（计算机应用技术专业论文）基于群集智能的多水下机器人协调研究.pdf

分 l - c a n d i d a t e ：w a n gy u e ， s u p e r v i s o r ： a c a d e m i cd e g r e ea p p l i e df o r ： s p e e i m i t y ： d a t eo fs u b m i s s i o n ： d a t eo f0 r a le x a m i n a t i o n ： u n i v e r s i t y ： p r o f z h a n gr u b o m a s t e ro f e n g i n e e r i n g c o m p u t e ra p p l i e dt e c h n o l o g y j a n u a r y , 2 0 1 0 m a r c h , 2 0 1 0 h a r b i ne n g i n e e r i n gu n i v e r s i t y 哈尔滨工程大学 学位论文原创性声明 本人郑重声明：本论文的所有工作，是在导师的指导下，由 作者本人独立完成的。有关观点、方法、数据和文献的引用已在 文中指出，并与参考文献相对应。除文中已注明引用的内容外， 本论文不包含任何其他个人或集体已经公开发表的作品成果。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式 标明。本人完全意识到本声明的法律结果由本人承担。 作者( 签字) ：妙n 日期： 矶l o 年弓月坫日 哈尔滨工程大学 学位论文授权使用声明 本人完全了解学校保护知识产权的有关规定，即研究生在校 攻读学位期间论文工作的知识产权属于哈尔滨工程大学。哈尔滨 工程大学有权保留并向国家有关部门或机构送交论文的复印件。 本人允许哈尔滨工程大学将论文的部分或全部内容编入有关数据 库进行检索，可采用影印、缩印或扫描等复制手段保存和汇编本 学位论文，可以公布论文的全部内容。同时本人保证毕业后结合 学位论文研究课题再撰写的论文一律注明作者第一署名单位为哈 尔滨工程大学。涉密学位论文待解密后适用本声明。 本论文( 睢授予学位后即可口在授予学位1 2 个月后 口 解密后) 由哈尔滨工程大学送交有关部门进行保存、汇编等。 作者( 签字) ：a 月导师( 签字) ：霸灾么争别棠 日期： 讪i 。年弓月 日 九jo 年月心日 体系结构以及分布式的多a u v 体系结构，单a u v 的体系结构包括传感与通 讯模块、决策模块以及动作模块。 然后，提出了基于局部感知和有限通信的多a u v 编队控制方法。a u v 利用传感器进行局部感知，以完成a u v 之间的队形控制等底层协作。对于 局部感知无法实现的角色分配、队形变换以及信息交换等高级协调策略，则 依赖于a u v 之间有限范围内的通信。两种模式并行执行，不需要任何集中 控制器进行协调。在此基础之上，本文进一步提出了通信延时、通信失效以 及通信误码的解决方案，实现了a u v 个体只利用局部交互作用就可以形成 全局范围内的整齐编队。 最后给出了基于局部感知和有限通信的多机器人编队仿真实验，并进行 了相应的编队性能评估以及仿真结果分析，验证了该方法的可行性和有效性。 关键词：多水下机器人；群集智能；局部感知；有限通信；编队控制 a ni m p o r t a n tp a r to fa u vr e s e a r c h f o r m a t i o nc o n t r o li sa t y p i c a lp r o b l e mi nt h e c o o r d i n a t i o no fm u l t i p l ea u t o n o m o u su n d e r w a t e rv e h i c l e s ，研t hi m p o r t a n t r e s e a r c hs i g n i f i c a n c ea n dp r a c t i c a lv a l u e f o rt h er e l e v a n tf e a t u r e so fu n d e r w a t e r a c o u s t i cc o m m u n i c a t i o n , c o m b i n e dw i t hm o b i l em u l t i r o b o tc o o r d i n a t i o nm e t h o d s b a s e do ns w a r m i n t e l l i g e n c e ，t h e f o r m a t i o nc o n t r o lm e t h o do fm u l t i p l e a u t o n o m o u su n d e r w a t e rv e h i c l e sb a s e do nl o