（控制理论与控制工程专业论文）多移动机器人的协调及运动规划.pdf

沈阳工业大学硕士学位论文 摘要 移动机器人是机器人家族中的一个重要分支，也是进一步扩展机器人应用领域的重 要发展方向，因此对移动机器人系统的研究，一直都受到学者们的普遍关注。本文针对 多移动机器人的协作及其运动规划的问题进行了研究。通过对一个具体问题进行分析， 将多移动机器人的协作及其运动规划的问题分解为行为决策与路径规划两个层次，并分 别对这两个方面进行了深入的探讨和研究。主要研究成果如下： 1 、充分研究了多移动机器人的协作方式及在运动态境中的实时规划中存在的主 要问题及现有的各种解决方法。并针对一个具体的问题讨论如何利用基于分 层规划的方法来解决复杂的协作及运动规划的问题。 2 、对于行为决策层，利用分段的递推最小二乘辨识方法结合线性模型对障碍物 下一步的运动进行准确预测，为高效的多机器入协作打下了基础。使用一个 混合选择器即传统的产生式系统与b p 网络相结合的动作选择器来进行动作 选择及角色分配，混合动作选择器在一定程度上达到了产生式系统和b p 网 络的优势互补，因而取得比较令人满意的效果。 3 、对于运动规划层，提出了一种用于动态环境下的改进的人工势场法。该方法 主要从两方面对传统人工势场法进行了改进：使用基于势场强度方法来取代 矢量合成方法，并且通过引入一个填平势来引导机器人走出局部极小点，克 服了传统人工势场法的缺陷；将障碍物的运动信息引入到排斥势函数中，使 传统的静态势场变为动态势场。通过这种方法可以使机器人对于移动障碍物 的避碰更有效。 仿真实验证明了本文所提规划方法的正确性和可行性。 关键词：移动机器人、运动规划、预测、协作、改进人工势场法 沈阳工业大学硕士学位论文 t h e c o o p e r a t i o n a n dt h em o t i o n p l a n n i n g o fm u l t i r o b o t s y s t e m a b s t r a c t a sai m p o r t a n tp a r ti nt h er o b o t i c ，t h es t u d yo ft h em o b i l er o b o ti sa l s ot h ef o c u so ft h e d e v e l o p m e n t o f t h er o b o ta p p l i c a t i o n i nt h i st h e s i s ，t h ec o o p e r a t i o na n dt h em o t i o n p l a n n i n go f m u l t i r o b o ts y s t e mi ss t u d i e d t h r o u g ht h ea n a l y s i so far e a lc a s e ，t h ep r o b l e mo ft h ec o o p o m - t i o na n dt h em o t i o np l a n n i n go fm u l t i - m b o ts y s t e mh a sb e e nd i v i d e di n t ot w o p a r t s ：t h eu p p e r l e v e li sa c t i o n - s e l e c t i o na n dt h ee l e m e n t a r yl e v e li sm o t i o np l a n n i n g 。t h em a i nr e s u l t so f t h e s e s t u d i e sa r ef o l l o w i n g s ： 1 a l lt h eq u e s t i o n sc o n c e r n i n gt h ec o o p e r a t i o nw a y so ft h em u l t i p l em o b i l er o b o t sa n d t h em a i np r o b l e ma b o u tr e a l - t i m em o t i o np l a n n i n gi nt h ed y n a m i ce n v i r o n m e n th a s b e e nf u l l ys t u d i e d b a s eo na p r a c t i c ec a s e ，ak i n do f s t r a t i f i e dp l a n n i n gm e t h o dh a s b e e n p r o p o s