基于势点的未知动态环境下多移动机器人协作围捕
Ｖ０１．６ ＮＯ．７ Ｊｕ１．２Ｏｌ １ 中国科技论文在线ＳＣｌＥＮＣＥＰＡＰＥＲ ＯＮＬＩＮＥ 第６卷第７期 ２０１１年７月
基于势点的未知动态环境下多移动机器人协作围捕
王 斐 ，－，魏 巍 ，闻时光 ，吴成东
（１．东北大学流程工业综合自动化国家重点实验室，沈阳１１０８１９；
２．哈尔滨工业大学机器人技术与系统国家重点实验室，哈尔滨１５０００１）
摘要：提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案。为成功实现围捕，设计 了基于势点的夹击策略，势点由效率最优原则获得。同时为躲避围捕过程中遇到的动态随机障碍，提出了基于碰撞风 险的随机避障策略。围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得。在ＭｉｃｒｏｓｏｆｔＲｏｂｏｔｉｃ Ｓｔｕｄｉｏ （ＭＲＳ）仿真环境下进行了模拟实验，获得的不同条件下的围捕结果证明了围捕策略的有效性和鲁棒性。 关键词：多移动机器人；协作围捕；随机避障；势点；模糊规则；包容结构 中图分类号：ＴＰ１８３ 文献标志码：Ａ 文章编号：１６７３—７１８ｏ（２ｏｌ１）０７ ０５２４—７
Ｃｏｏｐｅｒａｔｉｖｅ ｈｕｎｔｉｎｇ ｕｎｄｅｒ ｕｎｋｎｏｗｎ ｅｎｖｉｒｏｎｍｅｎｔ ｆｏｒ ｍｕｌｔｉｐｌｅ ｍｏｂｉｌｅ
ｒｏｂｏｔｓ ｂａｓｅｄ ｏｎ ｐｏｔｅｎｔｉａｌ ｐｏｉｎｔ
Ｗａｎｇ Ｆｅｉ ＇＿，Ｗｅｉ Ｗｅｉ ，Ｗｅｎ Ｓｈｉｇｕａｎｇ ，Ｗｕ Ｃｈｅｎｇｄｏｎｇ
（１．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＳｙｎｔｈｅｔｉｃａｌＡｕｔｏｍａｔｉｏｎｆｏｒＰｒｏｃｅｓｓＩｎｄｕｓｔｒｉｅｓ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １１０８１９，Ｃｈｉｎａ；
２．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲｏｂｏｔｉｃｓ ａｎｄＳｙｓｔｅｍ，ＨａｒｂｉｎＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｈａｒｂｉｎ １５０００１，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａ ｇｅｎｅｒａｌ ｓｃｈｅｍｅ ｏｆ ｃｏｏｐｅｒａｔｉｖｅ ｈｕｎｔｉｎｇ ｆｏｒ ａ ｍｏｖｉｎｇ ｔａｒｇｅｔ ｂｙ ｍｕｌｔｉｐｌｅ ｍｏｂｉｌｅ ｒｏｂｏｔｓ ｉｎ ｕｎｋｎｏｗｎ ｄｙｎａｍｉｃ
ｅｎｖｉｒｏｎｍｅｎｔｓ ｉｓ ｐｒｅｓｅｎｔｅｄ．Ｔｏ ｒｅａｌｉｚｅ ｓｕｃｃｅｓｓｆｕｌ ｈｕｎｔｉｎｇ，ｐｏｔｅｎｔｉａｌ ｐｏ ｂａｓｅｄ ｓｔｒａｔｅｇｙ ｉｓ ｐｒｏｐｏｓｅｄ ａｎｄ ｐｏｔｅｎｔｉａｌ ｐｏｉｎｔｓ ｗｅｒｅ ｏｂｔａｉｎｅｄ ｂｙ ｏｐｔｉｍａｌ ｅｆｆｉｃｉｅｎｃｙ ｐｒｉｎｃｉｐｌｅ．Ｓｉｍｕｌｔａｎｅｏｕｓｌｙ，ｃｏｌｌｉｓｉｏｎ ｒｉｓｋ ｂａｓｅｄ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ ｓｃｈｅｍｅ ｉｓ ｕｓｅｄ ｔｏ ａｖｏｉｄ
ｒａｎｄｏｍｏｂｓｔａｃｌｅｓｄｕｒｉｎｇｈｕｎｔｉｎｇ．Ｔｈｅ ｓｙｎｔｈｅｓｉｚｅｄｂｅｈａｖｉｏｒｉｓｏｂｔａｉｎｅｄｂｙｆｕｓｉｎｇａｖｏｉｄａｎｃｅｂｅｈａｖｉｏｒ，ｆｏｒｍａｔｉｏｎｂｅｈａｖｉｏｒａｎｄ ａｐｐｒｏａｃｈ ｂｅｈａｖｉｏｒ．Ｓｉｍｕｌａｔｅｄ ｈｕｎｔｉｎｇ ｅｘｐｅｒｉｍｅｎｔｓ ｗｅｒｅ ｃｏｎｄｕｃｔｅｄ ｕｎｄｅｒ ｄｉｆｆｅｒｅｎｔ ｃｏｎｄｉｔｉｏｎｓ ｉｎ Ｍｉｃｒｏｓｏｆｔ Ｒｏｂｏｔｉｃｓ Ｓｔｕｄｉｏ
