一种多机器人围捕策略

以多机器人的围捕为研究对象,分析了成功围捕目标机器人的临界条件,即围捕机器人和目标机器人速度比的临界值,给出了该临界值的计算公式.设计了当围捕机器人的速度小于目标机器人的速度时多围捕机器人的伏击围捕方案:即先将目标机器人驱入最佳围捕区,然后再实施智能围捕策略完成围捕任务.采用Matlab的仿真结果验证了临界条件的正确性以及伏击围捕方案的有效性.     

基于合作自主定位的群体模式自动生成方法

传统的基因调控网络(Gene Regulatory Network,GRN)模型假设群体机器人具有对环境的全局认识能力,这就要求群体机器人所携带的传感器具有很强的性能.在实际中,由于群体机器人的传感器误差和外部干扰,群体机器人很难获得所在环境的全局信息.为此,我们提出一种基于合作自主定位的群体模式自动生成方法.该方法的...     

一种多帆器人协作围捕策略的研究

在二维受限环境中,研究多机器人对移动目标的协作围捕问题,结合追捕者与逃逸者的相对位姿,对多机器人围捕的初始状态条件进行划分,针对多机器人群体规模、速度、成功围捕条件进行讨论,并对目标机器人的逃逸策略和围捕机器人的围捕策略进行协调性动态调整,提出了采用夹角最大原则的逃逸策略,确定了迎面对角阻截与虚拟势点相结合的围捕策略。课题对分别将新提出的逃逸策略和围捕策略与原有逃逸策略和围捕策略相比较进行仿真实验,结果表明所提出的动态调整策略的有效性。     

基于蚁群几何优化算法的全局路径规划

将改进的蚁群算法与路径几何优化相结合,用于解决移动机器人的全局路径规划问题.算法结合机器人的越障性能对移动机器人的环境空间进行建模.通过设置初始信息素加快蚂蚁的搜索速度,同时设置自适应信息素挥发机制,解决特定地图中初始信息素的干扰问题;设置自适应路径长度,筛选规划路径的优劣;提出由路径优劣程度决定的信息素散播策略,并从几何原理出发,对规划路径进行优化处理,加快最优解的收敛速度.仿真结果验证了该算法的有效性和普遍应用性,在随机给定的环境地图中,该算法能够迅速规划出最优路径.     

基于栅格法的矿难搜索机器人全局路径规划与局部避障

针对矿难发生后井下环境的不确定性,提出一种以矿难前的GIS(Geographic information system)地图为基础建立环境栅格模型并结合改进遗传算法的矿难搜索机器人全局路径规划方法.效仿蚁群算法中的信息素提出基于位置信息负反馈的方法,并结合优先权分组的思想,提出一种新的有效的种群初始化方法,同时将该种群初始化方法应用到变异算子中,且依据最优解的变化情况自适应地调整交叉和变异的概率.与此同时,针对环境信息的不同变化情况,结合全局路径规划结果对机器人进行局部避障方法的研究.最后,通过仿真实验证明本方法能够快速有效地在已知环境中得到机器人的最优路径,并且能够在局部变化的环境中实现实时避障.     

基于物体偏向注意机制的机器人视觉搜寻方法

针对环境冗余信息下目标整体选择注意及机器人应用问题,提出一种目标驱动的基于物体偏向注意机制的机器人视觉搜寻方法.建立任务目标描述模型,基于高斯混合模型进行特征聚类获得先验知识.引入原对象和偏向特征模版,建立一种基于物体的偏向注意模型实现对整个任务目标的搜索与选择注意,并获得任务相关的显著图实现对潜在目标的跟踪与接近控制,将视觉伺服控制算法扩展到机器人认知领域.实验结果证明了该方法适用于目标指向性的机器人应用领域.     

