多機器人系統(tǒng)協調與控制研究.pdf

1、多機器人系統(tǒng)、多機器人協調協作的研究己成為機器人學研究中一個充滿活力、具有良好應用前景的研究方向。針對多機器人系統(tǒng)體系結構、多機器人協調協作等基礎理論開展研究是一項具有重要的理論和現實意義的工作。本文結合國家“211”建設項目“智能移動機器人系統(tǒng)”，對機器人運動的自主定位、多機器人系統(tǒng)的體系結構及多機器人協調規(guī)劃等問題進行了系統(tǒng)的研究。 首先，分析了多機器人協調對機器人控制體系結構的要求，設計了一種改進的混合式體系結構，給出了行

2、為管理、行為進程和行為決策的功能和設計方法。通過遺傳模糊控制方法獨立設計每一層行為，行為決策采用狀態(tài)線性調整的方式，并結合實驗室的機器人實驗系統(tǒng)開發(fā)了該結構相應的應用軟件。 其次，針對室內環(huán)境下的機器人定位問題，首先介紹了利用編碼器進行推算定位的原理和算法，為了解決在長距離導航時帶來的累積誤差，利用超聲波傳感器在機器人移動過程中與已知路標的距離實現精確測量的前提下，通過卡爾曼濾波算法對測量數據進行融合，修正累積定位的誤差。實驗室

3、開發(fā)了全景視覺系統(tǒng)，利用其視野寬闊的優(yōu)勢和室內環(huán)境的自然特征，實現了一種適用于室內環(huán)境的基于全景視覺的多路標定位方法，給出了基于全景圖像中自然特征的位姿計算算法。 再次，對快速模擬退火算法進行了改進，并將改進的快速模擬退火算法與勢場法相結合，解決了機器人在復雜環(huán)境下存在局部極小的問題。為了避免機器人之間的碰撞，采用一種新的危險度評估方法及危險度最高的機器人優(yōu)先考慮的原則，通過基于規(guī)則的動態(tài)規(guī)劃協調機器人之間的行為。提出了基于“注

4、意力”策略的機器人行為綜合決策方法，從行為角度實現了多機器人協調。 最后，為適應復雜任務和環(huán)境，采用馬爾可夫對策論的方法實現多機器人強化學習，并結合MAXQ分層強化學習和Multi-agent的優(yōu)點，提出了一種基于MAXQ的Multi-agent分層強化學習的多機器人協調方法，增強了機器人在復雜環(huán)境下適應環(huán)境和自協調的能力。此外，在附錄中對在研究過程中開發(fā)的多機器人仿真平臺和移動機器人實驗系統(tǒng)進行了簡單介紹。仿真實驗結果證明了各