ａｎｄ ｓｉｍｕｌａｔｉｏｎ ｒｅｓｕｌｔｓｄｅｍｏｕｓｔｍｔｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓａｎｄ ｒｏｂｕｓｔｎｅｓｓｏｆｔｈｅｐｒｏｐｏｓｅｄ ｓｃｈｅｍｅ．
Ｋｅｙ ｗｏｒｄｓ：ｍｕｌｔｉｐｌｅ ｍｏｂｉｌｅ ｒｏｂｏｔｓ；ｃｏｏｐｅｒａｔｉｖｅ ｈｕｎｔｉｎｇ；ｒａｎｄｏｍ ｏｂｓｔａｃｌｅ ａｖｏｉｄａｎｃｅ；ｐｏｔｅｎｔｉａｌ ｐｏｉｎｔ；ｆｕｚｚｙ ｒｕｌｅｓ；
ｓｕｂｓｕｍｐｔｉｏｎ ａｒｃｈｉｔｅｃｔｕｒｅ
随着科技的飞速发展，作为多前沿学科交叉的机
器人学在理论和应用上取得了巨大进展。近年来，机
器人在工业、航天、军事和民用服务业等各领域的应
用越来越普及，集成化、自动化和智能化程度也在不 断提高ｕ Ｊ。作为一个新兴的研究热点，近年来多机器人
系统因具有空间上的分布性、功能上的多样性、执行任 务时的并行洼、较强的容错能力和更低的经济成本等单
机器人无法比拟的优越性而广受关注。
多机器人协作是多机器人系统控制中的基本问题， 在研究中主要集中在以下几个方面：群体结构、学习、
资源冲突解决、协作的起源和几何问题等。为了使研究
成果具有普遍意义，人们主要集中对一些基本的标准问
收稿日期：２０１１－０４一Ｏ１ 基金项目：国家自然科学基金资助项￣（６０７０５０３１）；中央高校基本科研业务费专项基金资助项目（Ｎ０９０４０４００７）；机器人技术与系 统国家重点实验室开放课题基金（重点）资助项目（ＳＫＬＲＳ一２０１０一ＺＤ－０３） 作者简介：王斐（１９７４一），男，副教授，主要研究方向：智能控制和多机器人系统的研究与开发，ｗａｎｇｆｅｉ＠ｉｓｅ．ｎｅｕ．ｅｄｕ．
ｃｎ 第６卷第７期 ２０１１年７月 基于势点的未知动态环境下多移动机器人协作围捕 ５２５
题进行研究，如搬运、编队、搜索、分类 围捕和跟踪 等。其中，协作围捕可以说是非常典型的一类问题。文
献［２］探讨了以势场栅格法为基础的协作围捕策略，在引
入“虚拟范围”后减少了围捕机器人的路径规划次数，
然而，“虚拟范围”与机器人速度的对应关系问题并没 有得到很好地解决。文献ｐ－４］￣ｆｊ提出了不同的编队方
法，使移动机器人在围捕前首先形成一定队形（如圆
形），然后对目标进行合围。其优点是编队行进扩大了 搜索目标的范围，而缺点也很明显，编队易受到环境因
素的影响，队形不容易保持。文献［５】提出一种强化学习
算法，利用Ｑ学习算法得出各种行为的输出，并进行加
权求和获得综合行为以实现多移动机器人围捕。这种方 法适用于连续环境中有障碍物和围捕移动目标的隋况，
缺点是当围捕机器人接近目标时，对状态聚类的分类较
粗，包围效果较差。 笔者提出一种在未知环境下实现多移动机器人协
作围捕动态目标的整体方案。为成功围捕动态目标，将
基于势点的控制算法用于各围捕机器人的路径规划中。 通过效率最优原则不断对势点进行计算，围捕机器人可
以最大速度向势点运动。同时，为了躲避未知环境中出
现的随机障碍，采用模糊逻辑构建了围捕机器人的避障 控制器，并建立了碰撞风险与躲避角度之间的映射关
系。围捕机器人的综合行为通过包容式控制体系结构通
过融合避障行为、合围行为和夹击行为获得。在实现合 围后，围捕机器人采用圆弧运动的末端处理算法对抓捕
目标进行钳形夹击。在ＭＲＳ仿真环境下进行了模拟实
验，获得的不同条件下的围捕结果证明了围捕策略的正 确性和有效性。
１系统组成
１．１仿真环境
笔者以Ｍｉｃｒｏｓｏｆｔ Ｒｏｂｏｔｉｃｓ Ｓｔｕｄｉｏ仿真平面上的 两轮差速移动机器人的围捕控制为研究对象，图１
所示为移动机器人围捕的仿真截图。
图１ Ｍｉｃｒｏｓｏｆｔ Ｒｏｂｏｔｉｃｓ Ｓｔｕｄｉｏ仿真环境
Ｆｉｇ．１ Ｓｉｍｕｌａｔｉｏｎ ｅｎｖｉｒｏｎｍｅｎｔ ｉｎ Ｍｉｃｒｏｓｆｏｔ Ｒｏｂｏｔｉｃｓ Ｓｔｕｄｉｏ ＭＲＳ是一个人工智能应用开发工具包，主要用于 机器人技术的开发，适合学术、理论和商业研究等领域。
其仿真工具来自ＡＧＥＩＡ公司的ＡＧＥＩＡ ＰｈｙｓＸ技术。
该公司是用硬件加速技术进行物理仿真的先驱。这项技
术可以保证在机器人设计中真实模拟现实世界的物理
条件。一个简单的ＭＲＳ应用程序基本由３部分服务组