基于ROS的室内导航机器人设计研究

采用基于机器人操作系统（ROS）的设计方案开展了机器人在自主导航中的应用研究,设计了一款集定位、SLAM建图、路径规划、驱动控制于一体的机器人综合系统。系统利用激光雷达扫描获取环境实时数据和里程采集信息,通过Gmapping算法对数据进行融合,以及采用自适应蒙特卡洛定位（AMCL）方法实现了环境地图绘制与定位。通过matlab对路径规划算法进行对比研究发现,路径规划任务中Djakarta算法更适应在室内多障碍物场景。而实验结果显示在模拟环境中利用Dijkstra算法和DWA算法进行避障更加有效。仿真实验结果也表明,该系统可构建高精度环境地图,并对机器人进行定位和导航,实现了在实时路径规划中成功避开障碍物到达目标点。以上研究表明在室内定位和导航任务中该机器人系统框架具有良好的可行性和稳定性。     

多机器人围捕的人工力矩方法

针对多机器人协作围捕问题,提出了一种基于人工力矩的自组织方法.给出了个体机器人的自由运动模型的数学描述和同盟、围捕曲线、吸引点的概念,并且围捕者根据局部信息对吸引点进行了适当的调整.同时设计了围捕者和入侵者的人工力矩运动控制器,使得围捕者在仅知道局部信息的情况下也能相互协调并最终形成理想的围捕队形.最后用Matlab仿真,结果表明,本文给出的自组织围捕方法是行之有效的.     

基于情景经验与稀疏点云的移动机器人导航

针对稀疏点云地图用于自主导航任务的信息不充分问题,融合情景经验实现环境认知,提出一种基于情景经验与稀疏点云的移动机器人导航系统,获取全局最优路径,提高机器人导航精度.构建点云地图来保存环境显著路标.受人类基于情景经验方式导航启发,模拟经验积累过程,构建封装了场景感知、位姿信息和事件转移集的情景经验地图,实现机器人对环境在拓扑关系上的理解.结合环境稀疏点云地图定位机器人,根据情景经验地图规划路径与控制机器人行为.实验结果表明:该导航系统能够根据不同的导航任务规划出全局最优路径,并且具有较高的导航精度.     

仿鼠脑海马的机器人地图构建与路径规划方法

针对移动机器人在非结构化环境下的导航任务,根据哺乳动物海马体空间细胞的认知机理,提出了一种仿鼠脑海马的机器人情景认知地图构建及路径规划方法.在机器人情景记忆建模过程中集成位置细胞与网格细胞神经元活动机制,建立机器人空间环境情景认知地图,采取状态神经元集合序列全局路径规划策略,在记忆空间以自我为参考,通过事件再配置预测并规划最优情景轨迹.实验结果表明:该方法能够生成精确的情景认知地图,并且基于目标导航能够规划一条最佳路径.     

面向多目标搜索的群机器人任务分配研究

针对群机器人在多目标搜索过程中的协作分工问题,受黄蜂群劳动分工的启发,在黄蜂群的响应阈值模型中引入距离变量来解决群机器人多目标搜索中的任务分配问题。当机器人感知到目标信号时,机器人根据当前搜索该目标的机器人数量以及自身距群体最优位置之间的距离决定是否参与搜索该目标信号,从而实现了机器人之间针对搜索不同目标的任务分配。仿真结果表明,该方法有效可行。     

群机器人目标搜索中的通信模式研究

针对目标搜索过程中的群机器人协作问题,以扩展微粒群算法为建模工具和协调控制工具,比较研究同步和异步通信模式对搜索效率和系统能耗的影响。仿真结果表明,对于同等规模的群机器人系统,异步通信模式下的搜索效率比同步通信模式下高,能耗却比同步通信模式下低。因此,对于分布式协同的群机器人施加并发控制时,异步通信模式更为适合。     

基于粒子群-蚁群融合算法的移动机器人路径优化规划

基于TSP问题,提出了一种基于粒子群-蚁群算法相互融合的综合优化算法对移动机器人路径规划问题进行研究。通过粒子群算法对全局路径实施粗略搜索,获得部分次优解,在获得次优解的路径上进行信息素分布,再采用蚁群算法进行精确搜索,得到路径规划的最优解。实验结果表明:粒子群-蚁群融合优化算法在路径寻优上优于蚁群算法及粒子群算法。     

