[发明专利]未知环境下的群机器人多目标搜索方法

权利要求书

1.一种未知环境下的群机器人多目标搜索方法，其特征在于，包括以下步骤：

步骤一：构建未知环境模型、目标响应函数；

构建未知环境模型过程为：

有限的二维空间R²内，存在一个全集U＝{R∪T∪B}，其中群机器人R＝{R_i|i＝1，2，...，i_max，i_max≥10}，R_i为第i个机器人，i_max为机器人总数；目标T＝{T_j|j＝1，2，...，j_max，j_max＞1}，T_j为第j个目标，j_max为目标总数；障碍物B＝{B_s|s＝1，2，...，s_max，s_max≥1}，B_s为第s个障碍物，s_max为障碍物总数；R_i、T_j、B_s位置分别表示为X_i(t)、T(x_j，y_j)、B(x_s，y_s)；在此环境中，群机器人R作为搜索主体，目的是搜索到所有待搜索对象目标T，即存在一个机器人与某个目标的距离小于目标到达阈值，同时避免与障碍物及其他机器人发生碰撞；

群机器人搜索目标时，通过自身传感器不间断地探测环境中的目标的信号，信号强度用目标响应函数表示如下：

式中，I_ij是机器人R_i探测到目标T_j的响应函数值；m是环境的衰减系数，0＜m＜1；Q是目标的恒定信号功率；η( )代表高斯白噪声，满足标准正态分布；T_distance为机器人与目标的欧式距离，L_T表示最大目标感知半径；

步骤二：机器人检测目标信号，基于目标响应函数进行动态分工，搜索某个目标视为一个子任务，完成同一子任务的机器人所在的集合形成子联盟；

步骤三：引入闭环调节，评估各个子任务的资源分配，形成新的子联盟；

步骤四：未组成子联盟的的机器人进行漫游搜索；组成子联盟的机器人基于位置估计的粒子群算法和边界扫描的避障策略，对目标进行搜索；

步骤四中，未组成子联盟的的机器人进行漫游搜索的过程为：

首先构建机器人运动模型，考虑二维环境中的目标搜索，机器人的运动学方程表示为

式中V_i(t)是机器人R_i在t时刻的运动速度，||V_i(t)||是机器人R_i在t时刻运动速度的大小，θ_i(t)是机器人R_i在t时刻运动速度的方向，x_i(t)和y_i(t)是速度的横轴与纵轴坐标，即V_i(t)＝(x_i(t)，y_i(t))，同时||V_i(t)||≤V_max，V_max为速度的最大值；

群机器人在进行目标搜索时，搜索对象包括其他机器人、障碍物，搜索对象对机器人有虚拟力，且满足虚拟施力函数，如式(5)

其中f_virtual为虚拟力，与距离的平方成反比，d为机器人与对象之间的欧氏距离，对象为机器人时d₀＝2L_T，对象为障碍物时d₀＝L_B，L_B为最大障碍物感知半径，c为虚拟施力函数系数，l_k为增强避障距离；

在机器人与机器人之间存在斥力，障碍物边界对机器人存在吸引力；机器人R_i在漫游状态时，距离R_i最近的两个机器人对其有斥力，而在避障时，障碍物边界点对机器人有吸引力，构建简化虚拟受力模型，简化虚拟受力模型中f_virtual1和f_virtual2为离机器人R_i最近的两个机器人R₁和R₂对机器人R_i施加的虚拟力，f_virtual1和f_virtual2的大小||f_virtual1||和||f_virtual2||满足式(5)，与横轴x夹角f_virtual1＝θ₁、f_virtual2＝θ₂；f_i为机器人R_i所受的合力，是两个虚拟力的矢量和，其大小||f_i||＝||f_virtual1+f_virtual2||，角度f_i＝f_virtual1+f_virtual2，即漫游时期望速度的方向，在漫游状态下机器人以最大速度运动，V_if(t+1)＝V_max[cos(f_i)，sin(f_i)]，即速度大小||V_if(t+1)||＝V_max，方向V_if(t+1)＝f_i，V_if(t+1)表示机器人t+1时刻在没有考虑避障时的期望速度；

位置估计的粒子群算法的过程为：

由式(1)可知目标信号与距离的平方成反比，机器人R_i由传感器得到的与目标的距离为d_i，当有三个机器人探测到目标T_i的信号时，即得到三个机器人所在位置到目标点T_est(x，y)的距离其中i₁，i₂，i₃表示机器人编号，取值为区间[10，i_max]的整数；在没有环境扰动的情况下，目标点即为分别以三点(x_i，y_i)，i＝i₁，i₂，i₃为圆心，d_i，i＝i₁，i₂，i₃为半径的圆的交点；