成，以控制一台机器人。这些服务是：１）驱动服务（驱
动器），它可以让机器人具有不同的速度和运动方向；
２）缓冲服务（传感器），由信号来感应环境中的对象；
３）探测服务（适配器），根据传感器的输入来改变机器
人的速度和方向。与同类仿真软件相比，ＭＲＳ仿真平
台具有如下优势：
１）可逼真模拟真实世界运行的机器人的物理特性；
２）可轻松处理多个机器人传感器的异步输入和电
机输出；
３）可重复利用的模块化服务；
４）同时支持远程连￣ＰＣ），Ｉ３机器人自身的控制；
５）可使用多种编程语言进行应用程序开发。 １．２协作围捕模型
在进行多移动机器人协作围捕算法研究之前，首先
做如下条件假设：
１）整个系统是在平面上运动； ２）移动机器人车轮纯滚动无滑动；
３）移动机器人车体是刚体；
４）所有移动机器人的位姿和速度信息都是透明
的，围捕机器人和被动态目标可以感知到自身及对方的 瞬时运动学信息。
图２所示为多移动机器人围捕动态目标的示意图。 本文设定的情况为３抓１，即围捕机器人通过协作对１
个抓捕目标实施动态抓捕。
图２多移动机器人围捕动态目标
Ｆｉｇ．２ Ｃｏｏｐｅｒａｔｉｖｅｈｔｍｔｉｎｇｆｏｒｄｙｎａｍｉｃｔａｒｇｅｔｂｙｍｕｌｔｉｐｌｅ
ｍｏｂｉｌｅ ｒｏｂｏｔ
ｓ ５２６ 中国科技论文在线 ＳＣｌＥＮＣＥＰＡＰＥＲ ＯＮＬＩＮＥ 第６卷第７期 ２０１１年７月
围捕机器人可根据自身安装的激光测距仪感知环
境中随机障碍的距离和方位，并根据避障规则进行躲
避。同时根据仿真环境反馈抓捕目标的位置信息，规划 自己的运动轨迹对目标进行合围。此外，在合围过程中，
围捕机器人每隔一定时间都要根据效率最优原则获得 相应的势点位置，以最大速度直接向势点运动。效率最
优原则能够使围捕机器人向着距离自己最近的势点运
动（当多个围捕机器人距离其中一个势点最近时，距离
该势点最远的围捕机器人优先选择向该势点运动），并
且保证各围捕机器人到达势点的总时间最短。当到达势
点位置后，围捕机器人则各自采用圆弧运动来完成对抓 捕目标的三角形夹击。抓捕目标可以实时地感知到围捕
机器人的运动信息。当围捕机器人在逃避区域外（本文
设定为２．５ ｍ）运动时，抓捕目标保持静止，一旦感知
到围捕机器人侵入逃避区域时，它则根据势场法计算出
逃逸速度矢量来进行躲避。仿真中将围捕机器人与抓捕
目标的最高速度设定为相同，这样就可以保证一个围捕 机器人无法单独完成对动态目标的抓捕。
２协作围捕
２．１动态目标的运动形式
为使协作围捕算法具有更好的适应性和鲁棒性，放
弃了普遍采用的简单匀速直线运动模式，而是采用势场
法来决定抓捕目标的运动模式，其逃逸速度的大小由式 （１）计算得出，逃逸方向则是围捕机器人与动态目标质心
连线的反向延长线方向。
ｆ １．５， ０≤ ＜１． … Ｉ ＝｛一 ＋２．５ｌ，１≤Ｌ，ｋ≤２．５； Ｌ Ｊ ｌ ０，Ｌ，ｋ＞２．５ｏ
式中， 为动态目标与第ｋ个围捕机器人之间的相对距 离，当围捕机器人侵入其逃避区域内时，抓捕目标即按
照上式计算得出的速度矢量控制执行机构进行逃逸。当
有多个围捕机器人同时进入逃避区域时，抓捕目标的最 终速度矢量由来相对于多个围捕机器人逃逸速度矢量
合成。
２ｌ２合围行为的获取 保持相应的围捕队形是围捕任务的关键。已知的被
围捕目标机器人的当前坐标为 ， ，速度为 ，运动
方向为 ；围捕机器人的位姿信息为Ｏ ， ， ），ｍ＝１， ２，…，ｎ，ｎ为围捕机器人数。设围捕机器人要到达的势
动态环境下多移动机器人路径规划的一种新方法
文章编号:1002-0446(2001)05-0407-04
动态环境下多移动机器人路径规划的一种新方法X
薄喜柱 洪炳熔
(哈尔滨工业大学计算机系智能机器人研究室 150001)
摘 要:本文提出一种多个移动机器人在动态环境下进行路径规划的新方法.基于栅格类的环境表示和障碍
地图,协调同一工作环境中多移动机器人的运动状态,以避免相互之间发生碰撞.该方法的复杂性较低,具有很好的
实时性能.结合机器人足球领域,进行了实验,验证了这个方法的正确性和有效性.