c a l s e n s i n g a n dl i m i t e d c o m m u n i c a t i o ni s p r o p o s e d o nt h e a p p l i c a t i o nb a c k g r o u n d o f m u l t i p l e a u t o n o m o u su n d e r w a t e rv e h i c l e sf o r m a t i o n , i no r d e rt os o l v et h eu n d e r w a t e r a c o u s t i cc o m m u n i c a t i o nd e l a y , c o m m u n i c a t i o nf a i l u r e ，c o m m u n i c a t i o ne r r o ra n d o t h e ri s s u e s f i r s t l y , t h er e s e a r c hs i t u a t i o no ft h ec o o r d i n a t i o no fm u l t i p l ea u t o n o m o u s u n d e r w a t e rv e h i c l e sa n dt h ea p p l i c a t i o no fm u l t i - r o b o tc o o r d i n a t i o nb a s e do n s w a r mi n t e l l i g e n c ea r ei n t r o d u c e d s e c o n d l y , t h es i n g l ea u va r c h i t e c t u r eb a s e do nd e c i s i o n - m a k i n ga n da c t i o n w h i c hc a nf l e x i b l ya d a p tt od y n a m i c a l l yc h a n g i n ge n v i r o n m e n ta n dt h ed i s t r i b u t e d a r c h i t e c t u r eo fm u l t i p l ea u t o n o m o u su n d e r w a t e rv e h i c l e sa r ed e s i g n e d 弧es i n g l e a u va r c h i t e c t u r ec o n s i s t so fa s e n s i n g a n dc o m m u n i c a t i o nm o d u l e ，a d e c i s i o n m a k i n gm o d u l ea n da na c t i o nm o d u l e t h i r d l y , t h ef o r m a t i o nc o n t r o lm e t h o do fm u l t i p l ea u t o n o m o u su n d e r w a t e r v e h i c l e sb a s e do nl o c a ls e n s i n ga n dl i m i t e dc o m m u n i c a t i o ni sp r o p o s e d a u v a c h i e v e sl o c a l s e n s i n gw i t hs e n s o r s i no r d e rt o c o m p l e t et h eu n d e r l y i n g c o l l a b o r a t i o ns u c ha st h ef o r m a t i o nc o n t r o lb e t w e e nt h ea u v s i td e p e n d so nt h e l i m i t e dr a n g eo fc o m m u n i c a t i o n sb e t w e e nt h ea u v sf o r t h e h i g h - l e v e l c o o r d i n a t i o ns t r a t e g i e ss u c ha st h er o l ea s s i g n m e n t , f o r m a t i o nt r a n s f o r m a t i o n , a n d i n f o r m a t i o ne x c h a n g ew h i c hc a nn o tb ea c h i e v e db yl o c a ls e n s i n g t w om o d e sa r