基于群体智能的多机器人仿真平台研究
基于群体智能的多机器人仿真平台研究[20191215171334]
摘 要
机器人技术的发展彰显一个国家科技水平的高低。在机器人关键技术的发展过程中，提高个体机器人的智能程度和群体机器人之间的协调与协作成为研究的热点。因此，只要是关于机器人的自主规划和多机器人的路径规划问题域编队问题都已是机器人研究的重要课题，工业机器人和移动机器人都是如此，都有着紧密的联系。对提高机器人的智能化水平和加快机器人的实用化进程都具有重要的理论研究意义和实用价值。
论文分析机器人路径规划所要解决的基本问题与相关技术，在现有的研究基础上，本文提出面向机器人的全局规划思路，设计单个机器人路径规划方法，将机器人所处的客观环境知识与遗传算法融合，改变了原有的编码、种群初始化方法。通过仿真验证了算法的可行性，同时对于算法的参数影响进行了分析和研究。在此基础上，论文进一步分析多机器人的路径规划特点，引入协同进化概念，设计一种新的基于共生机制的遗传算法，实现了多机器人的全局路径规划。
关于机器人编队问题，论文从队形形成和队形控制两个层次分析问题，设计并实现了一种多机器人在执行协作任务时的协调控制方法。采用基于Leader的队形控制方法与队形动态调整相结合的策略，增强多机器人队列处理突发事件的能力，同时结合机器人角色转换方法，使得机器人协作任务得以更好地完成。
摘 要 1
查看完整论文请+Q: 351916072
关键字:智能机器人；路径规划；编队；遗传算法；
目 录
ABSTRACT 2
第1章 绪论 5
1.1课题研究的目的和意义 5
1.2机器人的发展历程 5
1.2.1 智能机器人简介 5
1.2.2 智能机器人的关键技术 6
1.3对机器路径规划及编队的研究状况 7
1.4论文的主要工作 9
1.5本章小结 10
第2章 机器人路径规划的基本原理 11
2.1路径规划分析 11
2.1.1环境表示 11
2.1.2规划方法 12
2.1.3搜索算法 12
2.2 本章小结 12
第3章 基于遗传算法的机器人路径规划 13
3.1基本遗传算法分析 13
3.1.1遗传算法的原理与特点 13
3.2遗传算法在路径规划中的应用 14
3.2.1问题的预处理 14
3.2.2环境的建模步骤分析 14
3.2.3环境的数学模型 15
3.3本章小结 16
第4章 路径规划算法的设计与仿真 17
4.1路径规划的总体架构 17
4.2面向单机器人的算法设计 17
4.2.1初始种群产生方法 18
4.2.2适应度函数设计 20
4.2.3终止条件 20
4.3面向多机器人的算法设计 21
4.3.1算法初始化与参数设定 21
4.3.2适应度函数设计 21
4.3.3 信息交换设计 22
4.4算法的仿真 23
4.4.1单机器人路径规划仿真 23
4.4.2多机器人路径规划仿真 27
4.5本章小结 29
第5章 编队问题的研究与仿真 30
5.1问题分析 30
5.2多机器人体系结构 30
5.2.1控制结构 30
5.2.2通讯结构 31
5.3多机器人的编队问题 31
5.3.1基本队形分析 31
5.3.2编队实现 31
5.4多机器队形控制方法 32
5.5仿真研究 33
5.6本章小结 35
第6章 总结 36
参考文献...................................................................................................37
致谢...........................................................................................................37
附录...........................................................................................................40
第1章 绪论
1.1 课题研究的目的和意义