关键词:移动机器人;动态环境;路径规划;机器人足球
中图分类号: TP24 文献标识码: B
AMETHODOFCOLLISIONAVOIDANCEPLANNINGFOR
MULTI-ROBOTSINDYNAMICENVIRONMENT
BOXi-zhu HONGBing-rong
(DepartmentofComputer,HarbinInstituteofTechnology 150001)
Abstract:Thepaperproposesanewmethodofcollisionavoidanceplanningformulti-robotsindynamicenviron-
mentwheremultipleobstaclesaremovingaround.Itrealizesthecollisionavoidanceinmulti-robotsystembasedon
thegrid-typeenvironmentrepresentationandtheobstaclemap.Themethodhasalowcomplexityandgoodreal-
timeperformance.Someexperimentsinroboticsoccerdomainprovetheeffectivenessandcorrectivenessofthe
method.
Keywords:mobilerobot,dynamicenvironment,pathplanning,roboticsoccer
多机器人对未知环境进行实时在线探测的一种方法
多机器人对未知环境进行实时在线探测的一种方法
苏丽颖;曹志强;王硕;谭民
【期刊名称】《高技术通讯》
【年(卷),期】2003(013)011
【摘 要】将多机器人协作引入了构建地图的作业任务研究中,将多个范围传感器所探测到的环境信息以概率值的方式表示,利用不确定性证据推理的原理对其进行了DempsterShafer数据融合.在协作的基础上,设计了避障策略.系统仿真实验,验证了该方法的可行性.
【总页数】5页(P56-60)
【作 者】苏丽颖;曹志强;王硕;谭民
【作者单位】中国科学院自动化研究所,北京,100080;北京工业大学机电学院,北京,100022;中国科学院自动化研究所,北京,100080;中国科学院自动化研究所,北京,100080;中国科学院自动化研究所,北京,100080
【正文语种】中 文
【中图分类】TP24
【相关文献】
1.未知环境下的多机器人协作围捕方法 [J], 郝博;秦丽娟;赵慧静
2.一种多机器人协作探索未知环境与地图构建的系统设计 [J], 梁璨;房芳;马旭东
3.未知环境探测的多机器人协作策略研究 [J], 吴皓;田国会;黄彬
4.未知环境探测的多机器人协作机制和策略 [J], 陈宗海;贾梦雷
5.协作多机器人用于未知环境完全探测和地图构建 [J], 高云园;郭云飞;韦巍 因版权原因，仅展示原文概要，查看原文内容请购买
论文 多机器人对未知环境探测的研究
I 多机器人对未知环境探测的研究
摘 要
近年来机器人已经成为自动化、计算机和人工智能等领域的研究热点之一。机器人技术是一门综合学科，集中了机械、电子、计算机、自动控制以及人工智能等多学科最新的研究成果，代表了机电一体化的最高成就。在军事侦察、航空航海等诸多领域，机器人技术都是有很大的发展空间。
未知环境的建模，是机器人感知能力和智能水平的一种体现。因此移动机器人的自主环境构建（通常称为地图创建）问题越来越受到各国研究者的重视。多机器人协调合作是多机器人系统中一个重要部分。与单个复杂机器人相比，多机器人系统具有设计周期短，系统可靠性高，任务执行效率高，适应任务空间分布等优点。但必须要有好的协作算法对它们执行任务进行协调，避免相互干扰和相互冲突，这样才能发挥多机器人系统的整体优势。
和单个机器人探测环境相比，利用多机器人进行环境探测得到地图的效率和准确度都要高。本文在介绍单机器人探测方法的基础上，对多机器人环境探测的问题进行了研究，包括多机器人的控制结构，协作方法等等。
关键字：地图创建；环境探测；栅格地图；多机器人
II Research on Unknown Environment Exploring of
Multi-robot
Abstract
