本文關(guān)鍵詞：生物啟發(fā)的多機器人系統(tǒng)編隊控制與協(xié)同搜索　出處：《東華大學(xué)》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 多機器人系統(tǒng) 編隊控制 動態(tài)領(lǐng)航者跟隨 動態(tài)搜索問題 自適應(yīng)協(xié)同控制 多目標協(xié)同搜索 內(nèi)分泌調(diào)控 免疫學(xué)習(xí) 免疫應(yīng)答機制

【摘要】：多機器人系統(tǒng)(MRS)是多個功能相對簡單的機器人通過相互通信、協(xié)作等方式組成的整體系統(tǒng)。與傳統(tǒng)單機器人相比,其結(jié)構(gòu)松散,冗余度較高,因而具有更好的魯棒性和并行處理能力。然而由于系統(tǒng)中個體的行為能力有限,所以設(shè)計合理的協(xié)同控制方式是提升系統(tǒng)整體性能的關(guān)鍵。本論文借助內(nèi)分泌調(diào)節(jié)、情感調(diào)節(jié)以及免疫學(xué)習(xí)等生物網(wǎng)絡(luò)調(diào)節(jié)機理和啟發(fā)式智能思想,圍繞MRS中編隊控制和協(xié)同搜索兩類典型協(xié)同問題,針對MRS動態(tài)建模、協(xié)同編隊、協(xié)同目標搜索、協(xié)同進化等問題展開了一系列深入的研究。本論文旨在深入理解MRS中協(xié)同控制機理,從系統(tǒng)的內(nèi)部狀態(tài)協(xié)同和整體協(xié)同規(guī)劃兩個方面構(gòu)建合理、高效的協(xié)同控制算法。本論文的主要貢獻如下:(1)MRS編隊控制問題廣泛存在于工業(yè)生產(chǎn)、軍事行動及日常生活當中,是系統(tǒng)內(nèi)部狀態(tài)控制的基礎(chǔ)問題。為了解決系統(tǒng)協(xié)同編隊和避障等問題,本文基于內(nèi)分泌調(diào)節(jié)機理提出了一種新的非線性控制器。通過采用領(lǐng)航者跟隨策略,所提的控制算法可以驅(qū)動MRS形成任意編隊朝目標位置移動,與此同時避免與障礙物發(fā)生碰撞。文中理論證明了所提算法在李雅普諾夫意義下是漸近穩(wěn)定的,且收斂于目標位置。(2)針對領(lǐng)航者跟隨策略中固定領(lǐng)航者缺少靈活性和易于陷入局部困境的問題,為MRS提出了一種動態(tài)領(lǐng)航者選擇模型。其中模糊推理系統(tǒng)被用于根據(jù)機器人自身狀態(tài)和周圍環(huán)境評估MRS是否被困。在模糊評估的基礎(chǔ)上,我們提出了一種情感共識模型以觸發(fā)領(lǐng)航者重選過程。此外,一種改進型貪婪算法被用于解決在線編隊規(guī)劃這一組合優(yōu)化問題。通過仿真實驗對比不同領(lǐng)航者切換策略,所提的方法可以顯著提升機器人編隊逃出困境的能力,在領(lǐng)航者故障或被摧毀的情況下,所提模型可以自主地重選領(lǐng)航者,繼續(xù)完成任務(wù),提高了MRS的魯棒性和生存能力。(3)除了自身內(nèi)部的狀態(tài)協(xié)同外,MRS還被廣泛應(yīng)用于目標搜索、災(zāi)害救援、目標跟蹤等領(lǐng)域,因此需要構(gòu)建合理的外部運動協(xié)同控制算法,以解決強干擾、大尺度的協(xié)同搜索問題。本論文以搜救問題為基礎(chǔ),歸納出一類具有非高斯噪聲擾動的復(fù)雜動態(tài)搜索問題。為了解決這一問題,構(gòu)建了一種基于分布式采樣的自適應(yīng)實時協(xié)同搜索模型。模型采用分布式采樣和自適應(yīng)步長控制器,以平衡MRS的探索和發(fā)掘能力。采用兩種不同信息共享方式,所提模型表現(xiàn)出了不同程度的協(xié)同搜索行為。仿真實驗表明,在僅采用局部采樣的條件下該模型表現(xiàn)出了良好的搜索和跟蹤能力。通過分析實驗結(jié)果,發(fā)現(xiàn)所提算法對采樣點數(shù)量變化并不敏感,這使得該模型可以通過較少的計算量獲得較高的搜索性能和跟蹤精度。(4)在多目標動態(tài)搜索問題的基礎(chǔ)上,討論了在隨機可觀測條件下對多個逃逸目標進行搜索的問題。結(jié)合免疫應(yīng)答機理,從機器學(xué)習(xí)的角度提出了一種適用于MRS解決一般動態(tài)問題的協(xié)同進化網(wǎng)絡(luò)模型。所提出的模型主要包括兩個部分,其中免疫細胞網(wǎng)絡(luò)負責(zé)快速給出復(fù)雜動態(tài)問題的可行解,免疫學(xué)習(xí)算法對完整解決策略給出評價,并根據(jù)評價不斷更新記憶庫中的歷史策略。親合度較高的策略將被用于強化訓(xùn)練免疫細胞網(wǎng)絡(luò),以提高網(wǎng)絡(luò)再次求解類似問題時的性能。對所提模型的記憶模塊可視化后可以看到,在采用系統(tǒng)重復(fù)解決同一動態(tài)問題提后,模塊中記憶細胞的分布涌現(xiàn)出明顯的分簇現(xiàn)象。在搜索過程中系統(tǒng)從隨機分配逐漸表現(xiàn)出了協(xié)同行為。對比實驗表明采取所提模型可以顯著提升系統(tǒng)的搜索性能。最后,對全文中所研究的多機器人協(xié)同控制問題做了總結(jié),指出這一領(lǐng)域中亟待解決的問題和所采用的方法中的一些不足,并對該領(lǐng)域研究的發(fā)展方向和方法做了展望。
[Abstract]:Multi robot system (MRS) is a relatively simple function of the robot through mutual communication, the whole system composed of collaboration mode. Compared with the traditional single robot, its loose structure, high redundancy, so it has better robustness and parallel processing capability. However, because the system of individual behavior ability is limited, so the design is reasonable the cooperative control mode is the key to enhance the overall performance of the system. This paper takes the endocrine regulation, emotion regulation learning and immune network regulatory mechanism and biological heuristic intelligent thought around the MRS formation control and collaborative cooperative search of two typical problems, according to the MRS dynamic modeling of formation cooperative, collaborative target search, launched a series of further study on co evolution problems. This paper aims at understanding the MRS control mechanism of cooperative, collaborative planning two collaborative from the internal state of the system and the whole A reasonable, coordinated control algorithm with high efficiency. The main contributions of this thesis are as follows: (1) MRS formation control problems are widely used in industrial production, military action and everyday life, is a basic problem in the internal state of the control system. In order to solve the system of cooperative formation and obstacle avoidance problem, this paper puts forward the mechanism of endocrine regulation a new nonlinear controller