（控制科学与工程专业论文）基于nsb方法的多机器人编队控制.pdf

l 、。、 ： ，t oy 一 m u l t i r o b o t sf o r m a t i o nc o n t r o lb a s e do n n u l l - - s p a c e - b a s e dm e t h o d c a n d i d a t e ：w ul i n b o a d v i s o r ：z h e n gz h i q i a n g at h e s i s s u b m i t t e di np a r t i a lf u l f i l l m e n to ft h er e q u i r e m e n t s f o rt h ep r o f e s s i o n a ld e g r e eo fm a s t e ro fe n g i n e e r i n gi n c o n t r o is c i e n c ea n de n g i n e e r i n g 一 一 g r a d u a t es c h o o lo fn a t i o n a lu n i v e r s i t yo fd e f e n s et e c h n o l o g y c h a n g s h a , h u n a n , p r c h i n a j a n u a r y , 2 0 1 0 独创性声明 本人声明所呈交的学位论文是我本人在导师指导下进行的研究工作及取得 的研究成果尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表和撰写过的研究成果，也不包含为获得国防科学技术大学或其它 教育机构的学位或证书而使用过的材料与我一同工作的同志对本研究所做的任 何贡献筠已在论文中作了明确的说明并表示谢意 学位论文题目：蔓童塑查苎笪垒盘鉴丝趔 学位论文作者签名：经拯丝一 日期：厂。年岁月厂口日 学位论文版权使用授权书 本人完全了解国防科学技术大学有关保留、使用学位论文的规定。本人授权 国防科学技术大学可以保留并向国家有关部门或机构送交论文的复印件和电子 文档，允许论文被查阅和借阅；可以将学位论文的全部或部分内容编入有关数据 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密学位论文在解密后适用本授权书。) 学位论文题目：基i 坐查堕丝垒型矍厶亟翌鲨型 学位论文作者签名： 作者指导教师签名： 日期：伽o 年歹月0 日 日期：刎。年月ff 日 国防科学技术大学研究生院工程硕士学位论文 目录 摘要i a b s t r a c t i i i 第一章绪论1 1 1 课题研究背景。1 1 2国内外研究现状2 1 3 课题研究的意义5 1 4 论文的主要内容结构5 第二章n s b 方法的基本理论7 2 1基于行为的方法7 2 2n s b 方法简介8 2 3 n s b 方法的数学模型9 2 4 应用n s b 方法需注意的问题1 0 2 5 第三章 3 1 3 2 3 4 第四章 2 3 1n s b 方法的冲突消解机制1 0 2 3 2n s b 方法同时执行任务的个数l0 2 3 3n s b 方法误差考量1 1 本章小节1 1 基于n s b 方法的多任务协调1 3 二维运动空间内简单任务的执行1 3 3 1 1 二维空间内避障任务描述一1 3 3 1 2 二维空间内运动到目标点任务描述1 4 3 1 3n s b 方法综合任务输出1 4 三维运动空间内n s b 方法的多任务综合1 5 3 2 1 三维情况下避障任务描述15 3 2 2 三维情况下运动到目标点并指向目标一1 6 3 2 3 n s b 方法综合任务输出1 6 仿真实验及分析l7 3 3 1 二维仿真实验1 7 3 3 2 三维仿真实验1 9 本章小节2 0 基于n s b 方法的多机器人编队2 1 第1 页 国防科学技术大学研究生院工程硕士学位论文 4 1多机器人编队任务函数描述2 1 4 1 1队形中心运动到目标点2 1 4 1 2 保持在固定距离的圆周上2 2 4 1 3在圆周上均匀分布2 4 4 1 4 避障2 5 4 1 5n s b 任务综合2 6 4 1 6 朝向任务的编队综合2 9 4 2 队形的形成和保持3 1 4 2 1 队形的形成3 1 4 2 2 队形的保持3 4 4 3 队形避障3 8 4 4队形变换4 4 4 5 本章小节4 6 第五章结论与展望4 7 5 1 本文工作总结4 7 5 2 文章的主要创新点4 7 5 3 研究展望4 8 5 3 1n s b 方法中误差的产生和消除4 8 5 3 2 多机器人编队研究的进一步扩展4 8 5 3 3 分布式系统的实现与发展4 8 致谢4 9 参考文献5 1 作者在学期间取得的学术成果5 5 第1 i 页 国防科学技术大学研究生院工程硕士学位论文 图目录 图2 1n s b 方法任务协调流程图。