In recent years, robots have become the hot research of automation, computer and
artificial intelligence. Robot technology is a multi-disciplinary, which is focused on the
newest result of the mechanism, electronic, computer, automatic control and artificial
intelligence and represents the highest achievements of mechanical and
基于混合拍卖算法的多机器人对未知环境的探索
基于混合拍卖算法的多机器人对未知环境的探索
陈泽涛; 郑乐藩; 万燕英
【期刊名称】《《南方职业教育学刊》》
【年(卷),期】2019(009)004
【总页数】5页(P105-109)
【关键词】多机器人; 环境探索; 任务分配; 市场拍卖
【作 者】陈泽涛; 郑乐藩; 万燕英
【作者单位】广州铁路职业技术学院 广东 广州510430
【正文语种】中 文
【中图分类】TP273
1 引言
探索是多机器人研究的主题之一[1]。在移动机器人研究领域，动态覆盖周围环境也称环境探索。Z. Cai and Y. Cui已经对探索进行详细定义[2]。探索任务的主要点是在更短的时间内完成环境探索[3]。探索环境问题属于移动机器人基础问题之一，应用于很多领域，如行星探测、侦查、营救、修剪草坪、清理房间等，这些都是要求完成地形的覆盖，是机器人不可或缺的一部分[4]。
文中考虑团队机器人对未知环境的探索，使用多机器人比单机器人系统有优势。第一，相比单机器人，协作的机器人能更快地完成单一的任务。其次，运用几个机器人，冗余度明显增加，因此机器人团队比只有一个机器人拥有更好的容错性。团队机器人的另外一个优势是融合了传感器的信息，能够弥补传感器的不确定性。多机器人已经被证明在自定位方面效率更高，特别是当它们拥有不同的传感器时[5]。
对于非结构环境或其它一些难以提取特征的复杂环境，栅格是一种较为合适的地图表示方法。栅格地图将整个工作环境分为若干个大小相同的栅格，对于每个栅格指出其中存在障碍物的可能性。在处理地图的过程中，可将栅格地图离散化为N行M列的矩阵。栅格地图是一种比较成功的地图标示方法，它简单、易扩展[6]。
文章运用边界栅格地图代表环境，二维栅格地图是把环境分割成若干正方形小区域，即栅格[7]，被障碍物占据的栅格赋值为 1，无障碍物的栅格赋值为0。在多机器人探索未知环境过程中，设计基于市场拍卖算法的多机器人动态任务分配算法——混合拍卖算法(MA)，实现多机器人在任务分配中的协调合作，然后通过matlab7.1仿真实验说明基于混合拍卖算法的多机器人可以协作完成对未知环境的探索。文章的组织如下，第二小节提出探索的准备工作。第三小节详细描述MA如何实现多机器人协作完成未知环境探索。第四小节通过Matlab7.1仿真证明MA的可行性以及分析实验结果。最后，第五小节讨论了相关工作和展望。
基于模糊逻辑的多移动机器人自适应协作围捕
第６卷第１期 ２０１１年２月 智能系统学报 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｖｏ１．６№．１ Ｆｅｂ．２０１１
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６７３－４７８５．２０１ １．０１．００５
基于模糊逻辑的多移动机器人自适应协作围捕
王斐，闻时光，吴成东，魏巍
（东北大学信息科学与工程学院，辽宁沈阳１１０８１９）
摘要：提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案，为成功实现围捕，设 计了基于模糊逻辑的钳型夹击策略，模糊规则通过遗传算法学习获得．同时为躲避围捕过程中遇到的动态随机障 碍，提出了基于碰撞风险的随机避障策略．围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得．在 ＭＲＳ仿真环境下进行了模拟实验，获得的不同条件下的围捕结果证明了围捕策略的有效性和鲁棒性． 关键词：多移动机器人；自适应协作围捕；钳型夹击策略；模糊逻辑；遗传算法；碰撞风险 中图分类号：ＴＰ３９１．９文献标识码：Ａ文章编号：１６７３４７８５（２０１１）Ｏ１－００４４－０７
