人工免疫系统的多机器人协作探测研究(附件)【字数：13696】
摘 要摘 要为了解决机器人在未知环境的探测问题，本文在Jerene独特免疫网络假设的基础上,提出一种基于淋巴细胞机理的改进型边界探测算法，该算法根据障碍物和目标抗原信息，引入了B细胞和T细胞机制调整免疫系统中的浓度大小，同时，免疫系统的参数综合考虑了机器人周围观测点的距离和方位对系统性能整体影响，以及综合考虑机器人之间的距离与方向，有利于机器人团队协同工作，避免了机器人彼此的冲突和干涉，减少机器人的重复探测和路径交叉的可能性。为了帮助机器人跳出被锁状态，研究的目标就是用时最少、路径最短以及有效的避开障碍物。本文综合考虑机器人与免疫系统记忆库中备选点之间的距离与方向，提出了逼近法协助机器人跳出被锁状态。仿真实验表明，机器人在移动的过程中将局部信息融入地图中有效避开障碍物，并且以最优的路径到达记忆库的备选点。关键词:多机器人；淋巴细胞免疫；免疫记忆；逼近法；协作探索
目 录
第一章 绪 论 1
1.1研究背景和意义 1
1.2国内外研究现状 1
1.3 人工免疫算法的简要概述 3
1.3.1 生物免疫定义 3
1.3.2几种典型的免疫算法 4
1.1.3 独特型免疫网络理论 4
1.4 研究内容 5
第二章 基于淋巴细胞机理免疫网络的多机器人协作探测 6
2.1 基于人工免疫系统建模 6
2.1.1 环境构建 6
2.1.2 机器人建模 7
2.2 基于人工免疫系统的探测算法 8
2.3 一种基于淋巴细胞机理的改进型边界探测算法 9
2.4 机器人之间协作的改进 10
2.5 机器人被锁情况 11
2.6算法的主要步骤 11
2.7实验分析 12
2.8 本章小结 15
第三章 基于逼近法优化多机器人协作探测 16
3.1记忆免疫细胞 16
3.2采用逼近法解决机器人被锁情况 16
3.3算法的主要步骤 18
3.4探测算法的流程 18
3.5仿真结果与对比 19
第四章 基于Webot *好棒文|www.hbsrm.com +Q: ￥351916072￥
s多机器人协作探测的仿真实验 24
4.1 环境模型构建以及机器人建模 24
4.2 一种基于淋巴细胞机理的改进型边界探测算法 26
4.2.1程序编写 26
4.2.2 基于淋巴细胞激励的优化算法仿真实验。 27
4.3采用逼近法改进机器人被锁算法 29
结 论 31
致 谢 32
参考文献 33
第一章 绪 论
1.1研究背景和意义
随着现代化的发展，自动化成为现代学者研究的主流方向，机器人也因此应运而生。一开始主要研究的是单个机器人，随着多机器人的优势的凸显，越来越多的科学家开始转向多机器人的研究，由于单个机器人运动空间具有局限性，不可能单独地完成复杂问题，相比较单个机器人，多机器人在工程应用方面表现出了很大的优势：多机器人之间具有并行性可以更高效率的实现具体功能，可以完成很多单个机器人无完成的任务，如模拟两队足球运动员踢球。此外，多机器人具有的重叠性也增强了其对环境判别和环境建模的能力，多机器人在整个系统中也更具有鲁棒性和容错能力。在这种大环境下，越来越多的学者研究多机器人在工程问题上的应用，多机器人的协调合作是研究的主要课题之一。在航空中如月球探索、火星探索，在海洋中如海底探勘、沉船勘察，在侦查中如爆破、领地勘探，在抢险及搜救等方面机器人的未知探测发挥着很大的作用。智能仿真算法在经过近几十年的发展中，在工程应用方面取得了很大而成效，对于应用免疫网络机制算法的研究和应用却是近十年才开始的。免疫网络机制主要是处理一些规模较大、优化比较复杂的问题或者任务，传统的人工智能优化算法如模拟退火、遗传算法等已经无法适应这些复杂问题。Jerene[8]首先提出的免疫网络，为免疫计算奠定了基础，免疫网络动态模型也随之出现。Famer等[9]人将免疫网络模型与其它人工智能方法如神经网络等的联系起来，开启了人工免疫系统探索之路。为之来学者研究人工免疫系统理论及工程应用提供了重要的理论依据。