1 0 图3 1n u b o t 足球机器人1 7 图3 2n u b o t 足球机器人仿真软件平台18 图3 3n s b 方法、a r k i n 方法和b r o o k s 方法避障前进结果图1 8 图3 4 ( a ) b r o o k s 方法同时完成避障、运动到目标点及朝向目标点三个任务1 9 图3 4 ( b ) a r k i n 方法同时完成避障、运动到目标点及朝向目标点三个任务1 9 图3 4 ( c ) n s b 方法同时完成避障、运动到目标点及朝向目标点三个任务2 0 图4 1n s b 方法形成队形流程图3 2 图4 2 机器人形成队形前的位置分布图3 2 图4 3机器人形成了均匀的圆队形3 3 图4 4 多机器人形成圆队形运动曲线图。3 3 图4 5n s b 方法保持队形流程图3 4 图4 6 ( a ) 多机器人保持队形初始位置3 5 图4 6 ( b ) 多机器人保持队形行进过程1 3 5 图4 6 ( c ) 多机器人保持队形行进过程2 3 6 图4 6 ( d ) 多机器人保持队形行进过程3 3 6 图4 6 ( e ) 多机器人保持队形行进最终稳定位置3 6 图4 7 多机器人保持队形运动轨迹图3 7 图4 8n s b 方法编队避障流程图3 8 图4 9 ( a )队形避障的初始位置图一3 9 图4 9 ( b ) 1 号机器人避障3 9 图4 9 ( c ) 1 号机器人避障完毕回复队形4 0 图4 9 ( d ) 3 号机器人开始避障4 0 图4 9 ( e ) 3 号机器人避障完毕回复队形4 0 图4 9 ( 0 队形避障结束，在终点保持均匀圆队形4 l 图4 1 0 队形避障过程轨迹图4 1 图4 1 1 ( a )队形避障实验二初始位置图4 2 图4 1 l ( b )队形避障实验二避障图4 3 图4 1 1 ( c ) 障碍物靠近队形避障图4 3 图4 1 1 ( d ) 障碍物突入队形内避障图4 3 图4 1l ( e ) 障碍物离开队形避障图4 4 图4 1 2 三个机器人队形变换到四个机器人轨迹图4 5 第1 i i 页 国防科学技术大学研究生院工程硕士学位论文 图4 1 3四个机器人队形变换到五个机器人轨迹图4 5 第1 v 页 国防科学技术大学研究生院工程硕士学位论文 摘要 多机器人系统作为一个复杂的智能系统，越来越受到研究者的重视。多机器 人系统可以完成单个机器人无法完成的许多工作，具有稳定性强、效率高和成本 低等优点。多机器人编队可以提高多机器人的协作和效率，是多机器人系统研究 的一个重要问题。本文主要工作是针对多机器人编队问题，采用n s b 多机器人控 制方法，进行理论分析和实验研究。主要研究内容包括： 一、跟踪研究了多机器人研究的历史和现状，简要分析了多机器人研究发展 的脉络。针对机器人足球比赛中多机器人编队控制的特点和要求，引进了一种基 于行为的多机器人控制方法，即n s b ( n u l ls p a c eb a s e d ) 方法。 二、在对n s b 方法进行详细的分析和研究的基础上，针对单个n u b o t 足球机 器人平台，推导了n s b 方法在一类全向运动平台上的运动学公式，将n s b 方法由 原来的二维( 工，y ) t 空间推广到了三维( x ，y ，p ) t 空间中，并推导了各个子行为的任务 函数，运用n s b 方法进行了多任务综合得到最终的整体输出函数。n u b o t 仿真平 台上进行的仿真实验表明，单个机器人同时执行多个任务时，运用n s b 方法进行 多任务协调的效果良好，低级任务在执行的同时不影响高级任务执行的质量和效 果，n s b 方法很好的解决了多个任务之间冲突的问题。 三、在单个机器人n s b 方法的基础上，研究了多个全向运动平台的编队问题， 同时将原来的集中式系统转换到了分布式系统中，拓展了n s b 方法的理论范围和 应用空间。在n u b o t 仿真实验平台上，仿真实验了多机器人队形的形成、队形的 保持以及编队避障等内容，实验结果表明，运用n s b 方法进行多机器人编队，可 以较好的实现队形，并且队形的稳定性好，能够保持原有队形和抵抗障碍物的干 扰。 文章的结尾在对本文的内容进行了简单的概括后，对继续进行多机器人编队 研究提出了一点想法，对这一研究方向进行了展望。 