e dt od e a l 、v i t l lt h ep r o b l e m s o f t h ec o m p l i c a t e dm u l t i p l er o b o t s y s t e m 2 i nt h eu p p e ra c t i o n - s e l e c t i o nl e v e l ，t h ea c c u r a t ep r e d i c t i o na b o u tt h en e x ta c t i o nh a s b e e ng a v eo u tb a s eo nt h es e g m e n t e dr e c u r s i v el e a s ts q u a r e a l g o r i t h m ，w i t c he n s u r e t h e r e s u l to ft h em o t i o np l a n n i n gb eo fh i g he f f i c i e n t ah y b r i da c t i o ns e l e c t o rw i t c hi sa i n t e g r a t i o n o fb pn e t w o r ka n dp r o d u c t i o ns y s t e mi s p r e s e n t e d t od e a lw i t ht h e c o o p e r a t i o no f t h em u l t i p l em o b i l er o b o ts y s t e m i te f f e c t i v e l yi n t e g r a t e st h em e r i to f t h et w om e t h o d sa n dm a k e st h ep r o c e s so f t h ep l a n n i n gm o r ee f f i c i e n t l y 3 t os o l v et h ep r o b l e mo ft h em o t i o np l a n n i n g , ak i n do fi m p r o v e da r t i f i c i a lp o t e n t i a l f i e l dm e t h o da p p l i e di nt h ed y n a m i ce n v i m n m e n ti sp r o p o s e d t h em e t h o dm a i n l y i m p r o v et w oa s p e c t so ft h e t r a d i t i o n a la r t i f i c i a l p o t e n t i a l f i e l dm e t h o d ：u s i n gt h e p o t e n t i a lf i e l di n t e n s i t y b a s e dm e t h o dr e p l a c et h e v e c t o rc o n f u s i o n m e t h o d ；c o m b i n i n g t h em o t i o ni n f o r m a t i o ni n t ot h er e p u l s i v ef o r c ef u n c t i o n ，w h i c ht r a n s f o r mt h es t a t i c a r t i f i c i a lf i e l df u n c t i o nt ot h ed y n a m i ca r t i f i c i a lf i e l df u n c t i o n u s i n gt h i sm e t h o d ， m o v i n g o b s t a c l ea v o i d a n c ec a nb e p e r f o r m e d m o r e e f f i c i e n t l y s i m u l a t i o ns h o wt h ef e a s i b i l i t ya n d e f f e c t i v e n e s so f t h e a p p m a c h e s a n d a l g o r i t h m s k e y w o r d s ：m o b i l er o b o t ，m o t i o np l a n n i n g , p r e d i c t i o n ，c o o p e r a t i o n ， 一2 独创性说明 本人郑重声明：所呈交的论文是我个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或撰写的研究成果，也不包含为获得 沈阳工业大学或其他教育机构的学位或证书所使用过的材料。