多机器人系统感知能力和控制体系结构综述

为了促进多机器人系统(multi robot system,MRS)的智能化、无人化发展,并提升MRS在不同工作环境中的探测能力和系统的灵活性,本文从MRS的感知能力及其控制系统架构的角度出发,深度调研并分析了MRS相关的研究与工作,重点探讨了空中、地面、水面、水下4种应用环境下的MRS感知能力与控制系统架构,并对未来的研究方向进行展望。本文的结果可对于后续MRS在感知方法和控制系统的选用上提供参考。

多机器人系统PTCWA指标与布局优化

机器人协作系统是提高机械制造加工自动化与灵活性的有效方式,提出了一种基于协作工作空间与公共工作空间乘积(PTCWA)性能指标的机器人系统布局优化模型与方法。该方法采用解析法对多机械臂系统的公共工作空间和协同工作空间进行分析,研究系统布局与两种操作空间之间的耦合关系。基于机械臂D-H参数与机器人数量,对系统布局的极限位置进行分析。基于PTCWA性能指标与布局极限位置参数构建多臂系统布局优化模型,以系统性能指标最优为目标对优化模型进行优化求解。最后以由三个工业机器人组成的典型协作系统为实例进行仿真验证,结果表明以该优化模型进行优化求解可以得到机器人系统的最优系统布局参数。

虚假数据注入攻击下多机器人系统协同寻源

聚焦多机器人系统协同寻源问题,即通过驱使多个机器人相互协同寻找未知环境中物理信号放射源的位置.由于执行任务的机器人通常处于户外开放网络环境中,攻击者在网络中生成的虚假数据注入攻击容易导致多机器人系统寻源任务的失败.为在网络攻击情形下仍旧能够追寻到源点,提出一种基于弹性向量趋同的多机器人系统协同多维寻源方法.有别于现有文献在处理多维寻源时将向量分解成各个维度上的标量进而设计基于标量的弹性趋同协议,所提出的多维寻源方法不仅能够有效抵御虚假数据注入攻击完成寻源任务,而且其界定的安全区间相较于传统基于标量信息界定的安全区间更加严格和精准.在假设f-局部有界(f-locally bounded)虚假数据注入攻击模型下,理论分析给出正常机器人在所设计的控制协议下追寻到源点的充分必要条件.仿真结果表明,该方法在分布式多机器人系统协作寻源和抵抗恶意攻击方面具有优越性.

带时间窗的多机器人系统复杂任务路径规划

针对多机器人系统在复杂任务和时间窗双重约束下的路径规划问题,通过改进蚁群算法实现满足以布尔任务给出的轨迹要求及时间窗约束的最短路径规划。首先,根据全局地图信息和布尔任务提出一种基于Dijkstra算法的预处理算法,计算任务区域之间的最短路径;其次,为了提高求解质量并加快收敛速度,引入基于A∗算法的评估函数改进蚁群算法的启发信息,并结合蚂蚁回退机制,提出一种改进蚁群算法,规划满足任务和时间窗约束的最短路径;最后,通过仿真实验证明所提算法的有效性,并与现有研究进行比较,在求解质量和算法收敛性方面均优于现有方法。

多机器人系统的可观测性及协同定位精度分析

多机器人协同系统的编队队形影响系统的可观测性,应用中发现系统绝对定位能力也是影响协同定位精度的主要因素。针对系统不可观测情况下无法实现协同定位问题,提出了通过增强系统绝对定位能力实现协同定位的方法,重点分析了不同绝对定位能力的多机器人协同定位系统的可观测性对定位精度的影响,确定了系统可观测性的最佳条件。以3个机器人组成的集群为例进行仿真验证了同一观测度情况下,系统的绝对定位能力越强,协同定位精度越高。