based on. Through the use of leader follower strategy, the proposed control algorithm can drive MRS to form any formation toward the target position, while avoiding collisions with obstacles. The theory proves that the proposed algorithm is asymptotically stable based on Lyapunov functions, and converge to the target position. (2) for leader follower strategy in fixed leader lacks flexibility and is easy to fall into local dilemma problem, put forward a dynamic leader selection model for MRS. The die Fuzzy reasoning system was used according to the robot's own conditions and the surrounding environment to assess whether MRS was trapped. Based on fuzzy evaluation, we propose a model to trigger emotional consensus leader re-election process. In addition, an improved greedy algorithm is used to solve the online formation planning this combinatorial optimization problem. Through simulation experiments different leader switching strategy, the proposed method can significantly improve the ability to escape the plight of the robot formation, the leader of fault or destroyed under the condition that the proposed model can independently complete the task re leader, continue to improve, MRS robustness and survivability. (3) in addition to its own internal state of collaborative. MRS is widely used in target search, disaster rescue, tracking and other fields, so it is necessary to build a reasonable external motion coordination control algorithm, to solve the interference, large scale association The same search problem. This thesis is based on the search and rescue, summed up a complex dynamic non Gauss noise disturbance search problem. In order to solve this problem, constructs a distributed adaptive sampling based real-time collaborative search model. Model with distributed sampling and adaptive step size controller, in order to balance the ability of exploration and MRS explore. Using two different ways of information sharing, the proposed model showed a synergistic search behavior to different extent. Simulation results show that with only local sampling under the condition of the model showed good search and tracking ability. Through the analysis of experimental results, found that the proposed algorithm is not sensitive to the change of the number of sampling points. This makes the model can obtain higher search performance and tracking accuracy with less computation. (4) in the multi-objective dynamic search based on the problems discussed in the machine Observation under the condition of the search problem for multiple target escape. Combining with the mechanism of immune response, from the perspective of machine learning, we propose a co evolution model for MRS network to solve the general dynamic problem. The proposed model includes two parts, one feasible solution of immune cells responsible for network quickly given the complex dynamic problems immune learning algorithm to solve the given strategy, evaluation of integrity, and according to the evaluation of constantly updated memory strategies. The history of high affinity strategies will be used to strengthen the training of cellular network to improve network performance, again to solve similar problems. When seen on the visual memory module of the proposed model can be used in the system. Repeat the same question to solve dynamic, distributed memory cell module in the emergence of clustering phenomenon is obvious. In the process of searching system gradually from random assignment table A collaborative behavior. Experiments show that the proposed model can take significantly improve the search performance of the system. Finally, cooperative control problem for multi robot research in this text is summarized, points out the problems to be solved in this field and the methods used in some of the foot, and the research on this field the development direction and method are put forward.