与我一同 工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表 示了谢意。 勰址蹶越! 至：奎 关于论文使用授权的说明 本人完全了解沈阳工业大学有关保留、使用学位论文的规定，即： 学校有权保留送交论文的复印件，允许论文被查阅和借阅；学校可以公 布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论 文。 签名： ( 保密的论文在解密后应遵循此规定) 沈阳j ：业大学硕士学位论文 1 绪论 1 1 移动机器人的应用与发展情况 机器人的历史可以上溯到公元前2 世纪的拜占庭时代，然而世界上第一台工业机器 人是在本世纪六十年代初诞生的。此后，工业机器人应用于汽车制造业获得成功，并被 广泛运用于其它制造行业。这一时期的机器人称为顺序控制机器人，它以1 9 6 2 年a m f 公司和u m m a t i o n 公司的“v e r s a t r a n ”与“u n i m a t e ”产品为起始，由预先编制好的程序 控制运行，缺少感知自身和环境状态的能力，所以只能运行于固定环境中，缺乏对环境 的适应性。 为了让机器人有一定的感知力，人们给机器人装上了许多不同功能传感器，形成了 具有传感器信息反馈的第二代机器人，借助于这些传感器，机器人能对自身的实际位 置、形态、速度、力等进行测量，能通过“视觉”、“触觉”等传感器对外部环境进行 实际探测，从而由这些反馈信息在事先编好的算法和程序指导下对操作过程进行调整。 它与这几年迅速发展起来的传感器，微机技术和仿生学，控制理论等有密切的关系，其 研究的关键技术是“视觉”和“触觉”。目前还未达到完善的实用阶段，尚有待进一步 研究和开发。 与第一代机器人相比。第二代机器人更加具有柔性和安全性。然而，由于该类机器 人的自身状态和环境状态信息是非数值化的。人们希望机器人能像人类一样自主接受和 解释这些非数值信息，由此开始了第三代机器人，即智能机器人的研制，它能感知外界 环境与对象物，并具有对复杂信息进行准确处理，对自己的行为作出自主决策的能力a 它能识别景物：有触觉，视觉，听觉，味觉等多种感觉，实现搜索，追踪，辨色识图 等多种仿生动作；具有专家知识，语音功能和自学习能力等人工智能。 目前，各种类型和智能水平的机器人已在i q l , 生产，入们日常生活和军事中获得应 用。由于机器人在国民经济及人们生活中有极大的应用潜力世界各国对机器人的研究 都极为重视，机器人学的发展也非常迅速。但各国对机器人的定义却各有差异，且都有 一定的局限性和不够确切之处，如英国机器人协会( b r a ) 的定义是： “一种可以重复 编程的装置，用以加工和搬运零件，工具或专用设备，通过可变的程序流程以完成特定 沈阳工业大学硕十学位论文 的加工任务。”美国机器人学会( r i a ) 的定义为： “一种可编程的，多功能操作手， 用以搬运材料，零件，工具或专用设备，通过可变的程序流程，以完成多样化作业任 务e ”美国国家标准局( n b s ) 的定义是：“一种可编程的自动控制下完成某些加工任 务或动作的机械装置。”最近联合国标准化组织基本采纳了美国机器人价廉物美会的提 法，定义为：“一种可重复编程的功能操作手，用以搬运材料，零件，工具或者是- - 9 9 为了完成不同操作任务，可以有多种程序流程的专门系统。” 分析以上的各种定义，可以发现它们大部分是针对工业机器人而言的，但现在由 于大量其它类型机器人特别是移动机器人的出现，使机器人这一词语所指的意义已远超 出了工业应用的范围，活跃在各种场合，一般来说，智能机器人应具备感知 ( s e n s i n g ) ，思维( t h i n k i n g ) 和灵巧动作( a c t i n g ) 三个相互作用的基本功能。 1 2 移动机器人运动控制关键技术发展状况 移动机器人的智能指标【i 】为自主性，适应性和、交互性。适应性是指机器人具有适 应复杂工作环境的能力( 主要通过学习) ，不但能识别和测量周围的物体，还具有理解 周围环境和所要执行任务的能力，并做出正确的判断及操作；自主性是指机器人能根据 工作任务和周围环境的情况，自己确定工作步骤和工作方式：交互是智能产生的基础， 包括机器人与环境，机器人与人以及多个机器人之间三种交互方式，主要涉及信息的获 取，处理和理解。 1 2 1 机器人结构 机器入机械结构形式的选型和设计，应当根据实际需要进行。