机器人能力代表国家的科学技术能力。机器人的研发中，导航能力是中心，路径规划是首要的研究课题，无论是工业机器人或轮式移动机器人的设计是密切相关的。为提升机器人的独立规划能力，机器人的智能度——自我的一个重要因素。同时，是机器人能力进展的必然趋势，对多机器人任务的研究，这将对机器人进展起着重要的作用。多机器人之间的协同与协作将极大提升机器人行动的智能程度，完成单个机器人无法实现的任务，进一步从危险和艰苦的工作释放的人。多机器人系统的研究对提高机器人智能水平及加快机器人的实际过程，我机器人发展史上具有重要的理论意义和实用价值。本论文的目的是机器人路径规划基于人工智能的研究，理论，算法和策略，并分别对单机器人，多机器人仿真试验；进一步结合形成的任务的多机器人运动过程，研究和模拟多机器人协调合作的策略。本研究涉及的多机器人编队，编队控制的机器人路径规划，多机器人系统构架的分析，MATLAB语言环境等方面的知识，充分把握移动机器人的控制和多机器人合作与协调具有重要意义。
1.2 机器人发展历程
1.2.1 智能机器人简介
随着电子技术，计算机技术，人工智能理论，控制理论，传感器技术的不断成长和进步，在不断的丰富和创新的概念和定义的机器人，所涵盖的内容越来越充实。机器人发展的技术路线如下两种：一是产业发展的需求相结合，开发了一系列的工业机器人的具体应用：一个机器人作为人工智能的一个载体，机器智能、智能机器。
机器人的发展过程如图1-1所示[1-3]。
图1-1 机器人发展历程图
在灾难救援机器人，具有广泛的应用前景的服务，医疗，娱乐，军事侦察，消防，反核污染和其他危险和恶劣的环境与土木材料处理，使世界自上世纪70年代开始研究[ 4 ] [ 5 ]。移动机器人是一个完备的收集情况感应系统，动态策略与规划，行动控制与实行等多种功用，包括机械，电子，计算机，传感器技术，是一个多学科相混合与渗透的结晶。
随着电子技术的提高，为提升移动机器人繁杂任务的办理和顺应环境变化的本领，务必提高智力指数机分为：自主性，适应性和交互性。在机器人智能化的发展，为了模拟，延伸，人的思维，感知，智能人工智能理论的行为，引入机器人领域的方法和技术，90年代初，主要的研发热点在智能移动机器人和提高情报需求紧密结合，各种的合作导致智能机器人生成。智能机器人包括反映一个人的智力单机器人系统，体现了多机器人的群体智能，在想象和探寻人类的社会生产举动中，在今天的理论、技术研究中成为热点[6-10]。
1.2.2 智能机器人的关键技术
智能机器人依据职务和周边的情况，独立地确认的作业环节和方法；具有适应复杂情况中的工作本领，解析周边的情况和执行任务的功能，做出决断和掌握运动的权利；和环境，其他的机器人，人类的采集，处理和理解能力与信息交互。因此涉及的关键技术如下[3-5]：
(1)机器结构：机器人能适应各种移动部分设计和选择不同的工作环境；
(2)体系结构：研发实质分开对应单机器人和多机器人，关键集中在单一的机器人是怎样整合思想和行动来实现反射行动的一致；在多机器人系统的信息和控制逻辑和物理关系，分布格局和解决问题的能力；
(3)导向与定位：包含机器人的定位和路径规划，是机器人研发的要点；
(4)感知问题：传感器信息融合包括环境监测和建模，是智能行为的基础；
(5)移动控制：在现实环境中机器人的运动控制的策略和方法的钻研；
(6)交互技术：包括人机界面的网络通信技术，机器人和机器人编程语言；
(7)智能技术：理解和思维一般是仿真机器人的外部行为，研究自动编程技术的集中，多个机器人之间的协调与合作，基于智能传感器；
(8)实验研究与系统软件平台开发：一个高度开放的，普遍应用的，机器人平台，具有独立性和可扩展性的软件平台，现有的扩散的系统集成能力，还提供了对系统软件的设计规范的标准框架。
目前国际上的研究方向主要是建立在高完整性的传感器融合使用机器人互动的能力，积极的环保概念，多机器人系统，智能化技术。在本文中，从机器人导航问题，探讨了多机器人体系的协同方法，及智能化应用研发。
1.3 国内外对机器路径规划及编队的研究现状
上世纪70年代，机器人路径规划开始产生，为这一领域的研究非常激烈，在自动化领域的许多学者，机器人技术，人工智能，做了大量的研究工作一直是研究的主要内容，根据不同的分类标准可以分为以下几种[11-15]方面：全局规划和局部规划部门的规划根据工作环境；将静态环境和动态环境规划。
