[发明专利]一种多机器人编队方法

说明书

本发明公开了一种多机器人编队方法，具体涉及一种具有行为选择功能的多机器人编队方法，以解决传统编队方法中系统的鲁棒性较差，可靠性难以保证等问题。具体步骤为：步骤一、设定与位置相关的检测收益计算方法；步骤二、定义机器人的具体行为；步骤三、确定基底神经节的通道数量，建立基底神经节通道模型，初始化相关参数；步骤四：校正基底神经节的通道模型参数。本发明用于多机器人检测任务中编队协同控制。

技术领域

本发明涉及机器人的编队领域，具体涉及一种具有行为选择功能的多机器人编队方法。

背景技术

机器人代替人完成在复杂、危险的环境下的重复性工作，加速了社会的发展。近年来社会市场对机器人的功能的提出了新的需求，机器人需要完成更为复杂的检测任务甚至作业任务，但是面对复杂的，高效率的、并行完成的任务时，单一的机器人无法胜任，需要多机器人协同。

机器人编队控制是一种多个机器人在达到目标队形的过程中，既能组成目标队形，又可以适应具体的环境约束的一种控制方法。现有的常用的方法主要有基于领航—跟随者方法、虚拟结构法、基于行为的方法、基于图论、势能法的方法。

其中领航者—跟随者方法的基本思想是在多机器人组成的编队系统中，可以存在一个或者多个领航机器人，其他非领航者机器人即为跟随机器人，跟随机器人以相对其领航机器人的位置相对距离、相对角度中作为输入控制量，使得跟随机器人与领航机器人的相对位置无限逼近目标值。领航跟随方法的控制结构比较简单，但是由于领航机器人和跟随机器人之间没有位置反馈，并且是领航者机器人单点控制，导致容易出现机器人掉队等情况，系统的鲁棒性较差。

虚拟结构法的基本思想是将多机器人组成的系统看成一个假想的刚体结构，各个机器人在参考坐标系下的坐标不变,即机器人之间的相对位置不变。

基于行为的方法的基本思想是将多机器人编队的各个环节看成由单个机器人的多个基本行为构成，只需要研究各个基本行为的控制方法即可通过基本行为的组合控制多机器人形成编队。基本行为一般包括目标跟踪、避免障碍、避免碰撞、编队生成和编队保持等。基于行为的方法由各个机器人相互感知控制，系统比较容易实现分布式控制，具有很好的鲁棒性。但是由于无法结合准确的数学模型分析，导致不能十分有效的保证系统的可靠性。

势能法势场法是与上而所述传统方法不巧的另一种队形形成控制方法，它将队形形成的所有步骤合为一起，通过构建合近的势函数，由势场函数来决定机器人的控制律将其他机器人对其不同的势力作用，结合期望的队形图形，使机器人朝预期的队形图运动，当各自到达编队图时，整个系统的势能玻小。在队形形成过程中，队形目标点是动态变化的，属于动态队形形成方法，机器人是通过不断调整相互之间的距离而达到一个平衡态；但队形形成的快速性和可控性无法把握，由于是按照相对距离的编队图来形成队形，那么说明机器人之问的相互相对位置其实是事先确定的，这就使机器人的目标位置可能不是最佳的，又由于整个队形目标上保持一个相对位置固定的编队图，假设一个机器人未能达到指定队形点，其他机器人将一直处于动态搜寻最小势能点的状态并一直运动。

针对上述问题，提出一种基于行为选择的多机器人编队方法。

发明内容

本发明的目的在于解决的多机器人编队过程中系统的可靠性与鲁棒性无法保证的问题。

为了解决上述技术问题，本发明提供一种基于行为选择的多机器人编队方法，通过引入一种基底神经节行为选择编队策略，增强系统的可靠性与鲁棒性。

具体技术方案为：

综合考虑机器人向形成编队目标位置的运动的路程之和dis_sum，机器人的适宜移动速度v_i，机器人调整到面向目标点姿态的时间T_adjust，机器人运动到目标点的时间T_move，机器人在下个采样周期后到达位置的检测收益，进行行为选择。