应用免疫系统的多机器人协作探索，是借助生物免疫系统中的免疫算法实现机器人在没有任何环境信息的基础上对环境做出全局探测。人工免疫算法具有传统算法如遗传、蚁群算法等没有的特性：没有中央控制器，时间、空间上具有并行性。可以处理一些比较复杂的工程类问题，具有较高的研究价值。
1.2国内外研究现状
人工免疫算法是一种没有全局控制器，时间、空间上具有并行性的网络系统。近几十年来，许多国外的学者对其展开了研究和探索。Famer等[9]提出的独特型网络系统，是最早免疫系统之一，该理论指出，生物免疫系统可以看作是一个没有全局监督的漫衍式系统。当系统受到外界入侵时，系统的均衡性就会被打破，系统的内免疫因子之间相互作用，调整免疫浓度帮助系统重新达到新的平衡，这个过程较为复杂。免疫系统对解决许多复杂问题都有很好的应用。本文是在独特型免疫网络实现机器人的探索问题的基础上进行研究的。
还有较为大家熟知的互联耦合免疫网络，互联耦合免疫网是在细胞选择学说的基础上提出的，由于抗体之间大规模的联系尚未被验证，所以学者发现免疫系统利用局部的连接维持系统的稳定性，即利用抗体之间数个链条维持生物系统的稳定。Tang[1112]基于Jerene[8]的免疫网络理论提出了多值免疫网络。多值免疫网络模型运用多值特征分类数据。考虑了免疫系统中T细胞和B细胞之间的作用。当然，人工免疫模型还远远不止上述那么一点，典型的还有PDP网络、动态识免疫网络、aiNet[13]网络、Mitsumoto[14]提出的免疫反应网络和对称网络等很多学者也对其做出很多研究。
近几年国内学者对多机器人环境探测也做出了很多研究。王立等[2]提出了单步探测任务分配规划地图，同时也研究了多步探测任务分配和多机器人协作探测任务分配的问题，由于对未知环境的信息缺乏先验知识，提出了局域信息模糊决策的单步探测任务分配，利用环境地图构建中栅格图的概率信息，提出基于分布估算法的路径规划和多步探测的任务分配问题。李杰等[3]借鉴力学原理,通过构建地图获取地图信息和机器人位置, 改进了虚拟力场法，防止机器人陷入被锁，探测耗时也较少，其中一个机器人出现故障，其他机器人依然继续工作。但这种情况下环境信息累积误差大、存储信息不能及时更新。刘年庆等[5]提出了一种应用超声波传递信息的方法建模。在识别墙角、拐弯、空缺等环境特征中更加有优势，建立的环境也更真实。周光明等[4]在刘庆年等[5]的基础上提出了主动探测策略用于地图构建,解决了超声波传感器容易发生镜面反射分辨率低等缺点,并且给出机器人地图构建的完整过程。除了基于超声波信息建模的方法外，生物学行为控制机制的思想在未知环境探测规划中也经常被采用。高元园等[1]在生物学行为控制机制的基础上提出了将免疫网络与机器人环境探索相结合，通过抗体之间的相互作用解决了机器人之间没有协作的问题，但在机器人的局部观测定位方面考虑不足，容易造成机器人的重复探测。吴皓等[6]基于高元园[1]免疫系统突出了T细胞函数调整免疫网络浓度模型，充分地发挥机器人之间的合作能力，但是不能更新全局地图。陈宗海等[7]在研究多机器人未知环境探测方向中，提出了一种多机器人框架，做出衡量多机器人合作能力的时间效率曲线。但是该算法始终保持机器人行进的总距离里基本不变，对于单个机器人发挥主动性有一定的局限性。为了减少探测成本，解决机器人被困问题。本文在高元园等[1]的基础上提出了基于淋巴细胞的免疫机理和逼近法，改进了免疫网络，仿真实验证明了该方法可以高效、可靠的实现多机器人未知环境的探测。