当前，对足式小型机 器人，履带式和特种机器人研究较多，但大多仍处在实验阶段，而轮式移动机器人由于 其控制简单，运动稳定和能源利用率高等特点，正在向实用化迅速发展。 1 2 2 体系结构 机器人的智能系统具有以下特点：信息密集，多层次的信息与知识表达方式，与环 境交互丰富多样，信息与知识分布存储等。所以，它是一个高智能，多系统的复杂系统 工程，不是单元技术的简单连接，系统的总功能是由各种分系统在多层次的直辖市和分 工中集成的。因此，机器人的总体集成技术是一个核心问题，其主要内容是机器入的体 系结构研究。 2 沈阳工业大学硕士学位论文 体系结构的研究主要针对有意识行为和反向行为而展开的，如何将两者相统一，是 目前的个研究热点。目前，最有代表性的两种体系结构思想为：n a s r e m 模型和包 容体系结构【“，在处理动态环境中不确定性和模仿动物的低级反射行为方面具有很多优 点。实际上移动机器人要完成的任务非常复杂，两种体系结构各有优缺点。因此，又提 出了混合体系结构嘲和二重体系1 4 】结构等。 1 2 3 运动规划 运动规划的主要任务是在充斥着障碍物与其它机器人的工作环境中，为移动机器人 寻找一条无碰撞的最优路径。 运动规划耗时较多，一个重要的解决方法就是并行化【5 】，一旦在线，实时运动规划 实现，运动规划就可以融入运动控制算法的闭环中。另外，复杂环境下的路径规划问题 一直是个没有很好解决的难题，人们尝试用遗传算法f 6 】p 】嘲【9 】来进行路径规划问题并取 得一定成功。 1 2 4 导航与定位 在移动机器人的应用中，精确的位置知识是一个基本问题。位置的测量可分为两大 类：相对和绝对位置测量【1 0 1 ，使用的方法可分7 种：里程计、惯性导航、磁罗盘、主动 灯塔、全球定位系统、路标导航和地图模型匹配，最近开发了一种基于片自然路标导航 的技术1 ，用于动态环境中进行学习和位置识别。 在导航与定位方面，目前有两个重要的发展方向：一是如何构造高完整性的导航系 统；另是关于主动环境问题，目口机器人与环境交互或融合问题 i 2 5 跟踪控制 跟踪控制是一个非常实用的问题，分为轨迹跟踪控制和路径跟踪控制垃1 ( 13 1 ，这方 面的研究基本成熟。在轨迹跟踪控制中，期望轨迹是由方便的几何参数( 如路径的弧 长) 来描述的。当要求机器人有一个特定的时间内到达一个特定的点时，轨迹跟踪控制 是必需的；当要求机器人以一个期望的速度跟踪一条由几何参数给出的路径时，路径跟 踪控制是合适的。已有的轨迹跟方法在数学上很精致，并且得到许多有意义的结果，但 对于设计跟踪控制器来说，并不是最好的方法。事实上，在传统的自动化应用中，常常 3 沈阳工业大学硕士学位论文 采用基于几何路径跟踪概念的方法，控制器的设计更与人的直觉接近，易于实现。关于 这方面的工作，近期主要集中在考虑非完整约束和力学的情况下，如何实现有效跟踪。 1 2 6 反馈镇定 运动控制是机器人控制的个重要方面。移动机器人的运动控制可分为两种策略： 开环策略和闭环策略。开环策略是试图寻找一个有界的控制输入序列来操纵系统，使其 从一个初始位姿到任意的期望位姿，这种策略是和机器人运动规划联系在一起的。闭环 策略就是反馈镇定，考虑非完整约束的移动机器人系统，是一个欠驱动的非完整系统， 也是一个无漂移的零动力学系统。此类系统不能用连续可微的时不变的纯状态反馈律予 以镇定。因此，不连续控制，时变控制以及它们的混合策略就是必然的选择。所以，为 其设计一个反馈控制律，是一个挑战性工作，也是目前一个非常活跃的研究领域。 另外，交互技术，多传感器系统和信息融合等也是目前非常活跃的研究领域。在智 能技术方面，移动机器人的关键技术是自动规划技术和基于传感的智能。机器的智能行 为包括知识理解，推测感觉，认识，推理，归纳，计划，反应，学习和问题求解等。涉 及的知识领域包括图像理解，语音和文字符号的处理和理解，知识的表达和获取，学 习，智能运动。 综上，我们可以看出，随着电子技术的飞速发展，机器人传感器正走向成熟，计算 机的计算能力正得到显著提高。移动机器人的关键技术得到深入而广泛的研究，移动机 器人正一步一步走向人们生活的各个领域。 1 3 移动机器人规划的主要方法 对于解决机器人规划的基本问题存在有许多种方法【1 4 】 1 5 】1 1 6 1 1 7 1 ，但适用于一切情况 的通用方法并不存在。但这些方法都是在几种基本方法的基础上发展起来的。现有的与 多移动机器人运动规划问题相关的研究从系统结构上可以分为集中或集中分层式控制和 分布式控制。 1 3 1 集中控制式规划 在多移动机器人系统所采用的系统结构上，传统上采取的方法是集中控制的思想。 