间 主题词：多机器人系统分布式系统多机器人编队基于行为基于零空 第i 页 国防科学技术大学研究生院工程硕士学位论文 第i i 页 国防科学技术大学研究生院工程硕士学位论文 a b s t p a c t m u l t i r o b o ts y s t e mi sac o m p l e xi n t e l l i g e n ts y s t e ma n dr e s e a r c h e r sp a ym o r ea n d m o r ea t t e n t i o nt oi t i ti sa b l et of i n i s hs om u c hw o r kw h i c hs i n g l er o b o ti sd i s a b l et o i t h a st h ea d v a n t a g eo fh i g hs t a b i l i t y ，e f f i c i e n c ya n dl o wc o s te r e m u l t i - r o b o tf o r m a t i o ni s a ni m p o r t a n tp r o b l e mi nt h es t u d yo fm u l t i r o b o t s y s t e ma n di t c a t li m p r o v et h e c o o r d i n a t i o na n de 伍c i e n e yo fm u l t i r o b o t t h em a i nw o r ko ft h i st h e s i si st ou t i l i z et h e n u l l s p a c e b a s e dm u l t i r o b o tc o n t r 0 1m e t h o di nt h em u l t i - r o b o tf o r m a t i o np r o b l e m m a i nc o n t e n t sa r ea sf o l l o w s ： f i r s t , t h eh i s t o r ya n dc u r r e n ts i t u a t i o no fm u l t i r o b o tr e s e a r c hi sa n a l y z e da n d m u t i r o b o tr e s e a r c hd e v e l o p m e n ti ss u m m a r i z e db r i e f l y r e g a r d i n gt h ec h a r a c t e r i s t i c s a n dr e q u i r e m e n t so fr o b o ts o c c e rc o m p e t i t i o n , ab e h a v i o r - b a s e dm u l t i r o b o tc o n t r o l m e t h o d t h en u l l s p a c e b a s e dm e t h o d i si n t r o d u c e d s e c o n d o nt h e b a s i so fd e t a i l e da n a l y s i sa n dr e s e a r c hf o rn u l l s p a c e b a s e d m e t h o d ，r e g a r d i n gt h es i n g l en u b o ts o c c e rr o b o tp l a t f o r m ，t h ek i n e m a t i cf o r m u l ai na c l a s so fo m n i d i r e c t i o n a lm o t i o np l a t f o r mb a s e do nn u l l s p a c e b a s e dm e t h o di s d e d u c e d a n dt h en s bm o t h o di se x t e n d e dt ot h r e e d i m e n s i o ns p a c ef r o mt h eo r i g i n a l t w o d i m e n s i o n s p a c e t h e t a s kf u n c t i o no fe a c hs u b b e h a v i o r b yu s i n g n u l l s p a c e b a s e dm e t h o di s d e d u c e dt op e r f o r mi n t e g r a t e dm u l t i t a s k a n daf