Ａｄａｐｔｉｖｅ ｃｏｏｐｅｒａｔｉｖｅ ｈｕｎｔｉｎｇ ｆｏｒ ｍｕｌｔｉｐｌｅ ｍｏｂｉｌｅ ｒｏｂｏｔｓ
ｂａｓｅｄ ｏｎ ｆｕｚｚｙ ｌｏｇｉｃ
ＷＡＮＧ Ｆｅｉ，ＷＥＮ Ｓｈｉｇｕａｎｇ，ＷＵ Ｃｈｅｎｇｄｏｎｇ，ＷＥＩ Ｗｅｉ
（Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｎｏｒｔｈｅａｓｔｅｒｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ １１０８１９，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ａ ｇｅｎｅｒａｌ ｓｃｈｅｍｅ ｏｆ ａｄａｐｔｉｖｅ ｃｏｏｐｅｒａｔｉｖｅ ｈｕｎｔｉｎｇ ｆｏｒ ａ ｍｏｖｉｎｇ ｔａｒｇｅｔ ｂｙ ｍｕｌｔｉｐｌｅ ｍｏｂｉｌｅ ｒｏｂｏｔｓ ｉｎ ａｎ－ ｋｎｏｗｎ ｄｙｎａｍｉｃ ｅｎｖｉｒｏｎｍｅｎｔｓ ｗａｓ ｐｒｅｓｅｎｔｅｄ．Ｔｏ ｒｅａｌｉｚｅ ｓｕｃｃｅｓｓｆｕｌ ｈｕｎｔｉｎｇ，ｐｉｎｃｅｒ ａｔｔａｃｋ ｓｔｒａｔｅｇｙ ｗａｓ ｐｒｏｐｏｓｅｄ ａｎｄ
基于“势点”的多移动机器人协调围捕／拦截策略
文章编号：１００１－９９４４（２００７）０５—０００１－０４
基于“势点”的多移动机器人协调围捕／拦截策略
李焕全
（华中科技大学控制科学与工程系，武汉４３００７４）
摘要：在现代信息化作战系统中。无人车辆将扮演重要的角色。根据４Ｄ／ＲＣＳ体系结构提供 的无人车辆系统软件定义与组织的参考模型，提出一种基于“势点”的多移动机器人协调
围捕／拦截策略。引入“势点”使移动机器人能够快速到达围捕／拦截位置，根据“攻击”机器
人数目的不同．将协同追捕的策略分为围捕和拦截两类。仿真实验获得了在不同“攻击”机
器人数目的追捕结果。结果验证了基于“势点”多移动机器人围捕／拦截策略的有效性。
关键词：多移动机器人；协调围捕：势点
中图分类号：ＴＰ１８ 文献标志码：Ａ
Ｓｔｒａｔｅｇｙ ｏｆ Ｃｏｏｒｄｉｎａｔｅｄ Ｈｕｎｔｉｎｇ／Ｉｎｔｅｒｃｅｐｔｉｎｇ ｂｙ Ｍｕｌｔｉｐｌｅ Ｍｏｂｉｌｅ Ｒｏｂｏｔｓ Ｂａｓｅｄ
ｏｎ Ｐｏｔｅｎｔｉａｌ ＰＯｉｎｔｓ
ＬＩ Ｈｕａｎ．ｑｕａｎ
（Ｄｅｐａｒｔｍｅｎｔ ｏｆ Ｃｏｎｔｒｏｌ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｈｕａｚｈｏｎｇ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ，Ｗｕｈａｎ ４３００７４，
Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：ＵＧＶ（ｕｎｍａｎｎｅｄ ｇｒｏｕｎｄ ｖｅｈｉｃｌｅｓ）ｐｌａｙｓ ａｎ ｉｍｐｏｒｔａｎｔ ｒｏｌｅ ｉｎ ｔｈｅ ｍｏｄｅｒｎ ｉｎｆｏｒｍａｔｉｏｎ ｍｉｌｉｔａｒｙ ｓｙｓｔｅｍ．Ｓｔｒａｔｅｇｙ
ｏｆ ｃｏｏｒｄｉｎａｔｅｄ ｈｕｎｔｉｎｇ／ｉｎｔｅｒｃｅｐｔｉｎｇ ｂｙ ｍｕｌｔｉｐｌｅ ｍｏｂｉｌｅ ｒｏｂｏｔｓ ｂａｓｅｄ ｏｎ ｐｏｔｅｎｔｉａｌ ｐｏｉｎｔｓ ｉｓ ｐｒｅｓｅｎｔｅｄ ａｃｃｏｒｄｉｎｇ ｔｏ ｔｈｅ
ｒｅｆｅｒｅｎｃｅ ｍｏｄｅｌ ｏｆ ＵＧＶ ｓｙｓｔｅｍａｔｉｃ ｓｏｆｔｗａｒｅ ｄｅｆｉｎｉｔｉｏｎ ａｎｄ ｏｒｇａｎｉｚａｔｉｏｎ ｉｎ ｔｈｅ ４Ｄ／ＲＣＳ ｆｒａｍｅｗｏｒｋ．Ｐｏｔｅｎｔｉａｌ ｐｏｉｎｔｓ ａｌｌ
未知动态环境下非完整移动群机器人围捕
未知动态环境下非完整移动群机器人围捕
张红强;章兢;周少武;曾照福;吴亮红
【摘 要】针对未知动态障碍物环境下非完整移动群机器人围捕,提出了一种基于简化虚拟受力模型的自组织方法.首先给出了个体机器人的运动方程,然后给出了未知动态环境下目标和动态障碍物的运动模型.通过对复杂环境下围捕行为的分解,抽象出简化虚拟受力模型,基于此受力模型,设计了个体运动控制方法,接着证明了系统的稳定性并给出了参数设置范围.不同情况下的仿真结果表明,本文给出的围捕方法可以使群机器人在未知动态障碍物环境下保持较好的围捕队形,并具有良好的避障性能和灵活性.最后分析了本文与基于松散偏好规则的围捕方法相比的优势.