e 哈尔滨工程大学硕士学位论文 - - i i ii _ 宣i i 宣i i i i i i i i i e x e c u t e di np a r a l l e l ，w i t h o u ta n yc e n t r a l i z e dc o n t r o l l e rt oc o o r d i n a t e o nt h i sb a s i s ， t h es o l u t i o n so fc o m m u n i c a t i o nd e l a y , c o m m u n i c a t i o nf a i l u r ea n dc o m m u n i c a t i o n e r r o ra r ef u r t h e rp r o p o s e d , 8 0t h a tt h en e a tf o r m a t i o nw i t h i nt h eo v e r a l ls c o p ec a n b ef o r m e db yt h ea u vi n d i v i d u a lo n l yu s i n gl o c a li n t e r a c t i o n sw i me a c ho t h e r f i n a l l y , t h es i m u l a t i o no fm u l t i - r o b o tf o r m a t i o nb a s e do nl o c a ls e n s i n ga n d l i m i t e dc o m m u n i c a t i o ni si n t r o d u c e d , a n dt h e c o r r e s p o n d i n gf o r m a t i o n p e r f o r m a n c ee v a l u a t i o n 嬲w e l l 勰t h ea n a l y s i so fs i m u l a t i o nr e s u l t si sp r o p o s e d , w h i c hv e r i f i e st h ef e a s i b i l i t ya n de f f e c t i v e n e s so ft h em e t h o d k e yw o r d s ：m u l t i p l ea u t o n o m o u su n d e r w a t e rv e h i c l e ；s w a m ii n t e l l i g e n c e ；l o c a l s e n s i n g ；l i m i t e dc o m m u n i c a t i o n ；f o r m a t i o nc o n t r o l 哈尔滨工程大学硕士学位论文 - l i i i i i i 宣i i i i i i i i i i 萱i i i i i 萱i i i i i i i i i i i i i i 目录 第1 章绪论1 1 1 引言l 1 2 多a u v 协调的研究现状2 1 - 3 群集智能理论研究”3 1 3 1 群集智能的概念及特点3 1 3 2 群集智能理论的研究现状4 1 4 群集智能在多机器人协调中的应用一6 1 5 课题的主要工作及论文安排”9 第2 章多a 1 - j v 体系结构及协调机制研究11 2 1 多a u v 体系结构研究1 1 2 1 1 单机器人体系结构1 1 2 1 2 多机器人系统体系结构1 3 2 1 3 基于决策与动作的分布式多a t n 体系结构设计一1 4 2 2 多a u v 协调机制研究一1 6 2 3 基于局部感知和有限通信的多a u v 协调机制”1 8 2 3 1 局部感知”1 8 2 3 2 有限通信“1 9 2 3 3 局部感知和有限通信相结合1 9 2 4 本章小结2 0 第3 章多a u v 编队控制研究2 1 3 1 多a i j v 的编队通信研究2 1 3 1 1 水声通信的特点2 l 3 1 2 多a l j 、r 通信方式”2 2 3 1 3a u - v 的局部感知模型2 3 3 1 4a u t r 的显式通信”2 4 3 2 多a u v 的编队通信策略研究”2 7 哈尔滨工程大学硕士学位论文 3 2 1 多a u v 的通信策略2 7 3 2 2b p 神经网络预测算法解决通信延迟问题3 0 3 2 3c r c 校验法解决通信误码问题3 3 3 3 基于角色分配的分组编队策略研究3 4 3 3 1 多a u v 的角色分配机制3 5 3 3 2 基于角色分配机制的多a u v 编队协调策略3 9 3 3 3 分组编队策略解决通信失效问题”4 0 3 4 基于局部感知和有限通信的多a u v 队形控制一4 4 3 4 1a u v 的运动学模型“4 5 3 4 2 