m a l o v e r a l lo u t p u tf u n c t i o ni sd e r i v e d n l es i m u l a t i o ne x p e r i m e n t so nn u b o ts i m u l a t i o n p l a t f o r m s h o wt h a tm u l t i - t a s kc o o r d i n a t i o nw o r k sw e l lb yu s i n gn u l l - - s p a c e - b a s e d m e t h o dw h e nas i n g l er o b o tn e e dt op e r f o r mm u l t i p l et a s k sa tt h es a m et i m ea n dt h e 1 0 w 1 e v e lt a s k sc a nb ei m p l e m e n t e da tt h es a m et i m ew i t h o u ta f f e c t i n gt h eq u a l i t ya n d e f f e c t i v e n e s so ft h ei m p l e m e n t a t i o no fh i g h 1 e v e lt a s k s n u l l s p a c e b a s e dm e t h o dc a n r e s o l v et h ec o n f l i c tb e t w e e nm u l t i p l et a s k sv e r yw e l l t l l i r d o nt h eb a s i so fs i n g l er o b o tn u l l s p a c e b a s e dm e t h o d t h ef o r m a t i o n p r o b l e mo fs e v e r a lo m n i d i r e c t i o n a lm o t i o np l a t f o r m si ss t u d i e d ，a n dt h eo r i g i n a l c e n t r a l i z e ds y s t e mi sc o n v e r t e di n t oad i s t r i b u t e ds y s t e ma n dt h et h e o r ys c o p e a p p l i c a t i o ns p a c eo fn s bm e t h o da l s o i se x p a n d e d o nt h en u b o ts i m u l a t i o n e x p e r i m e n tp l a t f o r m ，t h e s i m u l a t i o ne x p e r i m e n t so fm u l t i p l er o b o t s f o r m a t i n g ， m a i n t a i n i n gf o r m a t i o na sw e l la sa v o i d i n go b s t a c l ei nf o r m a t i o ne t c a r ep e r f o r m e d t h e e x p e r i m e n t a lr e s u l t ss h o wt h a tm u l t i r o b o tf o r m a t i o nc a nb er e a l i z e dw e l l ，t h ef o r m a t i o n i s v e r ys t a b l e ，a n dt h eo r i g i n a lf o r m a t i o nc a nb em a i n t a i n e d w h i l er e s i s t i n gt h e i n t e r f e r e n c ef r o mo b s t a c l e s f i n a l l y ，as i m p l es u m m a r yo nt h ec o n t e n to ft h i st h e i si sp r e s e n t e d ，a n dt h ef u t u r e s t u d yo nt h em u l t i r o b o tf o r m a t i o na l s oi sp r o p o s e d 第i i i 页 国防科学技术大学研究生院工程硕士学位论文 第i v 页 国防科学技术大学研究生院工程硕士学位论文 第一章绪论 随着科学技术的日新月异，机器人技术得到了长足的发展，自主式移动机器 人技术成为各国研究的热点【1 1 。