,负神经元不能向外传播具有局部效应,
I
i
表示...

【技术保护点】

【技术特征摘要】
1.
一种基于分组协同决策机制的多机器人搜索方法,其特征在于,所述方法包括以下步骤:
S100
:将每个机器人视为一个通信节点,定义机器人局部通信集合;
S200
:使用栅格地图对机器人的搜索环境进行构建,将机器人的任务搜索区域划分为
L1*L2个面积相同的栅格,将构建后的栅格地图与简化的生物启发神经网络
SBNN
进行融合,建立环境信息表示模型;
S300
:将同一局部通信集合内机器人探测到的环境信息进行融合;
S400
:将局部通信集合内的机器人分为多个搜索小组;
S500
:确定每个搜索小组内部机器人的迭代决策顺序和迭代决策过程,直至小组内机器人决策完毕;
S600
:所有机器人运动至下一步,并更新环境信息,直到整个任务区域搜索完毕
。2.
根据权利要求1所述的方法,其特征在于,
S100
具体为:假设机器人
R
m
在栅格地图中的位置坐标为
(x
m

y
m
)
,机器人
R
h
在栅格地图中的位置坐标为
(x
h

y
h
)
,若两个机器人的欧氏距离
d
小于机器人最大通信半径
L
c
,则这两个机器人属于同一个通信集合
P
z

P
z

{{R
m

R
h
}

d(R
m

R
h
)≤L
c

m

h
=1,2,
...

N
r

m≠h}
其中,
z
=1,2,
....n1,
n1表示机器人局部通信集合的数量,
N
r
为机器人的总数量,
3.
根据权利要求2所述的方法,其特征在于,
S200
中使用栅格地图对机器人的搜索环境进行构建,将机器人的任务搜索区域划分为
L1*L2个面积相同的栅格,包括:栅格的状态包括目标所在栅格

障碍物所在栅格

无障碍物栅格和未搜索栅格,构建的栅格地图的状态表示如下所示:其中
S{G(h

v)}
表示栅格
G(h

v)
的状态,
G(h

v)
表示位置为
(h

v)
的栅格,
h∈[1

L...

【专利技术属性】
技术研发人员:张辉陈波陈鑫杰赵佳浩张方方钟杭江一鸣毛建旭王耀南
申请(专利权)人:湖南大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1