多机器人协同控制方法研究
随着经济的快速发展，机器人在各行各业的普及度越来越高，与此同时，单一的机器已经逐渐不能满足人们的需求。在面对工农业生产、高危环境作业、水下与空间环境探测、卫星协同控制等复杂环境下，机器人协同研究成为一个亟待优化的问题。
从整体来说机器人协同控制是一个涉及许多方面的问题，主要包括：路径规划、任务分配、协同控制、平滑处理四大问题。
路径规划包括传统路径规划算法、基于采样路径规划算法、智能路径规划算法。
其中传统路径规划算法包括：A*算法、D*算法、人工势场法。A*算法，是Dijkstra算法与广度优先搜索算法（BFS）的结合，属于启发式算法，针对全局做路径规划，目的是寻找代价最小的路径，优于Dijkstra；D*算法又称动态A*算法，使用反向搜索，即从目标点开始，由于储存了空间中每个点到终点的最短路径信息，故在重规划时效率大大提升，适用于动态环境的路径规划；人工势场法是将目标和障碍物视为均匀电场中的电荷，分别存在引力与斥力，属于局部路径规划，容易存在局部极小值，陷入局部最优解，但其路径较为平滑。
基于采样路径规划算法包括随机路线图算法（PRM）、快速扩展随机树算法（RRT）。PRM是一种基于图搜索的算法，可以将连续状态空间转换成离散状态空间，在利用A＊等搜索算法在路线图上寻找路径，提高搜索效率，适用于高维且约束复杂的路径规划，需要加入局部路径规划对其进行优化；RRT是一种通过随机构建空间填充树来有效搜索非凸，高维空间的算法，通过对状态空间中的采样点进行碰撞检测，避免了对空间的建模。其以初始点作为根节点，通过随机采样增加叶子节点的方式，生成一个随机扩展树，当目标点位于随机扩展树上时，能够找到一天初始点到目标点的路径。但是规划出的路径质量一般，可能存在棱角、不够光滑，不适用与动态环境。
智能路径规划算法包括神经网络算法、遗传算法、粒子群优化算法、布谷鸟算法、蚁群算法。神经网络算法是深度强化学习的一部分，其利用了深度学习的感知能力与强化学习的决策能力，通过机器人与环境的交互过程不断试错，通过环境评价性的反馈，实现系统更加智能的决策控制，神经网络可以很好得解决维度灾难的问题，但其对硬件要求较高，调参较为困难。遗传算法是为给定的问题分配一个种群，并根据目标函数为种群的个体分配适应能力值，种群内的个体根据环境进行选择，并可通过杂交进行基因传递，它是是一种高效、并行、全局搜索的方法。粒子群优化算法源于对鸟/鱼群捕食行为的研究，模仿社会动物的行为，不要求任何领导，它是通过靠近食物的粒子对其他粒子的引导。布谷鸟算法是指每只布谷鸟在随机选择的空巢中一次只下一蛋，最好的巢将会被传到下一代，改进算法，提升了原始算法的收敛速度和效率，可用于无人机路径规划算法中的性能时间优化问题，同时需要使用差分对路径进行优化。蚁群算法是蚂蚁在寻找食物过程中发现路径的行为，它具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。
任务分配主要分为集中式控制系统、完全分布式控制系统、部分分布式控制系统、基于多智能体分布式控制系统。集中式控制系统是通过长机或地面控制中心控制全局，它的计算量大、对服务器要求高、在突发情况下不具备自治能力；完全分布式控制系统的各机器人地位平等, 以相互协商、相互协调的方式完成任务分配，但是容易陷入局部最优，产生竞争；部分分布式控制系统是长机或地面控制站将任务分解成小任务包，分配给各个机器人，机器人通过规划并相互协调最终将收益、损失数据反馈给控制中心；基于多智能体分布式控制系统是由不同的单个智能体 (Agent) 为完成某一特定任务组合而成的多智能体系统，每一部分负责各自的功能。
协同控制是整个系统的关键，其中包括通讯与编队控制两大部分。机器人之间的通讯一方面可以通过话题通讯，基于相同的UDP广播和TCP连接，通过构建WiFi网络加入通讯；另一方面通过外部通讯装置，例如Zig Bee、无线串口，如果是集成好的机器人，在其上添加外部设备，设置连接也是一个不小的问题。
编队控制包括基于领航-跟随的编队控制方法、基于虚拟结构的编队控制方法、基于人工势场的编队控制方法、基于行为的编队控制方法、基于路径跟随的编队控制方法。其中使用较多、操作较为简单、易于实现的还是领航-跟随法。领航机器人主要负责路径规划、动态避障与发布启动命令等，跟随机器人与其编队保持，其鲁棒性较强。
平滑处理主要针对规划出来的路径多为折线，路径有部分缺失的情况。主要的方法有拟合、插值与优化。基于插值拟合的平滑处理包括基于图（直线、圆弧、圆）的方法、基于函数的方法，其中较为常见的是基于函数的三次样条插值、b样条插值与多项式插值。基于优化的平滑处理方法包括Hybrid A*平滑、共轭梯度非线性优化方法。
多机器人协同控制方法研究相关推荐
- 机器人仿生控制方法研究
选择了在某条路上开始,便意味着回头也会很难,既然选择了,那就奋不顾身,正如一句话所说的,"前半生择其所爱,后半生爱其所择",其他事也大都如此. 因为最近接触的知识较多,因此想在这里 ...