移动机器人系统 2 1 3 1 【4 】是一个集环境感知、动态决 策与规划、行为控制等多种功能于一体的智能系统，它涉及到机械设计、模式识 别、通信技术、驱动控制、行为策略、动作控制等多个前沿发展方向，具有信息 密集，多层次的信息与知识表示方式，与环境交互丰富多样，信息与知识分布存 储等特点。多移动机器人系统是一个高智能、多系统的复杂系统工程，不是单元 技术的简单连接，系统的总功能是各种分系统在多层次的协调和分工中集成的【5 j 【6 j 7 1 。编队控制是多机器人系统协调的一个重要的问题，编队控制的效果将直接影响 多机器人系统的整体性能，本文的主要着眼点就在以足球机器人实例为研究对象， 研究多机器人分布式系统的编队问题。 1 1 课题研究背景 机器人的应用已经越来越广泛，几乎渗透到了科学发展的各个领域瞄】，而多移 动机器人系统【9 】的成本低、鲁棒性强、完成任务好的特点使得多移动机器人系统受 到了越来越多的关注。近年来，多移动机器人系统的协调问题已成为一个新兴的 研究热点。一般而言，多机器人的体系结构存在集中式和分布式两种。文献 1 0 】 在足球机器人的基础上，与集中式结构相比，分析了分布式结构的几个优点： 可靠性高；其中一个机器人发生故障，不会导致整个系统功能的丧失。 开放性强；在系统中可以根据需要方便的增加和减少机器人，不会影响到其 他机器人，更不会影响到系统功能的实现。 灵活性好；系统可以根据不同的环境和任务情况，实时的调整策略。 另外，分布式系统还具有很好的维护性和协调性。分布式系统是机器人发展 的一个大的方向，分布式系统的研究成果将会极大的推动机器人技术的向前发展。 机器人编队控制【1 1 】f 1 2 】，是指多个机器人在到达目的地的过程中，保持某种队 形，同时又要适应环境约束( 例如存在障碍物和空间的物理限制等) 的控制技术。多 机器人编队控制问题【1 3 】是一个典型性和通用性的多机器人协调问题，是许多多机 器人协调问题的基础，是多机器人系统中最重要也是最基本的问题，值得深入细 致的研究。 机器人编队控制一般包括三个方面：队形的形成，队形的保持，和队形的变 第l 页 国防科学技术大学研究生院工程硕士学位论文 换。一般编队控制分为两步：首先根据当前环境确定各机器人的目标位置；然后 根据一定的控制策略生成控制命令，驱动机器人去完成队形形成、保持或变换的 任务。机器人编队有如下好处【1 2 1 【1 4 】： 1 、可以充分的获取环境的信息。多机器人编队可以最大限度的扩大环境感知 范围并做到不遗漏。 2 、可以提高工作效率。根据不同的情况选取适当的队形，可以更有效的完成 任务。 3 、具有更高的鲁棒性。在特殊情况下，去掉一个或几个机器人，还可以保证 任务的完成。 机器人足球世界杯( r o b o c u p ) 是国际上一项为促进分布式人工智能、智能机 器人技术及其相关领域的研究与发展而举行的大型学术活动，其目的是通过机器 人足球比赛，为人工智能和智能机器人学科的发展提供一个具有标志性和挑战性 的课题。其中r o b o c u p 中型组比赛的机器人是全分布式的和全自主的，要求机器 人自身完成环境感知、控制决策、协调与协作等，涉及机械设计、图像处理、运 动控制、机器学习、多机器人协调控制等诸多领域。 足球机器人为研究多机器人编队问题提供了一个很好的实例化平台，比赛中， 足球机器人通常会需要同时执行几个任务，每一个目标任务可能要求机器人做不 同的运动，例如机器人在比赛过程中，可能需要在运动到目标点的同时避障。当 其中的一个任务与其它的任务相冲突时，如何解决? 最通用的办法是给各个任务 赋予一个相对重要性的权值，然而目标任务的重要性往往随着任务的执行发生改 变。例如：当障碍物距离较远时，避障任务的重要性低于运动到目标点的重要性， 但是当障碍物的距离较近且在运动方向上时，避障任务的重要性就要高于运动到 目标点。所以需要合适的方法【9 】【l5 】来解决该类任务序列的问题。 另外，比赛中还要求机器人排列成一定的队形来进行防守或进攻，并且要求 队形有一定的可扩展性和稳定性，能随着比赛情况的不同实时的调整和转换。例 如机器人上下场的换人和比赛中的进攻防守之间的转换等等，都需要一个合适的 多机器人编队控制方法来实现。本文将针对多机器人系统的特点，以n u b o t 足球 机器人为研究平台，在分布式系统中寻找一种有效的方法实现多机器人编队控制， 协调多任务行为的输出。 