队形保持行为的实现4 5 3 4 3 避障避碰行为的实现4 7 3 5 本章小结4 9 第4 章基于局部感知和有限通信的编队仿真5 0 4 1 仿真环境的建立5 0 4 2 环境模型51 4 3 编队仿真实验5 2 4 3 1 多a u v 通信内容”5 2 4 3 2 仿真实验”5 4 4 4 仿真结果分析6 0 4 4 1 编队性能评估6 0 4 4 2 实验结论6 1 4 5 本章小结6 3 结论6 4 参考文献6 5 攻读硕士学位期间发表的论文和取得的科研成果7 0 致谢“7 1 b 毫膏 哈尔滨工程大学硕士学位论文 第1 章绪论 1 1 引言 广阔的海洋蕴藏着丰富的资源，水下机器人是人类认识海洋、开发利用 海洋的主要工具之一。自主式水下机器人( a u v ，a u t o n o m o u su n d e r w a t e r v e h i c l e ) 是一种典型的水下机器人。这类水下机器人携带能源，依靠自治能力 控制和管理自己，以完成赋予它的各种水下任务。单个a u v 由于其自身的 限制已不能满足任务日益精确化、多样化、复杂化的新需求，a u v 正朝着小 型化、结构简单化、智能化、混合式和群体化方向发展。特别是多a u v 具 备一些单个a u v 所不具备的优势，如更高的容错性、鲁棒性、高效率作业、 可重构、分布式感知与协调、更广泛的应用领域等。多a u v 的协调控制技 术作为研究多机器人系统的重要内容日益引起国内外学术界的广泛关注。 自然界中生存着许多群居的昆虫和动物，如以集体力量进行觅食的蚂蚁、 合作筑巢的蜜蜂等，这些个体所表现的行为十分简单，但由它们所组成的群 体却能够通过相互之间的简单合作表现出一种有效的复杂智能行为。在自然 界的群系统中，个体间利用局部有限范围内的直接通信或利用环境进行间接 通信的思想大大减少了个体间的通信量，与此同时，群系统中的个体众多且 行为相同，即使部分个体失去行为能力，这些系统仍然能够继续运作，因而 表现出了良好的灵活性和鲁棒性。受到社会生物学的启发，人们从群居昆虫 和动物相互之间协调合作的工作原理及规则中得到启示，提出了一系列基于 这种智能的新算法来解决现实生活中的一些复杂问题，这就是群集智能技术。 群集智能技术具有个体简单性、独立性、灵活性、强鲁棒性、可扩展性、通 信量小和协同工作机制等优点。本文从群集智能思想的优良特性以及水声通 信自身特性的严重限制出发，研究将群集智能思想应用于多a u v 系统的方 法，以此来解决存在于多a u v 系统中的诸多难题，例如a u v 数量的增加造 成通信量过大，水声通信的延时、失效、误码等固有限制会导致难以有效地 完成系统任务，个别机器人出现故障会较大程度地影响到全体机器人任务的 完成，以致最终造成整个a u v 系统的失败等。 1 哈尔滨工程大学硕士学位论文 1 2 多a u v 协调的研究现状 多a u v 系统研究中的一个重要问题就是如何实现各a u v 之间的协调， 但其工作环境的特殊性为多a u v 的协调研究带来了很大挑战。首先是水声 通信的不可靠性( 偶然失效) 和大延时特性为多a u v 的协调实现带来一定困 难，其次是在研究过程中a u v 复杂的动力学特性不容忽视。世界各国在过 去的十几年里已相继开展了多a u v 协调技术的相关研究。 美国、加拿大、英国、日本、俄罗斯以及中国等国家，都成立了专门的 机构或者在高校里成立实验室研究a u v 技术。其中美国海军研究生院的自 主式水下运载器研究中心对多a u v 通过协调来实现雷区探测和清除的问题 进行了研究【l j 。麻省理工学院海洋机器人实验室就多a u v 协作标图进行了研 究【2 】。缅因州州立大学研究了多a u v 间的通信以及协作问题 3 1 。日本东京大 学的水下机器人应用实验室开发了t w i nb u g g e r 系列机器人以及多a u v 仿真系统 4 1 。e d w a r df i o r e h i 等在蒙特里海湾进行了多a u v 互相协作的研究 演示实验1 5 j 。g h a b c h e l o o 提出了一种多a u v 在通信失效和时间延迟情况下协 调进行路径跟随的控制方法 6 1 。国内在这一领域已开展了起步性研究，中科 院沈阳自动化研究所设计了基于局域网的多a u v 仿真系统【7 1 。哈尔滨工程大 学水下智能机器人技术重点实验室初步开发了能够进行多a u v 协调路径规 划的仿真环境【8 】。冯卫星提出了一种水下群微型机器人通过协调实现聚集、 编队和集群行为的新算法，该算法利用几条简单的规则，使群机器人的集群 行为表现出了复杂的智能以适应环境【9 】。这些研究机构开展的相关工作都为 推动多a u v 技术的发展做出了贡献。 多a u v 的编队问题是多a u v 协调中的一个典型问题。目前实现编队的 主要方法有：行为融合方法、虚结构方法、产生式方法、强化学习方法等。 