【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TP242

【相似文獻】

相關(guān)期刊論文 前10條

1 熊舉峰,譚冠政,盤輝;多機器人系統(tǒng)的研究現(xiàn)狀[J];計算機工程與應(yīng)用;2005年30期

2 吳正平;關(guān)治洪;吳先用;;基于一致性理論的多機器人系統(tǒng)隊形控制[J];控制與決策;2007年11期

3 姚俊武;黃叢生;;多機器人系統(tǒng)協(xié)調(diào)協(xié)作控制技術(shù)綜述[J];黃石理工學(xué)院學(xué)報;2007年06期

4 馬斌奇;;多機器人系統(tǒng)的研究現(xiàn)狀及發(fā)展[J];科技信息;2009年04期

5 吳軍;徐昕;連傳強;賀漢根;;協(xié)作多機器人系統(tǒng)研究進展綜述[J];智能系統(tǒng)學(xué)報;2011年01期

6 趙曉巍;袁慶;;多機器人系統(tǒng)在汽車焊接中的應(yīng)用研究[J];中國高新技術(shù)企業(yè);2014年09期

7 頓文力,孟慶春,莊曉東;對抗性多機器人系統(tǒng)對手建模的研究[J];計算機應(yīng)用研究;2004年03期

8 王磊,唐華斌,孫增圻;多機器人系統(tǒng)形成聯(lián)合協(xié)作的綜合評價算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2005年04期

9 王佳;吳曉蓓;徐志良;;多機器人系統(tǒng)的互聯(lián)控制問題討論[J];控制工程;2007年05期

10 張學(xué)習(xí);楊宜民;何啟承;;多機器人系統(tǒng)的一種快速會話建立方法[J];計算機工程與應(yīng)用;2008年35期

相關(guān)會議論文 前8條

1 蘇麗穎;么立雙;李小鵬;杜峰;;多機器人系統(tǒng)任務(wù)分配問題的建模與求解[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

2 袁云;張濤;張瑩;;基于網(wǎng)絡(luò)知識平臺異種多機器人系統(tǒng)智能協(xié)調(diào)行為的動態(tài)學(xué)習(xí)[A];2007年中國智能自動化會議論文集[C];2007年

3 郝莉莉;顧浩;楊惠珍;康鳳舉;;多機器人系統(tǒng)合同網(wǎng)任務(wù)分配方法的改進與仿真[A];中國造船工程學(xué)會電子技術(shù)學(xué)術(shù)委員會——2012年水下復(fù)雜戰(zhàn)場環(huán)境目標識別與對抗及仿真技術(shù)學(xué)術(shù)交流論文集[C];2012年

4 殷波;孟慶春;莊曉東;;基于模糊邏輯的多機器人系統(tǒng)智能學(xué)習(xí)方法[A];2005年中國智能自動化會議論文集[C];2005年

5 倪春波;孔一斐;楊月全;曹志強;張?zhí)炱?;粒子群優(yōu)化及其在多機器人系統(tǒng)中的應(yīng)用展望[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