1 2 国内外研究现状 到目前为止，研究编队控制的方法大致有以下几种【1 2 】：跟随领航者法 第2 页 国防科学技术大学研究生院工程硕士学位论文 ( l e a d e r f o l l o w i n g ) 、基于行为法( b e h a v i o r b a s e d ) 、虚拟结构法( v i r t u a ls t r u c t u r e ) 、 基于图论的方法( g r a p ht h e o r y ) 、人工势场法、模型预测控制法等。现行的大多 数编队控制方法都是在这些方法的基础上进行改进或者优化组合【1 6 j 1 1 7 1 0 1 、跟随领航者法 跟随领航者法的基本思想是：在多机器人组成的群体中，将某个机器人指定 为领航者，其余机器人作为它的跟随者，跟随者以一定的距离间隔和朝向跟踪领 航机器人的位置和方向。领航者可以是一个，也可以是多个，但是最终的领航者 只有一个。根据领航者与跟随机器人之间的相对位置关系，就可以形成不同的网 络拓扑结构，也就是说，形成不同的队形。文献 1 8 】就利用基于领航者法进行了编 队控制。跟随领航者法的优点是，仅仅给定领航者的行为或轨迹就可以控制整个 机器人群体的行为。该方法的主要缺点是系统中没有明确的队形反馈。例如，如 果领航机器人失效，那么整个队形就会无法保持。针对该方法的缺点，文献 1 9 】 提出了“l e a d e r 更换”法，来克服跟随领航者法的这个缺点，当领航机器人失效 时，按一定的规则由其它机器人作为领航者。文献 2 0 】也用到了一种l e a d e r 更换法 来避免死锁问题。 一 2 、基于行为法 基于行为法的基本思想是【1 2 】 2 1 】：首先为机器人规定一些期望的基本行为，每 个行为都有自己的目标或任务，一般情况下，机器人的行为包括避碰、避障、驶 向目标和保持队形等。当机器人的传感器接受到外界环境刺激时，根据传感器的 输入信息作出反应，并输出反应向量作为该行为的期望反应( 例如，方向和运动速 度) 。行为选择模块通过一定的机制来综合各行为的输出，并将综合结果作为机器 人对环境刺激的反应而输出。设计基于行为的系统的主要问题是在设计各种基本 行为以及其有效的行为协调机制。 目前，一般的行为选择方式主要有如下三种：一种是行为抑制法；即高优先 级的输出抑制低优先级的输出。这种方法虽然可以排除各任务输出之间的相互干 扰，但是必须按照优先序列来逐一完成，任务变化时无法实时调整。一种是加权 平均法；即将各个行为输出向量乘以相对应的一定的权值，权值的大小说明了任 务的相对重要性，最后经过矢量和的形式得到一个行为输出。该方法在任务选择 上有较大改进，但是，对于任务实时变化时，其动态调整的实时性不强。第三种 方法是模糊逻辑法；即根据一定的规则来综合各行为的输出，从而确定机器人的 输出，这种方法实际上就是每个行为的权值都不是固定不变的，而是根据任务的 不同和时间的不同来实时调整的。这样做的好处就是可以实时的调整任务权值， 从而优化任务完成的质量。近几年，f i l i p p oa r r i c h i e l l o 教授提出了一种新的基于行 为的模糊逻辑方法，即n s b 方法。该方法的核心是将低级任务向量向高级任务 第3 页 。 遣 国防科学技术大学研究生院工程硕士学位论文 的零空间进行投影，将综合的任务输出作为最终的任务输出，在完成高级任务的 同时部分或全部完成低级任务。与其它基于行为方法相比，具有实时性强、任务 之间不冲突的优点。本文的研究将围绕n s b 方法展开，其具体原理和实现细节我 们将在第二章中详细介绍。 3 、虚拟结构法 文献【2 2 】提出了基于“v i r t u a ls t r u c t u r e ”即虚拟结构的方法，其基本思想是将 整个多机器人系统的队形看作是个刚体的虚拟结构，每个机器人是虚拟结构上 相对位置固定的一点。当队形移动时，多机器人以刚体上的不同点作为各自的跟 踪目标就可以形成一定的队形。虚拟结构法的优点是，可以很容易地指定机器人 群体的行为( 虚拟结构的行为) ，并可以进行队形反馈，能够取得较高精度的轨迹跟 踪效果；机器人之间没有明确的功能划分，不涉及复杂的通信协议。其缺点是要 求队形像一个虚拟结构运动而限制了该方法的应用范围。 4 、其它方法 基于图论的控制方法；该方法利用图上的节点表示机器人，节点之间的边表 示机器人相互之间的关系；然后再用图论和控制理论知识对以图形表示的队形进 行稳定性分析，进而得到控制策略。基于图论的方法是将队形的结构以各种图来 表示，并以图为基础进行分析和控制，结合图论、控制理论以及动态系统理论来 研究编队控制方法和稳定性。优点是能表示任意队形，文献 2 3 利用基于图论的方 法实现了队形的形成和变换。缺点是现在主要限于仿真研究，实现起来比较复杂。 最近，基于图论的方法又有了很大的进展，a l e x a n d e r 和m u r r a y 等应用图论将队形 的稳定性与通信网络的拓扑结构联系起来，指出如果机器人局部控制器稳定，则 队形的稳定性就取决于信息流的稳定性【2 4 】 2 5 】 2 6 】。