r o b e r te n g e 等使用扩展的卡尔曼滤波器进行三角定位来解决声音通信的难 题，使得机器人能够获得其他机器人的位置信息，有效地实现机器人的编队 效果【l o j 。t b e a n 等在水下机器人海洋数据搜集任务中研究了依赖水下通信的 机器人协调方法，系统的通信范围为全部机器人，机器人之间的通信周期为 3 0 秒【n 】。他们采用基于行为的控制结构，并为系统动态地分配领队机器人， 2 哈尔滨工程大学硕士学位论文 参与实验的五个机器人能够有效地产生编队、机器人替代、转向兴趣点、领 队转换和行为部署等操作。吴小平等提出了一种用于多a u v 队形控制的新 方法，该方法以领航者来确定整个a u v 编队的前进状态，同时，领航者和 跟随者都被赋予一定的行为特性以实现奔向目标、队形维持、队形转换及障 碍避碰等功能【1 2 1 。此外，考虑到领航者在行进过程中有可能会发生意外而导 致任务失败，该方法设定了一个特殊的跟随者作为候选领航者。 多a u v 协调与合作系统从兴起至今发展极为迅速，尽管各主要研究机 构已经开展了大量工作，但目前对其协调机制、体系结构还缺乏一个系统的 理论指导，并且对通信延迟、失效、误码等问题还没有一个良好的解决方案， 尚有许多待解决的理论和技术问题。由于a u v 的一些固有限制，已有的工 作主要处于理论研究和仿真阶段，真正将该技术应用于实体a u v 平台的研 究还比较少。相比于移动机器人，水声通信是多a u v 间进行直接通信的唯 一手段，多a u v 的编队控制是否有效仍很大程度上依赖于水声通信的效果， 从上述研究方法可以看出，目前的研究还没有很好地解决a l r v 通信中通信 延时或者失效等问题，而给a u v 的应用带来了很多不便。 1 3 群集智能理论研究 1 3 1 群集智能的概念及特点 群集智能( s i ，s w a r mi n t e l l i g e n c e ) 是受自然界生物群体社会性行为启发而 产生的概念，它是指简单个体通过局部交互所涌现出的不可预见的全局智能 行为的特性。系统中的个体仅在局部感知能力下，通过同其他个体以及环境 的交互实现复杂的行为模式。蚂蚁、蜜蜂等群居昆虫，以集体的力量进行筑 巢、觅食、御敌，个体的行为都很简单，看上去是盲目与随机的，但当它们 一起协同工作时却能够“涌现 出高度复杂的智能行为。自然界中的鸟类及 鱼类等社会性动物通过个体的局部感知产生聚集行为，在集群过程中个体可 以平滑、快速地运动，不会发生碰撞，其协调行为都是通过相邻个体之间的 局部直接交互或者个体与环境间的间接交互实现的。生物界中的大量种群存 在着群集智能现象，例如：蚁群搬运食物，大雁排成“人”字队形，鱼群及羊 3 哈尔滨工程大学硕士学位论文 群的群聚行为，如图1 1 所示。群集智能利用群体的优势，在没有集中控制、 不提供全局模型的前提下，为寻找复杂问题的解决方案提供了新的思路。 ( 8 ) 蚁群搬运食物( b ) 大雁排成“人”字队形 ( c ) 鱼群群聚( d ) 羊群集群 图1 1 生物群体的群集智能现象 群集智能系统具有如下特点：( 1 ) 具有较强鲁棒性，个体失败不影响整体 任务的完成；( 2 ) 个体比较简单，能力有限，但可以通过协作解决复杂问题； ( 3 ) 具有扩展能力，使用的控制机制不依赖于群中个体的数目；( 4 ) 具有灵活性， 群体可以适应随时变化的环境：( 5 ) 具有独立性，群体中的个体活动不受中央 控制，也不受局部监管；( 6 ) 通信量较少，个体利用所处的局部环境感知来决 定下一步行为，降低了通信量；( 7 ) 采用协同工作机制，个体具有一定的改变 环境能力和系统自调节性；( 8 ) 群体中相互合作的个体是分布的。正是由于群 集智能的这些特点，使得个体通过简单的自我组织，以及与其他个体的互动， 即可形成复杂的具有较高智能的群体行为。 1 3 2 群集智能理论的研究现状 群集智能算法是模拟自然界生物群体行为而构造的随机优化算法，近年 来受到了广泛关注。目前已经有蚁群算法、粒子群算法、鱼群算法以及混合 蛙跳算法【1 3 - 1 6 】等。y a ny a n g 等提出了一种分布式集群算法，该算法能够实现 4 哈尔滨工程大学硕士学位论文 i i i i i i i i 宣i i i i 置i i i i i i 宣i i i i i i i i i i i i i i i m ,j：t i ti i i i i i i i 宣i i 宣宣毒 个体与其近邻之间的避碰，以及个体与障碍物之间的避障【1 7 】。近年来，也有 文献报道了群集智能的建模和仿真方面的工作【1 8 】【1 9 1 。 除了对群集智能算法的研究，人们通过对成群结队、能够保持高度步调 一致的蚁群、鱼群、鸟群以及拥挤街道上的行人流等生物群体整齐而有序的 运动进行观察，总结出了蚁群觅食模型、鱼群、鸟群和行人流模型。