6 王磊;孫增圻;;基于行為的對手意圖識別與對策決策[A];2004中國機器人足球比賽暨學(xué)術(shù)研討會論文集[C];2004年

7 孟慶春;殷波;王旭柱;王漢萍;譚銳;葛玉榮;苑泉樂;;對多機器人系統(tǒng)工作空間進行實時建模的研究[A];2001年中國智能自動化會議論文集（上冊）[C];2001年

8 戴朝暉;吳敏;陳鑫;;利用隊列控制實現(xiàn)多機器人合作搬運[A];第二十七屆中國控制會議論文集[C];2008年

相關(guān)重要報紙文章 前4條

1 善靈;清華一項目獲教育部留學(xué)回國人員科研啟動基金資助[N];科技日報;2007年

2 陳曉莉;造紙行業(yè)機器人通過驗收[N];中國綠色時報;2011年

3 本報記者 祝蕾　通訊員 徐彥波;我國造紙業(yè)機器人包裝搬運裝備實現(xiàn)自主化[N];濟南日報;2011年

4 本報記者 李蕾　本報實習(xí)生 張敏 劉沁;八大菜系,機器人“管家”全精通[N];解放日報;2009年

相關(guān)博士學(xué)位論文 前10條

1 邵暖;基于雙目視覺的多機器人系統(tǒng)協(xié)調(diào)跟蹤控制研究[D];燕山大學(xué);2015年

2 李峰;生物啟發(fā)的多機器人系統(tǒng)編隊控制與協(xié)同搜索[D];東華大學(xué);2017年

3 王磊;動態(tài)對抗性環(huán)境下多機器人系統(tǒng)合作研究[D];清華大學(xué);2005年

4 龍曉林;基于網(wǎng)絡(luò)模型的多機器人系統(tǒng)研究[D];浙江大學(xué);2007年

5 祖麗楠;多機器人系統(tǒng)自主協(xié)作控制與強化學(xué)習(xí)研究[D];吉林大學(xué);2006年

6 董煬斌;多機器人系統(tǒng)的協(xié)作研究[D];浙江大學(xué);2006年

7 李淑琴;面向任務(wù)的多機器人系統(tǒng)的組織設(shè)計研究[D];南京理工大學(xué);2005年

8 柳林;多機器人系統(tǒng)任務(wù)分配及編隊控制研究[D];國防科學(xué)技術(shù)大學(xué);2006年

9 劉亞波;異構(gòu)多機器人系統(tǒng)協(xié)同技術(shù)研究[D];浙江大學(xué);2011年

10 嚴勇杰;多機器人系統(tǒng)協(xié)調(diào)與控制研究[D];哈爾濱工程大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 劉玲;基于Ad hoc網(wǎng)絡(luò)多機器人系統(tǒng)路由及通信可靠性算法研究[D];大連大學(xué);2015年

2 張玉林;基于快速信息共享的多機器人系統(tǒng)重規(guī)劃模型與算法的研究[D];電子科技大學(xué);2015年

3 胡雪梅;分布式多機器人系統(tǒng)協(xié)同信息共享模型與算法的研究[D];電子科技大學(xué);2015年

4 鄭俊歌;異構(gòu)多機器人系統(tǒng)通信協(xié)議一致性研究與實現(xiàn)[D];北方工業(yè)大學(xué);2016年

5 何俊;室內(nèi)多機器人系統(tǒng)定位與分布式控制技術(shù)[D];南京理工大學(xué);2017年

6 韓曉霞;異構(gòu)多機器人系統(tǒng)靜態(tài)覆蓋問題研究[D];西南交通大學(xué);2017年

7 吳俊;異構(gòu)多機器人系統(tǒng)建模與運動仿真[D];北方工業(yè)大學(xué);2017年

8 部若谷;多機器人系統(tǒng)通信模塊的設(shè)計與實現(xiàn)[D];上海交通大學(xué);2008年

9 李根;礦井救援多機器人系統(tǒng)任務(wù)分配優(yōu)化算法研究[D];遼寧工程技術(shù)大學(xué);2011年

10 金露;基于社區(qū)感知網(wǎng)絡(luò)的多機器人系統(tǒng)Q-學(xué)習(xí)與運動控制研究[D];揚州大學(xué);2013年

，

本文編號：1422829