【期刊名称】《控制理论与应用》
【年(卷),期】2014(031)009
【总页数】15页(P1151-1165)
【关键词】移动机器人;群机器人;未知环境;动态障碍物;避障;简化虚拟受力模型
【作 者】张红强;章兢;周少武;曾照福;吴亮红
【作者单位】湖南大学电气与信息工程学院,湖南长沙410082;湖南科技大学信息与电气工程学院,湖南湘潭411201;湖南大学电气与信息工程学院,湖南长沙410082;湖南科技大学信息与电气工程学院,湖南湘潭411201;湖南科技大学信息与电气工程学院,湖南湘潭411201;湖南科技大学信息与电气工程学院,湖南湘潭411201
【正文语种】中 文 【中图分类】TP24
群机器人学受启发于群居动物的自组织行为,其研究的目的在于如何设计简单智能体使得通过智能体之间以及智能体与环境之间的局部交互,涌现出期望的群体行为并具有鲁棒性、可伸缩性和灵活性[1].
经过20多年的发展,群机器人学研究人员通过使用相对简单的机器人已经实现了诸多协作型任务[2–5].而其中具有分布式控制的群体行为被认为是自组织行为,类似于群居动物的行为[6].自组织系统包含3种期望的特征:鲁棒性、灵活性和可伸缩性[7].根据Brambilla等[8]对群体行为的研究分类,将自组织行为分成4种:自组织导航行为、空间自组织行为、自组织决策和其他自组织行为.其中自组织导航行为关注群机器人如何自组织协调运动,自组织围捕就属于此种.
动态环境下的多机器人编队控制方法的研究
动态环境下的多机器人编队控制方法的研究
付帅
【期刊名称】《计算机仿真》
【年(卷),期】2014(31)12
【摘 要】多机器人编队控制是研究机器人协调合作问题的基础.在诸多的编队方法中,传统人工势场法以其算法简单,易于实现等特点被广泛应用于机器人避障.但上述方法无法适应动态未知环境,并且存在着局部极小问题,为解决上述问题,提出一种改进的人工协调场方法,即在排斥力的垂直方向增加一个协调力,从而消除零势能点,克服局部极小.同时与领航—跟随法结合,将编队信息预先存储在领航机器人中,通过队伍行进中领航者所发出的位置信息,跟随者保持队形,不仅可以达到灵活躲避动态障碍物,同时可以保持队形稳定.最终在TEAMBOTS平台上进行了仿真,结果证明了改进方法的有效性,实现了动态环境中的多机器人编队的灵活控制.
【总页数】4页(P384-387)
【作 者】付帅
【作者单位】东北师范大学人文学院,吉林长春130117
【正文语种】中 文
【中图分类】TP39
【相关文献】
1.特定领航者模式的多机器人编队控制方法 [J], 杜柏阳;张国良;孙一杰;徐君
2.Leader-Followers多机器人编队控制方法 [J], 韩青;张常亮 3.复杂地形环境下多机器人编队控制方法 [J], 张瑞雷;李胜;陈庆伟;杨春
4.群体觅食行为启发的多机器人分布式编队控制方法研究 [J], 徐东;刘佰龙;张汝波
5.基于领航跟随的多机器人编队控制方法 [J], 高继勋;黄全振;赵媛媛
因版权原因，仅展示原文概要，查看原文内容请购买
未知环境下的多AUV目标搜索与围捕方法研究
近几年，人类对于海洋的研究与开发日趋激烈，未知海洋环境下的目标搜索与围捕
问题一直是热门的研究话题。自主水下航行器(AutonomousUnderwaterVehicle,AUV)作
为拥有灵活的机动性和可装载的水下装置是解决当前问题的技术手段。本文针对未知水
下环境的目标搜索和围捕问题开展如下研究内容：
首先，对多AUV在水下环境的协同搜索与围捕任务进行分析，提出目标搜索与围
捕的解决方案。同时针对执行未知水下环境的任务建立仿真环境地图模型、前视声呐模
型、AUV运动模型和目标运动模型。然后分析了水下通信限制条件对多AUV协同任务
的影响和AUV间的通信内容。
其次，对未知环境下的AUV避障问题进行分析，提出一种未知环境下基于预测导
引避障(PredictiveGuidanceObstacleAvoidance,PGOA)算法。该算法将预测控制与导引
算法相结合，利用轮廓凸算法和贝塞尔插值对声呐采集到的障碍物数据进行边界简化，
最后将避障权值函数和预测控制二次寻优函数得出的避障航迹点结合导引方法实现避
障目的。
然后，针对未知水下环境的目标搜索问题，提出一种分布式动态预测控制