y o h n n e s 和g a r y 等分析了机器 人信息流的更新率以及确切消息对队形稳定性的影响【27 1 。a n d e r s o n 教授通过定义 三个基本的图操作算子，基本解决了二维平面上机器人编队控制问题【2 8 】【2 9 1 3 0 1 。 人工势场法；k h a t i b 首先提出了人工势能，其基本思想是借鉴物理学方面的 概念，环境中的障碍物对机器人产生排斥力，目标点对机器人产生吸引力，在合 力的作用下机器人沿最小化势能的方向运动。人工势场法主要是通过设计人工势 场和势场函数来表示环境以及队形中各机器人之间的约束关系，并以此为基础进 行分析和控制；优点是计算简单，便于实现实时控制；缺点是存在局部极值点， 势场函数的设计比较困难。近年来，已经对人工势场法进行很多的改进，文献 3 1 】 就改进了势场函数，有效的解决了在目标附近有障碍物时目标不可达的问题。 模型预测控带t j ( m p c ) 方法；传统控制方法主要用于具有明确模型和确定性环境 的控制，而在现实中环境一般都是动态变化的，而且具有不确定性。模型预测控 制顾及了动态环境的变化和过程的不确定性，用反复进行的有限优化代替了一次 第4 页 国防科学技术大学研究生院工程硕士学位论文 全局优化的结果，使预测控制在过程中实现了优化与反馈的理想结合以及对信息 的充分利用，通过在线滚动优化并结合实时信息的反馈校正，使每一时刻的优化 均建立在实际过程的基础上。预测模型、滚动优化以及反馈校正使得预测控制满 足了许多实际需要，取得了很大成功。w i l l i a m c 分析并设计了将模型预测控制用 于多机器人编队控制的理论框架，同时研究了系统的稳定性、鲁棒性以及实时实 现等问题。m p c 方法具有较强的理论基础，但计算量较大，在实时计算、可扩展 以及分布实现等方面还有待进一步的研究。 1 3 课题研究的意义 随着机器人技术的不断发展，多机器人技术越来越受到广泛的关注和研究， 多机器人的编队控制问题成为了机器人发展的一个重要问题，本课题在完成n s b 方法在三维( x ，) ，p ) t 空间下的数学建模的前提下，将n s b 方法运用到n u b o t 足球 机器人的分布式环境中来，逐步解决队形的形成，队形的保持和队形的变换等问 题。优化系统的体系结构，提高移动机器人的运动能力，对足球机器人的编队研 究有着重要的意义。 多机器人编队控制对提高机器人系统的整体能力有着重要的作用，灵活合理 的编队不仅可以降低整个多机器人系统的能耗，而且有利于提高系统的效率，优 化完成任务的质量，促进整个系统的向前发展。多机器人系统的编队控制是一个 影响多机器人系统性能的关键性问题。我们在足球机器人上实现的编队控制，即 可直接应用到将来的机器人士兵系统中，也可以扩展到航空编队【3 2 】【3 3 】 3 4 1 和水面舰 船编队【3 5 】 3 6 】 3 7 】上来，提高舰队或飞行器的整体作战能力。 1 4 论文的主要内容结构 本文主要研究了分布式环境中的多机器人编队，以及应用n s b 方法同时完成 多个任务的问题，并通过仿真实验验证n s b 方法的实用性和有效性。 论文第一章介绍了多机器人分布式系统的发展概况和研究热点，并指出了本 课题的研究意义和应用前景。 第二章在了解了基于行为方法的基础上，介绍了n s b 方法的基本原理和特点， 以及在实际运用中需要注意的几个问题。 第三章主要研究n s b 方法在单个机器人同时执行多个任务时的实效性，并在 第5 页 国防科学技术大学研究生院工程硕士学位论文 n u b o t 仿真平台上进行验证，引入机器人的朝向，将二维( x ，y ) 1 。空间推广到三维 ( x ，y ，a ) t 空间中来。为下步研究多机器人多任务打基础。 第四章在研究了单个机器人多任务协调的基础上，研究n s b 方法在多机器人 编队的形成、保持和变换上的应用，并基于分布式系统的特点，初步完成了圆队 形的形成、保持和变换。 第五章是总结和展望；总结本文的主要工作，指出在n s b 方法用于分布式系 统中，需要继续研究的问题。 最后是参考文献和致谢。 第6 页 国防科学技术大学研究生院工程硕士学位论文 第二章n s b 方法的基本理论 n s b 方法【4 7 】最早由f i l i p p oa r r i c h i e l l o 教授在2 0 0 6 年提出，是一种基于行为的 控制方法。该方法的突出特点是，在保持主要任务完全完成的基础上，充分利用 零空间完成次要任务。本章将逐步介绍n s b 方法的主要理论。