目 录
第一章 绪 论 1
1.1研究背景和意义 1
1.2国内外研究现状 1
1.3 人工免疫算法的简要概述 3
1.3.1 生物免疫定义 3
1.3.2几种典型的免疫算法 4
1.1.3 独特型免疫网络理论 4
1.4 研究内容 5
第二章 基于淋巴细胞机理免疫网络的多机器人协作探测 6
2.1 基于人工免疫系统建模 6
2.1.1 环境构建 6
2.1.2 机器人建模 7
2.2 基于人工免疫系统的探测算法 8
2.3 一种基于淋巴细胞机理的改进型边界探测算法 9
2.4 机器人之间协作的改进 10
2.5 机器人被锁情况 11
2.6算法的主要步骤 11
2.7实验分析 12
2.8 本章小结 15
第三章 基于逼近法优化多机器人协作探测 16
3.1记忆免疫细胞 16
3.2采用逼近法解决机器人被锁情况 16
3.3算法的主要步骤 18
3.4探测算法的流程 18
3.5仿真结果与对比 19
第四章 基于Webot *好棒文|www.hbsrm.com +Q: ￥351916072￥
s多机器人协作探测的仿真实验 24
4.1 环境模型构建以及机器人建模 24
4.2 一种基于淋巴细胞机理的改进型边界探测算法 26
4.2.1程序编写 26
4.2.2 基于淋巴细胞激励的优化算法仿真实验。 27
4.3采用逼近法改进机器人被锁算法 29
结 论 31
致 谢 32
参考文献 33
第一章 绪 论
1.1研究背景和意义
随着现代化的发展，自动化成为现代学者研究的主流方向，机器人也因此应运而生。一开始主要研究的是单个机器人，随着多机器人的优势的凸显，越来越多的科学家开始转向多机器人的研究，由于单个机器人运动空间具有局限性，不可能单独地完成复杂问题，相比较单个机器人，多机器人在工程应用方面表现出了很大的优势：多机器人之间具有并行性可以更高效率的实现具体功能，可以完成很多单个机器人无完成的任务，如模拟两队足球运动员踢球。此外，多机器人具有的重叠性也增强了其对环境判别和环境建模的能力，多机器人在整个系统中也更具有鲁棒性和容错能力。在这种大环境下，越来越多的学者研究多机器人在工程问题上的应用，多机器人的协调合作是研究的主要课题之一。在航空中如月球探索、火星探索，在海洋中如海底探勘、沉船勘察，在侦查中如爆破、领地勘探，在抢险及搜救等方面机器人的未知探测发挥着很大的作用。智能仿真算法在经过近几十年的发展中，在工程应用方面取得了很大而成效，对于应用免疫网络机制算法的研究和应用却是近十年才开始的。免疫网络机制主要是处理一些规模较大、优化比较复杂的问题或者任务，传统的人工智能优化算法如模拟退火、遗传算法等已经无法适应这些复杂问题。Jerene[8]首先提出的免疫网络，为免疫计算奠定了基础，免疫网络动态模型也随之出现。Famer等[9]人将免疫网络模型与其它人工智能方法如神经网络等的联系起来，开启了人工免疫系统探索之路。为之来学者研究人工免疫系统理论及工程应用提供了重要的理论依据。