在本文中，从基本理论的应用角度出发，对现有规划方法分为传统的规划方法和智能规划方法。关于几何和图论的以往方法，包括图搜索算法，自由空间法，网格的解耦方法，人工势场法，全局规划的机器人路径规划方法基于以上几个。与以往的搜索方法不同的包括：图搜索法，枚举法，随机搜索法。但这些传统的方法在搜索效率和路径优化的路径有待进一步提高。
最近，随着人工智能的广泛应用，许多科研人员专注于基于智能方法的路径规划研究。基于智能技术的研究主要分为两类：直接和间接的演化的基础上。人工智能符号之前；后者估算智能技术为代表，包含模糊技术，神经网络，进化计算和基于复杂系统研究的一个人。目前已有的方法有：
(1)基于模糊逻辑的路径规划
基于模糊逻辑的路径规划是基于驱动程序的工作过程的研究，避碰行为的司机没有达到精确计算的环境信息，但根据模糊环境下的信息，通过信息表中取得，然后局部路径规划。这种方法通常用于在线规划，在未知环境中的工艺规划问题表现出了极大的优越性，但也有其固有的缺陷：一个复杂的动态环境是未知的，它是很难提取模糊规则；人类的经验不一定是完整的，当输入时的模糊推理规则表增加或扩大，使导航下效率。
(2)基于神经网络的路径规划
路径规划是一个映射的静态空间到动态空间，完成映射关系能通过各种方式，但它是难以用精准的数学式表达。利用神经网络对传感器结果作为网络的输入，所需的运动方向角增量作为网络的输出，由一组数据的多个选定的位置在宪法的原始样本集，删除重复或冲突的样品处理后，得到最终的样本集。但神经网络在认知环境建模中的应用是有限的，在导航过程中，目前主要采用前馈神经网络的训练，需要教师信号，难以实现在线应用。
(3)基于遗传算法的路径规划
基于自然选择和生物进化论的自然遗传机制的遗传算法，构造了一种算法，是应用最广的一种机器人的路径规划方法。而遗传算法是缓慢的，渐进的许多规划占用较大的存储空间和计算时间。因此，在此基础上，根据对象的不同应用需求和环境，遗传算法源于多种。
(4)基于各种方法的路径规划
为了弥补单一算法的不足，许多混合智能算法的研究是不同的，如神经网络和模糊数学方法来实现移动机器人部分路径规划的机器人，提高学习能力；模糊神经网络和遗传算法，可以提高机器人的环境适应和控制能力，规划的过程分为联网和断网等。
摘 要
机器人技术的发展彰显一个国家科技水平的高低。在机器人关键技术的发展过程中，提高个体机器人的智能程度和群体机器人之间的协调与协作成为研究的热点。因此，只要是关于机器人的自主规划和多机器人的路径规划问题域编队问题都已是机器人研究的重要课题，工业机器人和移动机器人都是如此，都有着紧密的联系。对提高机器人的智能化水平和加快机器人的实用化进程都具有重要的理论研究意义和实用价值。
论文分析机器人路径规划所要解决的基本问题与相关技术，在现有的研究基础上，本文提出面向机器人的全局规划思路，设计单个机器人路径规划方法，将机器人所处的客观环境知识与遗传算法融合，改变了原有的编码、种群初始化方法。通过仿真验证了算法的可行性，同时对于算法的参数影响进行了分析和研究。在此基础上，论文进一步分析多机器人的路径规划特点，引入协同进化概念，设计一种新的基于共生机制的遗传算法，实现了多机器人的全局路径规划。
关于机器人编队问题，论文从队形形成和队形控制两个层次分析问题，设计并实现了一种多机器人在执行协作任务时的协调控制方法。采用基于Leader的队形控制方法与队形动态调整相结合的策略，增强多机器人队列处理突发事件的能力，同时结合机器人角色转换方法，使得机器人协作任务得以更好地完成。
摘 要 1
查看完整论文请+Q: 351916072
关键字:智能机器人
目 录
ABSTRACT 2
第1章 绪论 5
1.1课题研究的目的和意义 5
1.2机器人的发展历程 5
1.2.1 智能机器人简介 5
1.2.2 智能机器人的关键技术 6
1.3对机器路径规划及编队的研究状况 7
1.4论文的主要工作 9
1.5本章小结 10
第2章 机器人路径规划的基本原理 11
2.1路径规划分析 11
2.1.1环境表示 11
2.1.2规划方法 12
2.1.3搜索算法 12
2.2 本章小结 12
第3章 基于遗传算法的机器人路径规划 13
3.1基本遗传算法分析 13
3.1.1遗传算法的原理与特点 13
3.2遗传算法在路径规划中的应用 14
3.2.1问题的预处理 14
3.2.2环境的建模步骤分析 14