主要的方法有： d 沈阳工业大学硕士学位论文 ( 1 ) 单元分解法( c e l ld e c o m p o s i t i o nm e t h o d ) l i b 【1 9 1 ，通过人为地将障碍物所在 的地域划分成一个由一组边缘墙体和障碍物组成的区域，再由中央处理器根据环境情况 为机器人安排运行线路和应处位嚣。把机器人的自由空间分解成简单的区域，称为单 元，一个单元内的任意两个位姿间的路径可以较容易地产生，一个描述单元间相邻关系 的无方向的图就能够被建立和搜寻，搜寻的结果是一个单元序列称作通道，从这个序列 就可以计算出一个连续的自由的路径。单元分解法可进一步分为精确法和近似法。 精确单元分解：划分单元以障碍物的顶点及其之间的关系来进行，单元的形状有梯 形和三角形，两个单元之间的路径穿过两个单元交线的中点。 近似单元分解：将障碍物区域递归分解为矩形每次将一个矩形分解为四个相同的小 矩形，称为q u a d 仃e e 分解1 2 0 只有全部处于q u a d t r e e 的单元才能用于产生连接图，如果找不 到这样的路径则说明分解的解析度不够，或根本不存在所需要的路径。一般从较粗的解 析度做起，之后不断精细化，直到找到一个自由路径，或者达到一个受限的解析度。近 似分解的方法比精确分解的方法更容易实现。 这种方法存在的主要问题是计算量与障碍物数目的指数幂成正比，即此算法的复杂 度为0 ( ”) 【2 “，这种方法的主要问题在于计算量大得难以实现。 ( 2 ) r o a d m a p 法： 这种方法基于以下的普遍概念：在一维曲线的网络中找到机器人自由空间的连接， 一旦它被建立，就用一个路标( r o a d m a p ) r 作为一个标准的路径集。路径规划就被简 化为连接初始点与目标点的位姿到r ，然后再搜索r 来寻找一个路径。这个方法的关键 问题是如何构造路标。各种基于不同原理的方法被提出来，出现了各种不同的路标，有 可视图法、v o r o n o i 图法、自由路径网络等。 a 可视图法1 2 2 ，可视图法的基本思路是从出发点到目标点的路径是一条经过各障 碍物的顶点的折线。这要求事先知道障碍物区的全局信息。它的主要缺点在于因为机器 人本的动力学等的原因，很难走到各个多面体障碍物的顶点， b v o r o n o i 图法刚【2 4 】，它是一种收缩法( r e t r a c t i o nm e t h o d ) 。这种方法在前一种 方法的基础上通过势场法，图搜索法或加大障碍物的尺寸的方法降低问题的维数，从而 使计算量有所下降，它与单元分解法都需要有一个中央处理单元负责处理工作空间中的 5 一 沈阳工业大学硕士学位论文 各个机器人的运动情况和划分存在的各种障碍物，它由定义在自由空间中的一维曲线网 络上的连续的图组成。 集中控制规划虽然在理论上有可能使所有机器人的运动状态得以优化，但存在的问 题除了前面所说的计算量过大，实现起来很困难以外，还有系统的容错性较差，往往会 由于中央处理机的故障导致整个系统的瘫痪。 1 3 2 分布式规划 在分布式规划0 5 11 2 6 1 系统中，各机器人可以根据周围环境的变化相应地改变自身的 运动状态它们多数采用了人工势场法( a r t i f i e i a l p o t e n t i a lf i e l dm e t h o d ) 2 7 1 2 8 1 1 2 9 1 【3 0 】，运用于移动多机器人系统，这种方法就是把机器人看作位姿空间中的一个点，受到 人工势场u 的影响，这个人工势场的局部变化将反映自由空间的结构。规划中的目标点 当作引力源，而障碍物和其它的机器人被当作斥力源，由它们的合力来为机器人产生一 个虚拟的推力场，从而使机器人运动，总的势能的负梯度被当作推动机器入运动的人造 推力，推力的方向是最有可能运动的方向。 势场法最初是作为一种在线避碰方法，应用在机器人事先没有障碍物的模型的但在 运动过程中发现它们的情况下，更多地强调实时效率，而不是保证到达目标点。 人工势场法经常被称为局部方法，这是因为势场函数在任何位姿上的值不取决于障 碍物的分布和形状，不过如果能够在包含e l 标位姿的相连的自由空间子集建立只有一个 最小点的势场函数，这个函数就可以被认为是某种全局性的自由空间的信息，而不是局 部算法了。 大部分的势场函数都基于这样一个普遍概念：机器人应该被吸引到目标位姿，而同 时被障碍物所排斥。 