面向多机器人系统的元组空间协同模型

在多机器人协同领域,传统的协同模型虽然解决了协同实体间的信息交互、共享和通信问题,但复杂多变的协同环境所需要的决策机制并没有在模型层得到支持,只能通过应用程序来实现,导致协同系统开发困难并影响协同决策过程的执行效率。针对传统的协同模型存在无法灵活地支持用户决策的问题,本文提出一种基于事件具有决策能力的元组空间协同模型DEBC(Decision and Event Based Coordination)。DEBC模型在元组空间框架中引入决策机制,并对应用层的协同任务进行部分抽象,通过赋予元组空间一组支持决策的操作,使得协同应用程序开发具有高度的灵活性和适应性。同时引入事件机制,保证了协同实体间协同行为的灵活性和高效性。最后,对DEBC模型进行实例分析并与现有模型进行实验对比分析,验证了DEBC模型具有良好的表达能力和更高的执行效率,其提供的决策机制、事件机制具有广泛的适用性。

协作多机器人系统研究进展综述

协作多机器人系统是近年来机器人研究的热点,具有良好的应用前景.针对开展相关研究的迫切需要,总结了协作多机器人系统研究的国内外发展现状,并分别对无意识协作的仿生多机器人系统和有意识协作的异构多机器人系统研究进行论述.重点从系统构建和优化控制的宏观角度出发,对有意识协作异构多机器人系统的体系结构、环境感知以及优化控制3个方面的研究进展分别展开论述;对典型的多机器人验证任务和软硬件实验平台进行了总结;最后对协作多机器人系统的研究方向进行了展望.

基于WSN的矿井事故搜索探测多机器人系统

为解决煤矿井下事故中环境探测、人员搜索定位、远程通信等问题,建立了一种基于无线传感器网络的子母式多机器人系统,设计了子、母2种机器人构型并具体分析了其越障性能,提出了以子机器人为节点的链状冗余传感器网络结构,建立了一种基于FPGA软核的多传感器接口模块.初步实验证实,这种以移动机器人为节点,采用无线传感器网络技术将多机器人协调控制而实现的矿井搜索探测多机器人系统,能够在井下复杂地形中运动并配置多机器人节点,搭建无线多跳通讯网络,实现井下信息获取和多机器人控制.

连通性保持下的多机器人系统分布式群集控制

多机器人系统群集控制中的连通性保持对于系统的稳定性和状态收敛的快速性具有重要影响.本文在初始通信网络拓扑为强连通非平衡图的条件下,研究具有非完整约束运动学模型的多轮式移动机器人系统群集运动中的连通性保持控制问题.首先,构造了一类新颖的光滑有界的人工势场函数,该类函数可以同时满足连通性保持、碰撞规避和相对距离镇定等任务需求.进一步,将基于势函数梯度的控制策略与一致性控制机制有机结合,在系统中存在和不存在领航者的条件下,分别设计出一类具有连通性保持功能的光滑有界的分布式群集控制协议,不仅可有效避免不连续/非光滑控制器所固有的抖振现象以及执行器饱和问题,而且实现了将传统群集控制中的连通性保持算法从个体运动模型和系统通信拓扑类型两个方面同时加以拓展.最后,仿真结果和实验结果验证了本文所提出的光滑有界群集控制算法的有效性.

基于MAS(Multi-AgentSystem)的多机器人系统:协作多机器人学发展的一个重要方向

机器人的应用方式正在由部件式单元应用向系统式应用方向发展 .这是实际应用的需要 ,也是技术发展的必然趋势 ;相关技术如计算机网络技术的发展也为它的实现提供了相应支持 .多机器人协作理论问题必然也已经成为机器人学研究的一个热点 ,其中 ,分布式人工智能 ( DAI)中的多智能体 (代理 )系统 ( MAS:Multi-agentSystem)理论已引起多机器人协作理论研究者的关注 .本文即在揭示协作多机器人系统与 MAS的内在联系的基础上 ,指出基于 MAS的协作多机器人系统是协作多机器人学发展的一个重要方向 .

基于一致性理论的多机器人系统队形控制

首先回顾了多机器人系统队形控制方面的成果;然后提出一个多机器人队形控制的模型.该模型可描述多机器人之间相互作用固定和动态切换两种通信拓朴结构,也能描述多机器人系统队形的分布式控制方法和基于leader的控制方法,还能表示多机器人系统奔向目标点的行为.在此基础上,利用一致性理论,对系统的稳定性条件进行分析.最后通过仿真证明了该方法的有效性.