研究动 物集群行为十分著名的模型是r e y n o l d s 提出的类似于鸟群和鱼群运动的 “b o i d ”模型，该模型描述了单个“b o i d ”基于位置和邻近个体的速度进行分 离、内聚和排列运动的三条规则：( 1 ) 避障规则：尽量避免与邻近个体过于拥 挤，如图1 2 ( a ) 所示；( 2 ) 对准规则：尽量与邻近个体的平均方向、速度一致， 如图1 2 ( b ) 所示；( 3 ) 聚集规则：尽量朝群体的中心移动，如图1 2 ( c ) 所示 2 0 】。 避障规则会对将发生的碰撞产生避绕行为，对准规则可以使个体间隔在当前 群体几何形状的前提下保持近似不变，两者的结合起到互补作用，可以使个 体在拥挤的群体内自由移动，而不会发生碰撞。由于个体只能感知到局部信 息，聚集规则使得个体趋向的群体中心实际上是邻近个体所构成的子群体中 心。只要每个“b o i d ”都遵守这些局部交互规则，就可以实现群体行为的涌 现，而不需要组织者，该模型为群体机器人运动层协调提供了有力参考。 ( a ) 避障规则( b ) 对准规则( c ) 聚集规则 图1 2b o i d 模型的个体行为规则 在行人流模型中，处在行人流中的行人主要有以下两种行为：( 1 ) 排斥( 避 障) ：当两个个体或个体与墙壁相距很近时，他们需要通过减速和转弯来避免 碰撞；( 2 ) 吸引：个体应跟随与其到目标运动方向一致的个体，当与前方个体 相距很远时会提高速度【2 1 】c 2 2 】。目前国内外多是从多a g e n t 系统出发来研究群 集智能系统，并假定多a g e n t 系统中的每个个体能够感知环境，包括自身和 其它a g e n t 对环境的改变。a g e n t 间通过感知环境变化来彼此间接通讯的方 5 哈尔滨工程大学硕士学位论文 式被称为“s t i g m e r g y ，即行为是在局部环境中受到此前一系列行为影响所 产生的产物，是群体智能模型中的常用方式。 1 4 群集智能在多机器人协调中的应用 近年来关于群集智能应用于多机器人系统方面的研究得到了越来越多的 关注，有关的会议有两年一度的s w a r mr o b o t i c sw o r k s h o p 会议等。国外在这 方面的起步较早且发展很快，早期的研究主要以仿真为主，但近年来的研究 更强调实际的物理实现。比较有代表性的典型系统包括：瑞士联邦理工学院 的“舢i c e 系统、d r m a r c od o r i g o 主持的“s w a r m b o t s 系统、h e i n z w b m 主持的“i - s w a r m ”系统、d a v i dp a y t o n 主持的“p h e r o m o n er o b o t i c s 系统、 斯图加特大学的“j a s m i n em i c r o r o b o t s ”系统以及宾夕法尼亚大学的“c l o d b u s t e rr o b o t s 系统等，如图1 3 所示1 2 3 - 2 7 。其中，“s w a r m b o t s 系统的控制 原理启发于社会性动物的群体行为，用光或声信号作为刺激实现多个机器人 的聚集、合作运输、编队、自适应任务分配、自构建、探测等行为。“i - s w a r m 系统的控制原理是使用规划、机器学习、多a g e n t 系统的知识和方法制造出 上千个极微小的廉价机器人，以使他们在一个小世界中( 如生物体内) 从事一 些通过一个或少数机器人无法完成的集体任务，如装配、清洁等。“p h e r o m o n e r o b o t i c s 系统的控制方案是设置一种虚拟信息素来仿效生物信息素扩散的消 息协议，机器人的行为取决于信息素的梯度，该梯度可使机器人之间产生吸 引力或排斥力而使机器人发生移动。 在模仿生物群体中利用信息素进行交互方面， r y u s u k ef u j i s a w a 等模仿 蚂蚁在猎物和巢穴间释放信息素，并通过检测残留的信息素踪迹来寻找猎物 的原理，提出了行为算法，利用信息素进行多机器人通信，设计了一个群集 行为的仿真程序，开发了命名为a r g o s 0 0 的多机器人系统并进行了相应实 验【2 踟。这实际上意味着多机器人可以像蚂蚁那样通过信息素踪迹来实现化学 的、间接的和局部的通信功能。 在分布式协调方面，n i m am o s h t a g h 等提出了一种受生物启发的分布式 协调方案，该方案基于一套配备视觉传感器的移动个体的最近邻交互作用而 不需要全部个体间的显式通信，产生了运动个体的集群行为 2 9 1 。b r i a ns h u c k e r 6 哈尔滨工程大学硕士学位论文 等提出了一种锐角交换算法，该算法除了支持与邻近个体的交互外，还支持 少量的远距离交互，并通过仿真证明了该算法的有效性和鲁棒性【3 0 】【3 1 1 。 ( a ) “a l i c e ”系统 ( c ) “i s w a r m ”系统 ( b ) “s w a r m b o t s ”系统 ( d ) “p h e r o m o n er o b o t i c s ”系统 ( e ) “j a s m i n em i c r o r o b o t s ”系统( f ) “c l o db u s t e rr o b o t s ”系统 图1 3 基于群集智能的多机器人系统 队形控制是在现实世界中实现多机器人系统协调的第一步。