基于群智能的移動機器人任務(wù)規(guī)劃與故障診斷研究.pdf

1、多機器人任務(wù)規(guī)劃是根據(jù)分配準則將任務(wù)分派至各機器人，并按最佳規(guī)劃路徑執(zhí)行任務(wù)，能使多移動機器人系統(tǒng)高效完成任務(wù)。由于任務(wù)的復(fù)雜性與多樣性，若無統(tǒng)一協(xié)調(diào)與統(tǒng)籌規(guī)劃，將導(dǎo)致機器人系統(tǒng)資源消耗過大，甚至執(zhí)行時發(fā)生故障。因此，多機器人任務(wù)規(guī)劃是復(fù)雜任務(wù)高效完成的基石，同時移動機器人傳感器系統(tǒng)故障診斷是任務(wù)成功規(guī)劃的保障。
　　 在建立機器人團隊控制平臺的基礎(chǔ)上，本文深入研究多移動機器人的任務(wù)探測方法，建立了任務(wù)失敗概率最小的分配模型，設(shè)

2、計了求解該分配模型的當代學(xué)習(xí)自適應(yīng)離散粒子群算法。提出了求解多機器人任務(wù)規(guī)劃方法及動態(tài)增量任務(wù)規(guī)劃的策略，成功用于MORCS-2機器人團隊中，有效解決了負載均衡的規(guī)劃問題。同時，為了對機器人系統(tǒng)完成任務(wù)提供有效保障，研究了移動機器人傳感器系統(tǒng)的故障診斷，并通過MORCS-1傳感器系統(tǒng)進行了有效性的驗證。論文主要工作及創(chuàng)新性成果如下：
　　 針對多機器人協(xié)作均分任務(wù)探測問題，研究一種均分點蟻群算法。利用多組螞蟻群協(xié)作搜索策略，設(shè)計

3、了一種蟻群算法的求解結(jié)構(gòu)。根據(jù)任務(wù)均衡探測的原則定義了評價函數(shù)，避免了機器人最大負載過重問題。最后利用2-opt技術(shù)解決各子周游路徑的交叉，獲得了總規(guī)劃路徑較優(yōu)解。實驗結(jié)果表明，該算法可獲得任務(wù)均衡探測的較優(yōu)解，能解決多機器人系統(tǒng)中大規(guī)模任務(wù)均衡探測問題。
　　 針對多機器人執(zhí)行任務(wù)失敗概率最小的分配問題，綜合考慮機器人任務(wù)完成效率、機器人能力以及任務(wù)性質(zhì)等因素，建立了多機器人任務(wù)分配的數(shù)學(xué)模型。并提出一種當代學(xué)習(xí)自適應(yīng)混合離散

4、粒子群算法求解該模型。該算法依據(jù)粒子多樣性變化規(guī)律，引入自適應(yīng)擾動算子，以保持種群進化能力。設(shè)計了當代學(xué)習(xí)因子以體現(xiàn)粒子當代學(xué)習(xí)能力，改進其運動方程，有效地提高算法的魯棒性。通過融入近鄰搜索變異策略，極大地提升算法的局部求精能力。經(jīng)實驗表明：當代學(xué)習(xí)自適應(yīng)混合離散粒子群算法具有強尋優(yōu)能力和魯棒性，同時也驗證了任務(wù)分配模型的合理性。
　　 將多機器人任務(wù)規(guī)劃分解為任務(wù)分配與路由規(guī)劃兩部分，分別提出一種空間正交分配技術(shù)求解任務(wù)分配問

5、題，設(shè)計異質(zhì)交互式文化混合算法體系框架，解決最佳路由規(guī)劃問題。其中任務(wù)分配根據(jù)三維空間建模原理，利用空間正交試驗方法，以負載均衡為目標更新并確定吸引算子，降低計算復(fù)雜度。提出一種異質(zhì)交互式仿生群協(xié)進化體系框架，包括基于佳點集遺傳算法的上層知識空間、基于離散粒子群優(yōu)化的底層主群空間、自上而下的影響機制和自下而上的接受機制。并利用佳點集初始化主群空間，使初始粒子群均勻分布于可行域中；定義了粒子進化模型和進化力指標，提高種群的多樣性和算法穩(wěn)定

6、性。最后，將空間正交分配異質(zhì)文化混合算法在MORCS-2機器人團隊平臺上得到了充分的驗證。在此基礎(chǔ)上，設(shè)計一種基于規(guī)則的貪婪策略求解隨機增量任務(wù)重規(guī)劃問題，使得在重分配后機器人負載仍保證均衡，通過TSPLIB中不同任務(wù)地圖進行測試，驗證了算法的合理性。
　　 在任務(wù)規(guī)劃過程中若機器人航跡推算系統(tǒng)發(fā)生故障卻未得到及時診斷，很大可能導(dǎo)致機器人任務(wù)執(zhí)行失敗。針對此類移動機器人航跡推算系統(tǒng)的故障診斷問題，提出一種多模態(tài)進化RaoBlac

7、kwellized粒子濾波器(multi-modality evolutionary RaoBlackwellized particle filter,MERBPF)算法。該算法利用粒子濾波器估計機器人故障狀態(tài)，采用卡爾曼濾波精確計算運動狀態(tài)，有效地降低高維狀態(tài)空間復(fù)雜度。為解決由粒子貧乏引起的不一致性問題，根據(jù)粒子多樣性加入擾動因子，融入交叉種群與變異種群優(yōu)化策略。以專家規(guī)則判定運動狀態(tài)所對應(yīng)的ERBPF，構(gòu)造了復(fù)雜邏輯表述方法。通過