考虑一般的情况，在位姿空间内人工力场f ( q ) 由一个可微的势场函数u 得来： f ( q ) = 一g r a d ( u ( g ) ) ( 1 1 ) q = ( x ，y ) 或( x ，y ，z ) ( 1 2 ) ( o u & 3 酬2 ( 黝或l ；笔j 3 ， 6 沈阳工业大学硕士学位论文 机器人所受的来自障碍物及其他机器人的人工排斥力为 ( g ) 2 一g r a d ( u w ( q ) ) n ( 高一去) + 赤呵a a ( p ( q ) ) 订p ( q ) p o ( 1 4 ) 这里p ( g ) ：m i n i g q 它表示机器人到障碍物区( c o b s t a c l e ) 的距离，1 3 是一个正的比例系数，p ( o ) 是一个正的常数，称作障碍物的影响距离。u 。是非负 的，当机器人接近障碍物时，它趋向无穷大。当机器人距障碍物远于p ( 0 ) 时它的值为 零。 u 。( q ) = 扣高一2 呻钠 o i f p ( q ) p o ( 1 5 ) 机器人受到的来自于目标点的人工引力为： 吒，( q ) = 一g r a d ( u 。( g ) ) = 一；p p ，( 口) + g r a d ( p p f ( g ) ) 2 一( g g 州) e 是一个正的比例系数，户，是机器入与目标的距离，这里的引力势场为： u 。( q ) = i 1 l4 p ( q )( 1 6 ) 它是非负的，在目标点处为零。 同其他的方法比，人工势场法的效率很高，不过它也有一个重大缺陷：因为它是一 种最速下降寻优方法，它可能落到势场函数的局部最小点上，而不是目标点上，解决的 一种方法是构造不含局部最小点的势场函数，另一种方法是对基本的势场函数进行补 偿，使之跳出局部最小点。另外它没有考虑执行器的有限能力给机器人带来的动力学约 束，因而不能完全保证机器人在动态环境中对障碍物的碰撞。 7 沈# h j - , d k 大学硕士学位论文 1 a 多机器 协作系统 我们知道在人类社会或动物世界里，由于许多任务的规模很大，需要多个个体来完 成，且常常需要个体间的协作与配合，比如，建造房屋、进行集体运以及蚂蚁构建巢穴 等。社会发展到今天，在许多领域对于多个机器人完成，组织物流运输，生产加工以及 其他的一些复杂任务；在军事领域需要机器人能够实现群体排雷，巡逻等任务。这些复 杂系统具有内在的分布性( 时问、空间上的分布性) 。单个机器人难以完成，而利用多 个机器人可以获得满意效果。 那么，多个机器人如何来完成它们的共同任务，是“单打独斗”、“人自为战” 还是要协作配合呢? a l e t n b u r g 对蚂蚁机器人【3 l 】进行了大量的研究，提出多机器人的集 体搜索和取回实验展示了多个机器人的集体行为。表现出集体行为的多个机器人在从 事共同的任务时，彼此作为障碍物来处理。当然这类任务相对简单，容易进行分解，需 要在某点或某些情形时完成，如适当增加个体会增加整体性能，如机场等大型场所的清 扫任务。但当任务比较复杂时，“人自为战”已很难完成，增加机器人的数量只会造成 资源冲突，这就需要多个机器人相互配合，交互信息，通过协作的方式来完成。 多机器人协作系统有如下特点【3 2 】； a 空间分布，多个机器人分布在工作空间的各区域同时作业； b 功能分布，功能不同或具有不同目标任务的机器人可以协同工作； c 时间分布，多个机器人可以在不同的时间分布内执行任务。 通过协作可以共享信息，专门知识及物理装置等资源以弥补单个机器人能力的不 足，避免任务间不利的相互作用，减少任务间的冲突，从而可以提高系统完成任务的效 率。另外通过协作可以使用不同的方法去完成这些任务，提高完成任务的可能性，增强 系统的柔合性和鲁棒性。可以想象，在工业领域设计几十个分别可以完成焊接，装配及 喷漆等功能的机器人去共同完成一个工作，要比设计一个包含这些功能的强大的单个机 器入更容易，经济，且更具有柔性和窖错性。 目前，多机器人的协作控制已经引起普遍重视，如何进行协作已经成为人们所关心 的问题。当然主要的协作形式可分为两类，即任务共享网( t a s ks h a r i n g ) 和结果共享 3 4 1 ( r e s u l ts h a r i n g ) 。协作的形式从一定意义上说，就是分布式控制的形式。 8 沈阳工业大学硕士学位论文 结果共享的协作，是各智能主体分别对全局问题示局部解，通过不断交换部分暂时 结果来实现协作，即这些智能主体通过不断交换产生的可能不完整，不精确的部分解， 最终集成于个完整的，一致的局解。 任务共享是各智能主体相互协作，分担各子任务的计算负荷，而且当一个智能主体 的任务太重而无法完成时，它可以进行任务分解，由其它智能主体承担并完成。任务共 享的关键是如何发现合适的智能主体并进行任务分配，此问题亦称为联结问题。 1 5 论文结构及其主要工作 本文针对多移动机器人的协作及其运动规划的问题进行了研究。通过对一个具体问 题的分析将多移动机器人的协作及其运动规划的问题分解为行为决策与路径规划两个层 次。本文在理论方法研究方面开展了三方面的工作。 