多机器人系统的研究现状

介绍了多机器人系统的研究进展及现状,对该领域内的主要内容(思想源泉、体系结构与控制、通信、学习、可重构机器人)的研究现状作了分析和介绍,还提出了一些未来值得研究的议题。

基于势函数的多机器人系统的编队控制

提出了一种基于势函数的、能够有效地对多机器人系统的编队队形进行稳定性分析和分布控制的方法.文章通过选择适当的、与目标和结构相关的势函数,利用图论知识和李亚普诺夫稳定理论,设计了一种新颖的能够稳定机器人编队队形并有效跟踪目标的分布控制律,并给出了多机器人系统编队队形稳定及控制问题有解的充分条件.算例仿真说明了这种控制方法的有效性.

多机器人系统强化学习研究综述

强化学习是实现多机器人对复杂和不确定环境良好适应性的有效手段,是设计智能系统的核心技术之一.从强化学习的基本思想与理论框架出发,针对局部可观测性、计算复杂度和收敛性等方面的固有难题,围绕学习中的通信、策略协商、信度分配和可解释性等要点,总结了多机器人强化学习的研究进展和存在的问题;介绍了强化学习在机器人路径规划与避障、无人机、机器人足球和多机器人追逃问题中的应用;最后指出了定性强化学习、分形强化学习、信息融合的强化学习等若干多机器人强化学习的前沿方向和发展趋势.

基于Agent的分布式多机器人系统建模及分析

进行一个多装配机器人系统 DAMAS的模型研究 ,介绍离散事件动态系统的重要建模工具 Petri网 ,提出解决模型复杂性的有效方法 ,建立了系统中各个 Agent及整个系统的 Petri网模型 ,对这些模型及相互间的交互模型进行了重要的活性和有界性分析 ,对多机器人系统的协作机制进行了验证分析。

基于遗传算法的多机器人系统集中协调式路径规划

根据多机器人系统无碰撞运动的需要 ,对其工作空间进行了分解 ,确定了机器人运行路线上的各个可能路径点 ,从而得到了规划空间的多路径点链接图描述。基于这种对规划空间的链接图建模描述 ,开发了一种混合遗传算法用于寻找多个机器人的无碰撞协调运动路线。仿真结果表明 。

基于遗传算法的多机器人系统最优轨迹规划

针对关节型多机器人系统在静态环境下的点到点的轨迹规划问题,提出了一种基于遗传算法的最优轨迹规划策略.采用遗传算法在综合考虑各机器人沿轨迹运动的安全性、运动代价以及运动学约束的基础上为单个机器人规划最优的运动轨迹,并通过协调各机器人沿预定轨迹运行的时间避免机器人之间碰撞的发生.针对含有3个二自由度平面关节型机器人的多机器人系统进行了仿真实验,实验结果验证了该方法的有效性.

多机器人系统任务分配问题的建模与求解

针对多机器人系统任务分配方式信息量大,数据处理复杂,得不到到最优的问题,提出一种基于分布式任务分配方式的建模方法。该方法从寻求最优解或次优解角度出发,对多机器人系统任务分配问题进行形式化描述。基于这种形式化的描述方法,提出一种基于组合拍卖法的分布式的多机器人任务分配的建模方法。研究结果表明:该方法能够有效地为任务分配问题提供最优解或次优解。

多机器人系统中的信息融合技术综述

对各种适用于多机器人系统的信息融合拓扑结构、融合方法进行了系统的综述,重点分析了适用于分布式多机器人协作系统及强化学习的信息融合结构,以及近年来神经网络、模糊系统、遗传算法、粗糙集理论等信息融合算法相互融合的发展趋势,并提出了若干多机器人系统信息融合目前存在的问题和发展方向。

面向电力智能巡检的多机器人系统协同路径规划算法

针对在复杂电力智能巡检任务与环境下,多机器人路径规划算法计算量大、实时性差的问题,提出了面向电力智能巡检的多机器人系统协同路径规划算法。首先结合实际情况,提出了2种不同群体规模下的多机器人系统交通规则法;接着,在所提交通规则法的基础上融入单机器人路径规划算法,提出了多机器人系统协同路径规划算法,且通过加权改进提升其运行效率;最后,通过仿真实验表明了所提2种交通规则以及协同路径规划算法在多机器人系统上应用的可行性和有效性。