在队形控制 的研究方面，g e u n h ol e e 等提出了一种能够使多机器人系统通过团队合作共 同完成一项任务的队形控制方法【3 2 j 。该方法假设一组机器人参加弱通信条件 下的编队过程：没有预先确定的l e a d e r ，没有唯一的个体编号和共同的坐标。 机器人只通过测量其他机器人的中心点商定一个共同的协调制度并被分配编 号，这样机器人就能够产生不同的编队模式，并能依据环境或任务需要转变 编队模式。这种具有分布式、自组织和鲁棒性特点的算法通过四个实体机器 人组成的系统得到了验证。随后g e u n h ol e e 等又提出了一种适用于大量自治 7 哈尔滨工程大学硕士学位论文 机器人的运动规划框架，该框架能够使机器人自适应地形成一个任意几何形 状的域【3 3 1 。这种邻近机器人之间的局部交互算法能够使大规模的机器人群体 自组织成不同的二维平面。他们通过观察其传感范围内的其他机器人而与两 个动态选择的邻近机器人进行相互作用，基于形成等边三角形的几何方法， 该机器人群能够均匀的自我部署并适应未知的环境，具有分布式，自组织和 自稳定的特点。y o s u k eh a n a d a 等提出了一种新型的针对大规模机器人群的集 群策略，该策略基于对金枪鱼群游泳行为的观察，把其独特的行为模式运用 到机器人群体形状的自适应中，能使机器人在适应环境变化的同时驶向一个 目标【3 4 】。根据环境中存在障碍物的情况，机器人群可以自主地分离为多个团 体或者重新联合成一个整体。仿真结果表明多机器人系统在通过多个狭窄通 道时可以实现队形分离，队形恢复以及队形保持的过程。f r e d s l u n d 等以仿真 和实体机器人的形式实现了基于局部感知和最小通信的机器人编队，该算法 的主要思想是每个机器人利用传感器来获得一个指定f r i e n d 机器人的角度和 距离信息，保持该f r i e n d 在传感器视野的中心，以适当的角度和距离跟随该 机器人，这也使得队形间的变换变得更加容易【3 5 】。s a a d 等提出了一种自治移 动机器人进行编队的分布式算法，该算法基于红外线发送和接受的视觉方法， 系统中既没有全局信息，也没有预定的l e a d e r ，而是通过成员间的局部交互 实现全局行为 3 6 1 。邻近机器人的距离和角度能够通过这种发射和接受装置得 到测量。它能够使每个机器人看到所有其他的邻近机器人。k h u r s h i d 等提出 了一种利用局部感知和最小通信实现机器人编队动态增长的方法【明。 我国在基于群集智能的多机器人系统研究方面起步较晚。为了实现更高 的效率和稳健性，y a h m e n g 等提出了一种受生物启发的借助于虚拟s t i g m e r g y 的局部交互( l s ) 协调方法【3 引。这种新的启发式搜索把基于s t i g m e r g y 的自 催化机制和经由局部交互的粒子群优化认知能力机制集成为一种有效的方 法。该l i v s 算法具有以下特点：( 1 ) 机器人独立、异步而且并行行动，不保 持全局模型；( 2 ) 无论动态环境如何改变，机器人都使用一种简单的控制算法； ( 3 ) 机器人只能通过与近邻进行通信来共享信息。l i v s 系统的这些特点使多 机器人系统能够适应动态变化的环境。随后y a hm e n g 等在原有l i v s 方法的 8 哈尔滨工程大学硕士学位论文 基础上又提出了一种自适应的l i v s ( a l r v s ) 1 3 9 】。该方法不仅考虑了旅行费 用和目标重量，还预测了目标与机器人的比率和关于被检测目标的机器人冗 余，每个机器人仅通过虚拟s f i g m e r g y 机制与其邻近个体进行通信并且基于 粒子群优化算法做出局部运动决定。丁滢颍等提出了一种基于蚁群算法的多 机器人任务协作策略，使得多机器人系统可以在未知环境中自主进行协作规 划，并能防止任务死锁m 。林凤涛基于多机器人协作的动态优化联盟机制及 蚁群算法的并行工作策略和自组织原理，将蚁群算法应用于多机器人的任务 协作【4 l l 。韩学东等研究了多智能机器人编队包围捕获“入侵者 的合作问题 【4 2 】。系统中的各个机器人地位相同，不存在中心智能机器人，只进行局部通 信，所提出的通信机制和协调机制保证系统不会产生冲突。王醒策对多机器 人的行为能力和群体交互方式进行了研究，提出了多机器人的意图一行为结 构，研究了机器人行为设定机制和基于信息素的通讯机制，得出了该结构具 有分布式控制和分散数据量特点的结论 4 3 1 。薛颂东等将机器人抽象为封闭二 维空间的运动粒子，机器人与控制器综合抽象为一阶惯性环节，给出了机器 人的感知函数、邻域结构及初始化区域的定义，以此为基础进行虚拟多机器 人搜索【删。