- 智能集群理论优化控制_数学学科学术报告九：机器人集群的智能协同控制方法_中国计量大学...
数学学科学术报告九:机器人集群的智能协同控制方法_中国计量大学中国计量大学 免费考研网/2018-05-17 报告题目:机器人集群的智能协同控制方法 报告人:孙长银(东南大学 教授) 报告时间:201 ...
- 终端滑模matlab程序,机器人轨迹跟踪控制方法研究(含MATLAB程序)
机器人轨迹跟踪控制方法研究(含MATLAB程序)(课题申报表,任务书,开题报告,中期检查表,外文翻译,论文15300字,程序,答辩PPT) 摘 要 机器人是一类复杂的.具有不确定性的.多输入多输出非线 ...
- 【Paper】2020_面向多船协同的自适应编队控制方法研究
面向多船协同的自适应编队控制方法研究 文章目录 第三章 基于跟随船视距和视线角的自适应输出反馈编队控制 3.1 引言 3.2 问题描述 3.3 编队控制方案 3.4 主要结果 3.5 仿真验证 3.5 ...
- 实车采集的数据重建场景_SIGGRAPH | 多机器人协同三维场景重建
关键词:三维重建 机器人 编者按 本文是另一篇北京大学陈宝权课题组将在SIGGRAPH 2019宣读的论文的解读. 该论文题为<Multi-Robot Collaborative Dense S ...
- 易观的大数据革命 分析师与机器人协同办公
作为一个有着近10年互联网科技圈经验的记者,我对易观可是再熟悉不过了,不仅多次阅读易观行业分析.与易观分析师探讨行业热点,更是在各大会场听到各种互联网新概念从易观创始人.董事长兼CEO于揚嘴里冒出. ...
- 示例及详解：MATLAB实现多机器人协同编队动态仿真
作者在读学校Singapore University of Technology and Design Established under strong support from MIT, Singa ...
- 示例及详解：MATLAB多机器人协同编队训练与学习的简单实现
作者在读学校Singapore University of Technology and Design Established under strong support from MIT, Singa ...
- 多机器人协同编队算法原理及实现
多机器人编队(一)机器人协同编队算法原理及实现 图论基础 基于一致性的编队控制算法 编队控制算法原理 编队算法仿真实现 多机器人协同编队需要将理论和实践紧密地结合起来,其应用包括编队队形生成.保持.变 ...
最新文章
- 图神经网络方法总结（Graph Neural Network）
- C++ __gnu_pbds（平板电视）超详细教程（C++内置的平衡树，字典树，hash）
- 支付宝AI摘下视觉竞赛世界冠军，能精准区分同种类物体的细微差别
- linux 命令记录
- js获取当前时区GMT
- asp.net页生命周期图解---msdn
- 从挣扎突破到英雄联盟！中国SaaS头部企业阵营渐显
- MATLAB带通滤波器开始端和结尾端数据异常（解决的小技巧）
- MySQL 新增、修改、删除 字段 sql语句
- Avalondock 技巧之如何隐藏浮动面板停靠器
- 选拔人才的原则和误区
- 亚马逊的人工智能Alexa竟然独自大笑 笑声很吓人（附视频）
- 一文学会快速傅里叶变换（FFT）
- python报错：index 1 is out of bounds for axis 0 with size 1
- MySQL面试常问大全
- 微机原理之8255和8253的初始化
- ffmpeg截取视频内容和批量处理视频
- Android okHttp封装库（2） -- okhttp-OkGo
- 数据链路层的有那三个基本问题？为什么都必须加以解决？
- Task01：数据载入及初步观察