3.2.3环境的数学模型 15
3.3本章小结 16
第4章 路径规划算法的设计与仿真 17
4.1路径规划的总体架构 17
4.2面向单机器人的算法设计 17
4.2.1初始种群产生方法 18
4.2.2适应度函数设计 20
4.2.3终止条件 20
4.3面向多机器人的算法设计 21
4.3.1算法初始化与参数设定 21
4.3.2适应度函数设计 21
4.3.3 信息交换设计 22
4.4算法的仿真 23
4.4.1单机器人路径规划仿真 23
4.4.2多机器人路径规划仿真 27
4.5本章小结 29
第5章 编队问题的研究与仿真 30
5.1问题分析 30
5.2多机器人体系结构 30
5.2.1控制结构 30
5.2.2通讯结构 31
5.3多机器人的编队问题 31
5.3.1基本队形分析 31
5.3.2编队实现 31
5.4多机器队形控制方法 32
5.5仿真研究 33
5.6本章小结 35
第6章 总结 36
参考文献...................................................................................................37
致谢...........................................................................................................37
附录...........................................................................................................40
第1章 绪论
1.1 课题研究的目的和意义
机器人能力代表国家的科学技术能力。机器人的研发中，导航能力是中心，路径规划是首要的研究课题，无论是工业机器人或轮式移动机器人的设计是密切相关的。为提升机器人的独立规划能力，机器人的智能度——自我的一个重要因素。同时，是机器人能力进展的必然趋势，对多机器人任务的研究，这将对机器人进展起着重要的作用。多机器人之间的协同与协作将极大提升机器人行动的智能程度，完成单个机器人无法实现的任务，进一步从危险和艰苦的工作释放的人。多机器人系统的研究对提高机器人智能水平及加快机器人的实际过程，我机器人发展史上具有重要的理论意义和实用价值。本论文的目的是机器人路径规划基于人工智能的研究，理论，算法和策略，并分别对单机器人，多机器人仿真试验；进一步结合形成的任务的多机器人运动过程，研究和模拟多机器人协调合作的策略。本研究涉及的多机器人编队，编队控制的机器人路径规划，多机器人系统构架的分析，MATLAB语言环境等方面的知识，充分把握移动机器人的控制和多机器人合作与协调具有重要意义。
1.2 机器人发展历程
1.2.1 智能机器人简介
随着电子技术，计算机技术，人工智能理论，控制理论，传感器技术的不断成长和进步，在不断的丰富和创新的概念和定义的机器人，所涵盖的内容越来越充实。机器人发展的技术路线如下两种：一是产业发展的需求相结合，开发了一系列的工业机器人的具体应用：一个机器人作为人工智能的一个载体，机器智能、智能机器。
机器人的发展过程如图1-1所示[1-3]。
图1-1 机器人发展历程图
在灾难救援机器人，具有广泛的应用前景的服务，医疗，娱乐，军事侦察，消防，反核污染和其他危险和恶劣的环境与土木材料处理，使世界自上世纪70年代开始研究[ 4 ] [ 5 ]。移动机器人是一个完备的收集情况感应系统，动态策略与规划，行动控制与实行等多种功用，包括机械，电子，计算机，传感器技术，是一个多学科相混合与渗透的结晶。
随着电子技术的提高，为提升移动机器人繁杂任务的办理和顺应环境变化的本领，务必提高智力指数机分为：自主性，适应性和交互性。在机器人智能化的发展，为了模拟，延伸，人的思维，感知，智能人工智能理论的行为，引入机器人领域的方法和技术，90年代初，主要的研发热点在智能移动机器人和提高情报需求紧密结合，各种的合作导致智能机器人生成。智能机器人包括反映一个人的智力单机器人系统，体现了多机器人的群体智能，在想象和探寻人类的社会生产举动中，在今天的理论、技术研究中成为热点[6-10]。
1.2.2 智能机器人的关键技术