应用免疫系统的多机器人协作探索，是借助生物免疫系统中的免疫算法实现机器人在没有任何环境信息的基础上对环境做出全局探测。人工免疫算法具有传统算法如遗传、蚁群算法等没有的特性：没有中央控制器，时间、空间上具有并行性。可以处理一些比较复杂的工程类问题，具有较高的研究价值。
1.2国内外研究现状
人工免疫算法是一种没有全局控制器，时间、空间上具有并行性的网络系统。近几十年来，许多国外的学者对其展开了研究和探索。Famer等[9]提出的独特型网络系统，是最早免疫系统之一，该理论指出，生物免疫系统可以看作是一个没有全局监督的漫衍式系统。当系统受到外界入侵时，系统的均衡性就会被打破，系统的内免疫因子之间相互作用，调整免疫浓度帮助系统重新达到新的平衡，这个过程较为复杂。免疫系统对解决许多复杂问题都有很好的应用。本文是在独特型免疫网络实现机器人的探索问题的基础上进行研究的。
还有较为大家熟知的互联耦合免疫网络，互联耦合免疫网是在细胞选择学说的基础上提出的，由于抗体之间大规模的联系尚未被验证，所以学者发现免疫系统利用局部的连接维持系统的稳定性，即利用抗体之间数个链条维持生物系统的稳定。Tang[1112]基于Jerene[8]的免疫网络理论提出了多值免疫网络。多值免疫网络模型运用多值特征分类数据。考虑了免疫系统中T细胞和B细胞之间的作用。当然，人工免疫模型还远远不止上述那么一点，典型的还有PDP网络、动态识免疫网络、aiNet[13]网络、Mitsumoto[14]提出的免疫反应网络和对称网络等很多学者也对其做出很多研究。
近几年国内学者对多机器人环境探测也做出了很多研究。王立等[2]提出了单步探测任务分配规划地图，同时也研究了多步探测任务分配和多机器人协作探测任务分配的问题，由于对未知环境的信息缺乏先验知识，提出了局域信息模糊决策的单步探测任务分配，利用环境地图构建中栅格图的概率信息，提出基于分布估算法的路径规划和多步探测的任务分配问题。李杰等[3]借鉴力学原理,通过构建地图获取地图信息和机器人位置, 改进了虚拟力场法，防止机器人陷入被锁，探测耗时也较少，其中一个机器人出现故障，其他机器人依然继续工作。但这种情况下环境信息累积误差大、存储信息不能及时更新。刘年庆等[5]提出了一种应用超声波传递信息的方法建模。在识别墙角、拐弯、空缺等环境特征中更加有优势，建立的环境也更真实。周光明等[4]在刘庆年等[5]的基础上提出了主动探测策略用于地图构建,解决了超声波传感器容易发生镜面反射分辨率低等缺点,并且给出机器人地图构建的完整过程。除了基于超声波信息建模的方法外，生物学行为控制机制的思想在未知环境探测规划中也经常被采用。高元园等[1]在生物学行为控制机制的基础上提出了将免疫网络与机器人环境探索相结合，通过抗体之间的相互作用解决了机器人之间没有协作的问题，但在机器人的局部观测定位方面考虑不足，容易造成机器人的重复探测。吴皓等[6]基于高元园[1]免疫系统突出了T细胞函数调整免疫网络浓度模型，充分地发挥机器人之间的合作能力，但是不能更新全局地图。陈宗海等[7]在研究多机器人未知环境探测方向中，提出了一种多机器人框架，做出衡量多机器人合作能力的时间效率曲线。但是该算法始终保持机器人行进的总距离里基本不变，对于单个机器人发挥主动性有一定的局限性。为了减少探测成本，解决机器人被困问题。本文在高元园等[1]的基础上提出了基于淋巴细胞的免疫机理和逼近法，改进了免疫网络，仿真实验证明了该方法可以高效、可靠的实现多机器人未知环境的探测。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/jdgc/642.html