(DistributedDynamicPredictiveControl,DDPC)的多AUV协同目标搜索算法。通过对多
AUV系统状态进行预测与在线任务优化决策，得到任务环境区域信息与AUV的状态更
新输入，实现多AUV协同目标搜索目的。解决了多AUV协同任务规划的目标搜索问
题。通过在仿真实验中与其他搜索方法进行比较，验证了该算法在未知水下环境中处理
多AUV协同目标搜索任务是一种有效的搜索算法。
最后，针对动态目标围捕问题提出一种动态分布的围捕方法，使AUV快速组织三
角形围捕队形实现动态目标围捕销毁的目的。解决了AUV围捕过程中合理分配围捕势
点的问题。通过分析动态目标围捕结果，多AUV协同任务区域分配情况和目标搜索结
果，验证了该方法的有效性和合理性。
关键词：水下无人航行器(AUV)；协同搜索；未知环境；围捕；动态预测摘要未知环境下的多AUV目标搜索与围捕方法研究
关于未知环境下多无人机协同搜索动态目标的研究
TECHNOLOGY AND INFORMATION信息化技术应用
12 科学与信息化2021年4月下关于未知环境下多无人机协同搜索动态目标的研究唐攀四川大学 电子信息学院 四川 成都 610065摘 要 在动态目标的场景中，由于目标的运动特性和目标数量未知，存在着无人机续航能力有限，不能发现所有动态目标等问题，给无人机协同搜索带来了极大的未知性和不确定性。本文在考虑上述约束的同时，受到火车/地铁站的行人行为方式的启发，提出了行人行为算法（Swarm Pedestrian Behavior，SPB）。该算法考虑了有限的续航时间、无人机编队、初始位置随机分布、有限通信距离等现实约束，还进行了大量实验。仿真实验结果表明，本文所提算法具有更好的稳定性，能够发现更多动态目标的同时保持更低的碰撞率。关键词 多无人机；协同搜索；动态目标；未知环境1 搜索环境描述与建模1.1 场景描述群体无人机协同搜索描述为，使用架无人机前往任务区域Ω进行目标搜索[1]，当无人机飞行到目标辐射范围内时，会根据所携带的传感器探测出目标的辐射信号强度，进而发现目标。每个时间步长内无人机之间进行信息交互，实现群体无人机协同飞行路径的在线规划[2]。1.2 实验参数设置根据环境大小和动态目标个数动态变化，但会保证每个算法都设置相同的最大迭代次数。假设目标环境的大小为100m×100m，无人机最大速度是1m/s，那么最大迭代次数就设置为200。对于存在续航能力有限的动态目标搜索问题，任务的主要目标则是在规定时间内找到尽可能多的目标。在下列所有算法中，都将无人机的通信半径设置为10m，最小的斥力半径设置为2m，最大排斥半径为5m，最大速度为1m/s。各个算法可以表示如下：1.2.1 SPB：群无人机行人行为算法，惯性系数w等于0.85，等于0.4，最大邻居数量等于4，最大碰撞系数等于0.7，等于0.55。1.2.2 PSO：粒子群优化算法，惯性系数w等于0.9，认知因子等于1，社会因子等于1。1.2.3 LFS：莱维飞行a等于1.5，b等于1.002。1.2.4 EPSO：无人机粒子群优化算法，惯性系数w等于0.95，认知因子等于1，社会因子等于1。1.2.5 FA：萤火虫算法，随机项，随机项权重等于1，强度吸收系数等于0.01，吸引因子等于0.8。1.2.6 GSO：人工萤火虫算法，提升因子r等于0.6，最大群组数量等于5，β等于0.08。2 行人行为算法在地铁站内，不存在外部的指令，但行人之间仍然能够按照某种规则形成一定的结构和功能，进而保持地铁站的高速运行。受启发于这种现象，发现地铁站中的行人和执行搜索任务的群体无人机有着许多相似之处。所以本文提出了以SPB算法来描述行人行为这种自组织行为，并且把算法应用于搜索动态目标场景。SPB算法的速度和位置迭代方程如下： 其中，代表惯性系数，惯性提供无人机前一时刻速度大小和方向的信息参考，并且可以使无人机运行轨迹变得流畅平滑。代表t时刻编号为i的无人机的速度，代表无人机的最大速度；是t时刻编号为i的无人机所处的位置。无人机机的数量设定为18，4个动态目标初始位置分别是P1(90,80)，P2(20,15)，P3(85,20)， P4(25,90)，并且四个动态目标均沿着不同方向做直线运动。如下图所示，其中目标轨迹由粗线表示，无人机由不同五角星代表，不同五角星身后对应的线条线为不同无人机的轨迹。图1给出了发现四个动态目标源的轨迹。