智能机器人依据职务和周边的情况，独立地确认的作业环节和方法；具有适应复杂情况中的工作本领，解析周边的情况和执行任务的功能，做出决断和掌握运动的权利；和环境，其他的机器人，人类的采集，处理和理解能力与信息交互。因此涉及的关键技术如下[3-5]：
(1)机器结构：机器人能适应各种移动部分设计和选择不同的工作环境；
(2)体系结构：研发实质分开对应单机器人和多机器人，关键集中在单一的机器人是怎样整合思想和行动来实现反射行动的一致；在多机器人系统的信息和控制逻辑和物理关系，分布格局和解决问题的能力；
(3)导向与定位：包含机器人的定位和路径规划，是机器人研发的要点；
(4)感知问题：传感器信息融合包括环境监测和建模，是智能行为的基础；
(5)移动控制：在现实环境中机器人的运动控制的策略和方法的钻研；
(6)交互技术：包括人机界面的网络通信技术，机器人和机器人编程语言；
(7)智能技术：理解和思维一般是仿真机器人的外部行为，研究自动编程技术的集中，多个机器人之间的协调与合作，基于智能传感器；
(8)实验研究与系统软件平台开发：一个高度开放的，普遍应用的，机器人平台，具有独立性和可扩展性的软件平台，现有的扩散的系统集成能力，还提供了对系统软件的设计规范的标准框架。
目前国际上的研究方向主要是建立在高完整性的传感器融合使用机器人互动的能力，积极的环保概念，多机器人系统，智能化技术。在本文中，从机器人导航问题，探讨了多机器人体系的协同方法，及智能化应用研发。
1.3 国内外对机器路径规划及编队的研究现状
上世纪70年代，机器人路径规划开始产生，为这一领域的研究非常激烈，在自动化领域的许多学者，机器人技术，人工智能，做了大量的研究工作一直是研究的主要内容，根据不同的分类标准可以分为以下几种[11-15]方面：全局规划和局部规划部门的规划根据工作环境；将静态环境和动态环境规划。
在本文中，从基本理论的应用角度出发，对现有规划方法分为传统的规划方法和智能规划方法。关于几何和图论的以往方法，包括图搜索算法，自由空间法，网格的解耦方法，人工势场法，全局规划的机器人路径规划方法基于以上几个。与以往的搜索方法不同的包括：图搜索法，枚举法，随机搜索法。但这些传统的方法在搜索效率和路径优化的路径有待进一步提高。
最近，随着人工智能的广泛应用，许多科研人员专注于基于智能方法的路径规划研究。基于智能技术的研究主要分为两类：直接和间接的演化的基础上。人工智能符号之前；后者估算智能技术为代表，包含模糊技术，神经网络，进化计算和基于复杂系统研究的一个人。目前已有的方法有：
(1)基于模糊逻辑的路径规划
基于模糊逻辑的路径规划是基于驱动程序的工作过程的研究，避碰行为的司机没有达到精确计算的环境信息，但根据模糊环境下的信息，通过信息表中取得，然后局部路径规划。这种方法通常用于在线规划，在未知环境中的工艺规划问题表现出了极大的优越性，但也有其固有的缺陷：一个复杂的动态环境是未知的，它是很难提取模糊规则；人类的经验不一定是完整的，当输入时的模糊推理规则表增加或扩大，使导航下效率。
(2)基于神经网络的路径规划
路径规划是一个映射的静态空间到动态空间，完成映射关系能通过各种方式，但它是难以用精准的数学式表达。利用神经网络对传感器结果作为网络的输入，所需的运动方向角增量作为网络的输出，由一组数据的多个选定的位置在宪法的原始样本集，删除重复或冲突的样品处理后，得到最终的样本集。但神经网络在认知环境建模中的应用是有限的，在导航过程中，目前主要采用前馈神经网络的训练，需要教师信号，难以实现在线应用。
(3)基于遗传算法的路径规划
基于自然选择和生物进化论的自然遗传机制的遗传算法，构造了一种算法，是应用最广的一种机器人的路径规划方法。而遗传算法是缓慢的，渐进的许多规划占用较大的存储空间和计算时间。因此，在此基础上，根据对象的不同应用需求和环境，遗传算法源于多种。
(4)基于各种方法的路径规划
为了弥补单一算法的不足，许多混合智能算法的研究是不同的，如神经网络和模糊数学方法来实现移动机器人部分路径规划的机器人，提高学习能力；模糊神经网络和遗传算法，可以提高机器人的环境适应和控制能力，规划的过程分为联网和断网等。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4965.html