第一，充分分析了多移动机器人的协作方式及在运动态境中的实时规划中存在 的主要问题，及现有的各种解决方法。并针对一个具体的问题讨论利如何利用基于 分层规划的方法来解决复杂的协作及运动规划的问题。 第二，对于行为决策层，使用一个混合选择器即传统的产生式系统与b p 网络相结 合的动作选择器来进行动作选择及角色分配，利用系统辨识的方法对障碍物下一步的运 动进行准确预测，使多机器人的协作更为高效。 第三，对于运动规划层，提出了一种用于动态环境下的改进的人工势场法。该方法 主要从两方面对传统人工势场法进行了改进：使用基于势场强度方法来取代矢量合成方 法；将障碍物的运动信息引入到排斥势函数中，使传统的静态势场变为动态势场。通过 这种方法可以使机器人对于移动障碍物的避碰更有效。 9 婆堕三些茎堂塑圭堂堡鲨壅 一 2 问题的提出 多移动机器人系统是一个复杂而庞大的系统，本文通过一个具体的例子来分析多移 动机器人的协调及运动规划问题。 2 1 场景描述 问题场景如下图所示： 图2 1 问题的场景描述 三名警察负责一个营业大厅的治安工作，平时每个警察各自在自己的范围内巡逻。 其警戒范围为以自身为中心，半径为r a 的一个圆形区域，这表示机器人可以准确感知 t ， 信息的范围，巡逻时警察的速度较慢( 粤) ，在营业大厅内还存在着一些速度及方 z 向均为随机值的移动障碍物( 行人) ，警察在巡逻时，应适时地进行避障运动，小偷在 某一时刻随机出现在营业大厅的某一位置上，此时警报拉响，警察巡逻速度加快 ( y 二) ，在自己的巡视范围搜索小偷，一旦小偷进入自己的警戒范围，立即通知同伴 并进行追捕行动。如何在最短时间内的抓到小偷是本课题要解决的问题。 1 0 姿堕三! ! 奎堂堡圭堂垡堡奎 2 2 问题的提出 机器人的工作空间为一个二维的位姿空间c ”；工作空间内分布有若干移动障碍物 鼠，b 2 e ，每个障碍物的大小及具体位置为已知，满足如下的约束： c b ，= g c a i ( q ) n b ，斜，其中4 ( g ) 表示工作空间中的机器人，则u c b , 表示障 碍物位姿空间的集合a 这里采用的机器人为两轮机器人，应用速度向量q = i v , w 】7 来表 示机器人的线速度与角速度，机器人的速度向量q 与其位姿向量j p = i x ，y ，p 】7 满足如下 肚 | = 举蚪q g ， 机器人的速度在一定的范围之内变化，即v 【o ，p ，眦】；目标点的初始位置已知，表 示为g 。( g ) = i x 。，】，为工作空间中的一个随机值，在每一时间段，目标点运动的速度 g r “( g ) = g t ( 叮) + d ( g )( 2 3 ) 问题的解决就是寻求一组机器人的运动行为序列，使其中一个机器人a ，( 口) 无碰撞 2 3 运动评价指标 为使机器人能够实现一定的运动性能，如运动平稳性( 包括运动平稳和速度平 稳两方面) ，时间及路径要尽可能短等，并使离线规划与在线规划充分结合起来， 使算法具有很好的安全性和可达性，运动行为要满足如下的一般性行为决策规则 1 3 5 1 ，也即运动性能要求。 1 、对于期望路径不完全重合的机器人优先考虑其离线规划出的运动行为 沈阳i , i k 大学硕士学位论文 2 、优先考虑距自己最近的障碍物的避障行为，在目标吸引与局部避障之间优先考 虑安全性，即局部避障。 3 、始终围绕着离线规划出的最短路径运动，不无限的脱离这一理想路径。 4 、尽可能的沿着理想路径方向向前运动而不后退，在接近目标时始终沿着朝向目 标的最短路径运动。 5 、速度尽可能的快。 6 、运动要平稳，尽可能地避免不必要的路径波折或速度波折。 为此定义了运动评价函数，用以定量地描述上述行为决策原则，它们同时也分别从 不同角度反映了不同情况下运动行为选择的优先级大小，这也正是行为决策的主要依 据： 1 、动平稳眭：胸2 乃删”i i 卜f l l z u ，- z u j | ) 显然如鼽为上吲 运动行为，则“，与“差别越小其被选择的优先级就越高。 2 、目标吸引性，l ( u ) = s ( u ) ( t + 吒。) ，其中母( 甜) 表示经过一步预测在指向目 标点的方向上所走过的距离，有一r + 圪。 云时，开始一个新的辨识过程。 下面让我们看一看这个算法的结果。模型参数与前面的例子一样，这里取y = c o s ( t ) 为一个非线性函数，仿真结果如下： 图3 4 分段辨识方法的仿真结果 一2 5 * 沈阳7 l _ ：= , j k 大学硕士学位论文 由仿真结果可以看出，除t n i j w 始大约十个采样时间间隔误差较大外，其它时刻预 测值与实际值还是吻合的。 