式(6)中(x_oni，y_oni)为以(x_i，y_i)为圆心，d_i为半径的圆上的点，d_i满足式(7)，i＝i₁，i₂，i₃；目标的估计点(x，y)满足方程(8)：

三个圆的公共交点至多只有一个，因此方程(8)的解唯一；但环境中存在干扰的高斯白噪声，因此方程(8)无解，考虑最小二乘解，由式(8)两边开根号后得到式(9)中残量范数：

即：

当f(x，y)取得最小值时，即残量范数取得最小值，此时(x，y)即为所求；求解f(x，y)的最小值及其T_est(x，y)的取值方法采用基于杂交的粒子群算法，以100为种群大小迭代步100，即得到近似解T_est(x，y)；

将群机器人的子任务搜索过程与粒子群算法迭代过程映射，每一步迭代的位移用粒子群算法中的速度表示；由于在群机器人搜索目标时，不能获取全局信息，只有子任务的目标信息，因此全局最优取单个子联盟的最优，即半全局最优，并加入由式(10)得到的目标位置估计，得到目标位置估计的粒子群算法，如式(11)所示：

其中V_ipso(t+1)为粒子群算法计算得到的t+1时刻速度，即下一步速度；V_i(t+1)为考虑机器人运动惯性后的下一步期望速度，X_i(t+1)为下一步理想位置，V_i(t)、X_i(t)为当前步的速度和位置；c₁、c₂、c₃分别为认知系数、社会系数、目标位置估计系数；r₁、r₂、r₃为满足区间在(0，1)均匀分布的随机数，ω为惯性权重，α为考虑运动学的惯性环节，pb_i为个体历史最优，sgb为半全局最优，T_est是由式(10)得到的目标位置估计；

边界扫描的避障策略的过程为：

假设函数F(θ)的表达式如下：

F(θ)＝θ-2π·sgn(θ)·δ(|θ|-π)-2π＜θ＜2π (12)

其中：

避障方向分为两种逆时针避障或逆时针避障，考虑避障后得到的速度V_i(t+1)，设定当F(V_i(t+1)-V_if(t+1))＞0为顺时针避障，F(V_i(t+1)-V_if(t+1))＜0为逆时针避障；

在有障碍物的环境下搜索目标，不需要避障的情形有两种：第一种是机器人传感器扫描区域内没有探测到障碍物，第二种是机器人的传感器扫描区域内有障碍物，但下一步期望速度V_if(t+1)方向上没有障碍物；

需要避障的情形有两种：第一种是机器人传感器扫描区域内探测到一段连续的障碍物；第二种是机器人探测到不连续的障碍物；探测到障碍物后，将障碍物投影到最大障碍物感知半径L_B为半径的圆弧上，得到障碍物简化图；在需要避障的情形下，下一步速度最终表示为

V_i(t+1)＝V_max(cos(a)，sin(a)) (15)

假设P_j(x_j，y_j)、Q₁(x₁，y₁)、Q₂(x₂，y₂)分别表示机器人R_i检测范围内的障碍物的边界点、最近点、第二近点；k表示边界点数；l_m表示强制避障距离；sign 表示避碰标志符号，sign＝0，1，2，避碰标志符号0、1和2分别表示上一步中的无避碰、顺时针避碰和逆时针避碰；

角度a的求取方式为：

若||Q₁-X_i(t)||≤l_m，则：

b＝F(V_if(t+1)-Q₁-Q₂) (16)

其中V_if(t+1)＝(x_i，y_i) (17)

若||Q₁-X_i(t)||＞l_m，则：

其中表示边界点j₁的坐标，边界点j₁满足：

sign＝0时，|F(P_j1-X_i(t)-V_if(t+1))|＝min|F|；

sign＝1时，|F(P_j1-X_i(t)-V_if(t+1))|＝max(F＜0)；

sign＝2时，|F(P_j1-X_i(t)-V_if(t+1))|＝min(F＞0)

(1)k＝2，即在上述的第一种避障情况下

a＝b₁ (19)

(2)k＞2，即在上述的第二种避障情况下

其中b、b₁、b₂均为中间变量，边界点j₁和j₂相邻，并且之间没有障碍物；

a＝[||f₁||cos(b₁)+||f₂||cos(b₂)，||f₁||sin(b₁)+||f₂||sin(b₂)] (21)

其中f₁，f₂为边界点j₁，j₂对机器人R_i的虚拟力，满足式(5)；在每一步迭代，求得V_i(t+1)后，按照式(22)更新避障标志符号sign：

sign＝1×(F(V_i(t+1)-V_if(t+1))＞0)+2×(F(V_i(t+1)-V_if(t+1))＜0) (22)

机器人经过多次位置迭代来移动位置，当存在某个机器人与某个目标T_distance≤L₀时，L₀为目标到达阈值，即为该机器人搜索到该目标，当所有目标都至少有一个机器人达到此条件时，视为完成搜索任务。