基于仿生鱼群优化方法的机器人队形控制

本文利用人工鱼群优化（AFSO）方法研究了多机器人的队形控制问题。机器人编队可视为寻迹问题,而编队寻迹是不断减小机器人与其期望编队位置之间的平移和角度误差的优化过程。每一个机器人的控制指令可看做是人工鱼群,通过一系列的控制实现期望队形。队形控制策略中包含机器人间的冲突规避行为。本文利用Matlab中的多机器人仿真器MRsim工具进行了仿真,结果表明本文提出的方法具有很高的有效性和效率,适用于各种形式的队形,可以被广泛应用在没有精确系统模型的无线传感器网络中。     

基于粒子群算法的盲源分离算法

简要地介绍了粒子群算法(PSO)及其改进算法和盲源分离算法(BSS),改进的粒子群算法具有并行性、易实现等优点。将改进的粒子群算法与盲源分离算法相结合,提出了基于粒子群算法的盲源分离算法。该算法以混合信号的峰度为目标函数,采用独立分量分析的方法,用改进的粒子群算法代替常规的最陡梯度下降法,对瞬时混合的信号进行盲分离,解决了梯度算法收敛速度慢的问题。实验仿真表明:该算法具有收敛速度快、分离效果好等特点。     

基于动态和谐搜索的混合粒子群优化算法

针对粒子群优化算法随维数增大群体多样性相对减小而早熟收敛的问题,在对和谐搜索算法进行适应性改进的基础上,将其引入粒子群算法中,提出一种动态和谐搜索混合粒子群优化算法(DHSPSO).该方法使得粒子在搜索初期更具遍历性,降低算法对初始值的敏感性,并通过和谐搜索算法搜索的随机性和优胜劣汰机制改善粒子群的多样性,使得算法具有更快的收敛速度与更好的全局搜索能力.以多个标准测试函数优化进行仿真测试,结果表明,DHSPSO算法在进行高维优化问题时,在寻优速度、精度和成功率等方面均显示出良好的优化效果.     

基于WHD-CRM的群体机器人故障检测

使用交叉调节模型（CRM）进行故障检测,是一种重要的基于人工免疫模型的群体机器人故障检测方法.针对CRM在不同群体行为下,检测群体机器人故障通用性受限的问题,通过研究行为特征在不同群体行为下的影响力等级,提出了使用加权汉明距离的交叉调节模型（WHD-CRM）.相比于CRM,WHD-CRM对不同群体行为的机器人行为特征赋予了不同的权值,获得了更加精确的中间结果（亲和力值）,进而提高了各类群体行为下检出故障机器人的概率.实验结果表明：相比于使用原始CRM,WHD-CRM的故障检测率提高了13%.     

积分控制粒子群算法在再制造生产调度问题中的应用研究

针对不确定条件下再制造模糊加工时间的车间调度问题,建立了模糊工时调度模型,并提出了一种积分控制微粒群算法。考虑到基本粒子群算法易于早熟的缺点,通过增加控制器对粒子轨迹进行控制,在算法中引入加速度项,增强了种群多样性,提高了算法全局寻优能力。通过仿真实例验证表明,该算法在解决不确定条件下再制造生产车间调度问题方面是行之有效的。     

基于粒子群算法的四足机器人静步态优化方法

针对四足机器人机身因实现平衡稳定而进行横向调整的静步态稳定性规划问题,提出了一种新的基于粒子群算法的四足机器人机身横向调整参数优化方法.算法以运动过程中机身的横向调整参数为设计变量,其目标函数综合考虑了四足机器人躯体稳定性、行走直线性等运动性能,并利用Matlab与Adams软件对所提出的优化方法进行了一系列仿真实验验证.仿真实验结果表明:所提优化方法可以快速有效地寻求全局最优参数,使四足机器人能够实现具有良好运动性能的静步态.      

基于独立权重和分级变异策略的粒子群算法

针对粒子群优化算法中存在的局部收敛问题,提出一种融合惯性权重调整和群体最佳位置变异两种策略的粒子群优化算法.该算法将个体粒子的状态信息引入惯性权重策略,独立调整每个粒子的惯性权值,体现个体粒子对权重需求的差异.在最佳位置变异策略中采用分级思想,根据粒子群的搜索状态选择相应的极值变异方式,使变异操作更具针对性.实验结果表明,该算法对多个测试函数都表现出良好的优化性能,能有效避免局部收敛问题,提高了粒子群的全局搜索能力.