3 3 动作分配 3 3 1 行为决策系统的输入 对于行为决策规划系统，在每一个行为时间段的开始，首先每个机器人警戒范 围内的环境信息进行采集，平面中每一个机器人可以用一个三维向量来表示： 曩= ( x ，y i ，a 。) i = f 1 , 2 ，3 】 ( 3 2 8 ) 其中x 。y 表示机器人的坐标，而口，表示机器人的速度矢量，由于在本例中机器人 的速度是恒定的，所以这里口，实际上可以用一个单位向量来代替，只是表示机器人的运 动方向。本题中考虑三个机器人的情况，j 2 n 上4 , 偷的信息可以构成一个1 2 维的向量。 但是，采用这样的输入会出现几个问题。第一，这样的信息不直观。第二，冗余信息太 多。 其实对于警察来说，小偷的位置及运动趋势是非常关键的信息，它将影响到每一个 警察下一步运动的选择。所以行为决策系统的输入应该围绕着小偷的信息来做。输入变 量的描述如下图所示： 小偷 圈3 5 行为决镱输入向量 其中k 表示警察的运动方向，_ 表示小偷的运动方向，各个变量定义如下 2 6 沈阳工业大学硕士学位论文 d ：第i 个机器人与小偷之间的距离 9 第i 个机器人的运动方向与小偷运动方向之间的夹角。口。 0 ，万1 口。：以小偷的运动方向为x 轴正方向，逆时针旋转昙为y 轴的正方向，以此坐 z 标定出的由第1 个机器人与小偷的连线与x 轴的夹角。e o ，2 7 r 】 第1 个机器人的警戒范围内移动障碍物的个数。 上面的定义实际上是以小偷为中心将工作空间分成了四个区域，以笛卡尔坐标系中 的四个象限表示，根据各个机器人与小偷运动方向的一致性、与机器人与小偷的距离以 及所处的不同象限作为分配任务的标准。如下图所示： 图3 6 工作空同的分解 3 3 2 基于规则的动作选择器 由上面的定义，一种生成动作选择器的最直观的方法就是用使用产生式决策系统， 即定义一系列的规则，机器人通过查询规则库来选择动作。任一时刻，机器人选择动作 的根据是当前运动方向与小偷运动方向的夹角、与小偷的相对位置及与小偷之间的距 离。以上的信息可以构成一个九维的向量。由于以上的参数均为连续值，如果直接使用 会使输入空间变得异常庞大。在产生式的决策系统中将直接导致规则库过大的问题，所 以应对其进行适当的离散化以减小输入空间。 2 7 沈阳工业大学硕士学位论文 d 的离散化如下表所示： 【 b 量 o ，怠】 ，每】【等，器】【鬻。訾】 萼，每】睾专】 撼黻化组 l 2 3486 8 。的离散化如下表所示 瓯 i0 1 鲁ji 要，芹】 l 离敞化值 l 2 i 已的离散化如下表所示 i 如 呶争i 争霄lik 孥】ll 孥。蚓 | 离黢饯值 l 23 唾 由上一章所述，行为决策系统应满足如式2 1 所定义的运动评价最高的一个解。但 是由于2 1 式权值的难以确定性，直接按2 1 式来对决策空间进行搜索，很难保证对不 同情况的适应性，即算法的鲁棒性较差。既然运动评价指标实际反映的是一种运动优先 级的大小，因此如果将这种基于运动评价函数的运动行为优先级直接在运动行为规则的 建立中考虑进去，则既可针对不同情况建立相应有效的行为决策规则，同时也可以避免 21 式权值确定的困难。 为此在本课题中制定了以下的几条协调策略： 携调策略l ：针对h 个需要运动挤调的移动枕器人。对它豫疆机编号l 一矬，在运动 行为决策中编号小的机器入运动行为首先确定。编s 大的机器入娶弧编号小的机器入运 动行为为基础来进行行为决策。 揍调策略2 ：由于是以翻达目标点( 抓小偷) 佟为主要目的机器入以距障碍物的 距离远近为据进行编号距离越透编号越小。 协调策略3 ：曝翻上是以编号的大小作为行为选择的主要依据，编号趋小选辑优 先级越高， 2 9 沈阳工业大学硕士学位论文 协调策略4 ：当两个机器人距目标点的距离柜差不大时。就要考患各个机器九与4 。 偷运动方向的一致性及与小偷运动的相对位置。 根据上述的协调策略，我们建立如下的行为选择决策算法： i f 警报拉响 i f 与小偷的距离最近 i f ( 0 。0 m ) 【( 2 ，1 ) ，( 2 ，4 ) ，( 1 ，2 ) ，( 1 ，3 ) 选择主动动作： e l s e i f ( 0 。，既) ( 1 ，1 ) ，( 1 ，4 ) i f ( q d ) 2 选择主动动作； e l s e i f 。，0 。) 【( 1 ，1 ) ，( 1 ，4 ) ，( 2 ，2 ) ，( 2 ，3 ) 】 选择主动动作； e l s e 选择辅助动作一； e l s e i f ( q d ，) 3 选择主动动作； e l s e i f 0 钆，既) ( 1 ，1 ) ，( 1 ，4 ) ，( 2 ，2 ) ，( 2 ，3 ) 1 选择主动动作； e l s e 选择辅助动作一： e l s e i f 与小偷的距离排在三个机器人中的第二位 i f ( d 。一d “。) 1 2