其中第一节介绍 基于行为的方法，第二节介绍n s b 方法的基本原理和核心思想，第三节主要进行 了n s b 方法的数学推导，第四节就n s b 方法运用中的几个重要问题进行详细的阐 述。 2 1 基于行为的方法 s a r i d i s 在1 9 7 7 年提出了分层递阶控制体系结构【3 酗，典型结构包含组织级、 协调级、执行级等。它较好的解决了智能和控制精度的关系，但是存在系统实时 反应能力较差，不利于在实时动态环境中应用的缺点。基于行为的结构由b r o o k s 在1 9 8 6 年提出【3 9 】，智能体的行为被分解为若干基本动作并设置了优先级。优先级 高的动作抑制优先级低的动作输出。基于行为的结构实时性较好，对外界环境的 实时响应快，并且结构设计简单。基于行为的方法经过发展和改进，充分的发挥 了其反应快，实时性好，设计简单等特点，并且逐渐的综合分层递阶结构的优点， 更加优化了机器人的系统体系结构4 0 】 4 1 】1 4 2 1 4 3 】。 b a r r y 提出了构造基于行为系统的三个基本原则【l5 j ：最小性、无状态性和强壮 性。其中最小性是指保持系统尽量简单以便于随环境做出快速的反应；无状态性 是指基于行为的系统本身没有一个确定的外部环境模型状态；强壮性是指使得系 统能够与实际环境中遇到的不确定性并存，而不是去除不确定性。 显然，一个多机器人系统在执行任务时，经常会需要同时执行多个任务，会 伴随有大量的实时数据传输，如：探测，建图，搜索等任务。而这些任务又有可 能相互之间会产生冲突，就需要一种任务选择机制来协调这些任务的执行和完成， 而更需要我们注意的是所要完成的目标还随着环境的变化而变化，例如：当障碍 物距离较远时，避障任务就没有运动到目标点任务重要，而当障碍物距离较近且 在运动方向上时，避障任务就比运动到目标点任务重要。 在执行一个复杂任务时，如何高效稳定的完成任务是一个值得我们去研究的 问题，基于行为的方法的做法就是将任务分解成几个基本的任务单元，如：动作 行为，功能模块，任务规划等等子模块，然后将这些子模块有效的组合，得到最 第7 页 国防科学技术大学研究生院工程硕士学位论文 终的任务输出。 通常，一个行为是靠机器人结构的一个功能来实现的。这样，在一个静态的 环境中，通过最小化任务输出函数来达到完成任务的目的。例如：如果任务输出 是一个移动机器人的速度命令。到达目标点任务就是要考虑一个目标距离的任务 函数，输出的速度命令将会减少机器人到目标点的距离，直到机器人到达目标点 时为止。如果途中需要避障的话，就将会产生另一个任务函数来加大机器人与障 碍物之间的距离。但是如果障碍物在和机器人到目标点的路径上的话，到达目标 点任务的速度输出将会和避障任务输出冲突，机器人就会陷入一个任务死区。 各种基于行为的方法的不同之处在于对各个单一任务的组合方法的不同，当 存在多个任务时，每一个任务输出完成他对应的任务单元，但是不可能一个任务 输出同时就完成多个任务，尤其是在一个任务输出不能同时收敛各个任务输出的 时候，任务之间的冲突就需要一个冲突消解的机制来解决问题。 前文已经指出，目前主要有三种行为选择机制，即加权平均法，行为抑制法 和模糊逻辑法，其中本文将着重研究和运用的n s b 方法就是一种基于行为的模糊 逻辑法。 2 2n s b 方法简介 r o b o c u p 足球机器人比赛为移动机器人技术的发展提供了一个良好的平台，足 球机器人比赛中，对机器人的队形形成、保持与队形的变换都有一定的要求，并 且，这一性能的好坏将直接影响到比赛的成绩，所以要求寻找一种合适的方法来 进行多机器人的协调和协作。f i l i p p oa r r i c h i e l l o 博士提出了一种新的基于行为的编 队控制方法一一n u l l s p a c e b a s e d 方法，该方法中的零空间( n u l ls p a c e ) 是指任 务执行时不使用的维度空间。比如，运动到某点时只需要占用x ，】，的平面二维空 间，此时的机器人朝向0 就是这个任务的零空间( 这里只考虑平面上运动的情况) 。 零空间表示的具体的含义将在下文的n s b 方法的数学模型中详细阐述。文献 4 6 】 对该方法进行了详细的介绍，文献 4 7 将其运用到了二维( x ，y ) t 环境中，较好的实 现了机器人的编队控制。 n s b 方法的主要做法是首先将任务行为分解成各个简单的任务子行为，分别 列解出各个子行为的任务函数，每个子行为的任务函数都能完成对应的行为，然 后再将行为区分一定的重量级，将低优先级的任务向量向高优先级任务的零空间 投影，得到任务综合的输出函数，传输给底层的运动控制器控制机器人的运动。 n s b 方法的核心思想是将低优先级任务的任务向量向高优先级任务的零空间 第8 页 国防科学技术大学研究生院工程硕士学位论文 上投影，在保证高优先级任务顺利完成的同时，部