针对机器人的最大运动速度和质量惯性等约束，交替施加螺旋控 制以发现信号线索；施加扩展微粒群控制进行目标搜索。通过改变通信距离 和感知范围进行了仿真实验，结果表明了该控制策略的有效性。 综上所述，将群集智能应用于多机器人系统的研究比较多，但是将其应 用于多a u v 系统协调研究方面的比较少，而且这些研究都是假定系统有完 善的通讯能力以及良好的视觉传感器，而忽略了通讯中可能存在的一些问题， 如通信延时、通信失效、传输误差等。因此，针对在多a u v 系统协调过程 中出现的通信延时、通信失效以及a u v 不能用视觉传感器等问题，基于群 集智能思想，研究适用于非视觉的多a u v 系统的协调机制十分必要。 1 5 课题的主要工作及论文安排 多a u v 协调机制的研究是多a u v 投入实际使用的必要基础，具有较高 的研究和实用价值，但是目前对该机制的研究都依赖于陆上良好的通信手段。 由于水声通信的固有限制，将其完全应用于水下并不现实。国内外都是刚刚 9 哈尔滨工程大学硕士学位论文 开展这方面的研究工作，对于解决弱通信条件下多a u v 协调方面的研究工 作较少。本文针对水声通信延时大、误码率高等限制，结合基于群集智能的 移动多机器人协调方法，对a u v 利用自身的水声通信装置进行信息交互、 实现协调工作的方法进行分析，开展了在弱通信条件下适合于多a u v 系统 协调机制的研究。依据研究目标，可以将课题的主要工作分为以下几个方面： ( 1 ) 设计了适用于多a u v 系统的单a u g 体系结构和分布式的多a u v 体 系结构。 ( 2 ) 以编队任务为背景，借鉴群集智能思想，设计了基于局部感知和有限 范围通信相结合的多水下机器人协调机制，分别对水声通信的传播延时大、 通信失效以及高误码率等问题提出了解决方案。a u v 利用传感器进行局部感 知，获取周围有限范围内环境中的障碍物以及其他a u v 的位置信息，以完 成a u v 之间的队形控制等底层协作。对于局部感知无法实现的角色分配、 队形变换以及信息交换等高级协作策略，则依赖于a u v 之间有限范围内的 通信，以便使多a l r v 之间进行更加有效的协调。局部感知和有限通信两种 模式并行执行，通过环境的局部感知可以减少信息量进而弥补显式通信的缺 陷，而通信信息与局部感知的有机融合，可以提高多a u v 系统的性能，使 其更加有效地完成编队任务。 本文共分为四章，按如下方式组织： 第2 章：为解决多a u v 在全局环境信息难以获取情况下的运动规划问 题，并使个体a u v 能够快速、灵活地响应动态变化的环境，对现有的单机 器人体系结构、多机器人系统体系结构以及多a u v 协调机制进行研究，设 计了基于决策和动作的分布式多a u v 体系结构以及基于局部感知和有限通 信相结合的多a u v 协调机制。 第3 章：以多a u v 编队为任务背景，基于局部感知和有限通信的方法， 提出了多a u v 的角色分配机制，并针对水声通信存在的通信延时、通信失 效以及误码问题，分别提出了相应的解决方案。 第4 章：给出了基于局部感知和有限通信的仿真实验，并进行了相应的 编队性能评估以及仿真结果分析。 1 0 哈尔滨工程大学硕士学位论文 j i ii li ii i i i i 宣宣i i i i i i i 第2 章多a u v 体系结构及协调机制研究 控制多a u v 要比控制单a u v 复杂得多，这不仅仅是因为增加了a u v 的数量，更重要的是需要使多a u v 之间进行一定的协调与协作，以便更好 地实现多a u v 系统的优势，所以迫切需要对其协调机制进行研究。多a u v 的控制需要解决两个重要技术问题：适合于多a u v 系统的体系结构以及相 应的协调机制。 2 1 多a u v 体系结构研究 为实现多a u v 的协调与协作行为，多a u v 系统必须依赖于某种体系结 构。体系结构是指机器人系统内部硬件、软件的组成结构、功能分配和管理 方式，是确定一个机器人系统的智能结构和逻辑上的计算结构，它决定了多 机器人系统的整体行为能力和运行效率。 2 1 1 单机器人体系结构 在多机器人系统中，个体简单性十分重要，主要体现在个体的体系结构 上。简单的控制结构不仅具有快速响应动态环境的灵活性，能够提高系统可 靠性，而且由于简单性大大降低了系统成本，使得大量个体的群集成为可能。 机器人的体系结构目前主要分为两种：慎思型控制结构和反应式控制结 构。慎思型控制结构的特点是：机器人的动作是根据环境感知、任务要求进 行复杂推理计算而产生的，因此要求机器人具有功能强大的分析处理能力、 精确可靠的感知功能和执行能力，这在机器人的实际工作环境中很难做到。 这种结构需要复杂的知识库来表示环境模型，如果规划所需要的环境信息不 完整，将导致灾难性的动作。而反应式控制结构正好相反，它将感知和动作 紧密联系在一起，不需要环境模型的抽象表示。利用群体智能的重点就在于 使用尽量简单的、反应式控制系统。基于行为( b e h a v i o r - b a s e d )