[机械模具数控自动化专业毕业设计外文文献及翻译]【期刊】协同多车编队铲雪应用于机场-中文翻译

协同多车编队铲雪应用于机场 作者： 马丁赫斯马丁 saska克劳斯先令 收到： 2009 年 1 月 3 日接受： 2009 年 6 月网上公布： 2009 年 2 月 3 日、施普林格出版社 2009 本文中 ,我们提出一个框架 ,适用多个组自主雪犁机器人有效地把雪从机场中清除。主要的想法是暂时的联盟形式的车辆 ,其大小取决于宽度的道路清洁。一个联盟式的机器人然后在形成和完成分配全面安排清扫任务。摘要雪铲划分的问题在任务分配和运动协调。我们提出一个多代理的任务分配方法用于机场的动态环境。运动协调部分着重于生成车辆的运动轨迹形成基于的输出任务分配模块。此外介绍了一个具体的反馈控制器 ,实现最优横向地道路即使在急转弯覆盖。所有组件以及完整的系统已经在各种模拟验证。此外 ,运动协调方法进行了测试实验室硬件实验。 关键词：合作全面、多车系统、任务分配、运动控制运动规划。 1 引言 在冬季大雪天气对机场的工作流程有着很大的影响。空中交通需要不时被打断以扫掉机场的雪。这是至关重要的，因为雪是潜在的启动和着陆飞机的风险。今天的轨道机场通常是利用一个舰队从雪中解放出来的人力驱动的扫雪机。最近的技术进步移动机器人领域可以建立一个多车辆由自主扫雪机组系统这项任务。通过安排车辆的形成和应用协调的任务分配这样的系统可以显着减少的时间被中断的机场交通。相关清扫方法缺乏鲁棒性和依赖，使他们无法使用机场问题的简化笼统的问题（参见 18,20,26,33 ）。 在本文提出的框架中，我们利用自主式汽车的编队。大多数编队控制方法可分为三类主要分支：虚拟结构，行为技术，和头目的方法。在虚拟结构的方法中整个形成被视为一个单一的刚性结构每辆车适用于某种控制，以便追踪所需的轨迹，同时保持刚性结构 7、 21。在基于行为的方法（参见 5,23）每个代理遵循多个目标（行为）和实际控制是派生的加权平均，其中权重是分配的每一个的重要性任务 22,28。在领导的方法，一个或多个虚拟机器人可能指定为领袖跟随。机器人试着在形成相对的位置保持他们的位置到领导车辆。对于这种领导的配置通过无线通信或发送给追随者它可以通过主动传感 16手段获得。 Kurabayashi 等人合作的问题解决通过生成一个路径为一个机器人 ,这是 然后分段和分布式车辆 20。的同一组扩展机器人的能力的方法搬迁活动障碍(4、 19)。相比之下 ,瓦格纳等人提出了一个像蚂蚁战略合作清洁的一个未知的非凸网格地图区域 33。齐次机器人与数量有限的记忆只追随当地规则 ,使该方法分散。另一个分散的方法使用一个在线协商机制来解决任务共享提出了27。作者对这个市场策略假设所有的沟通。在 18作者使用分区算法 ,把区域清洁到有限数量的多边形。然后在机器人以分散的方式分配。这两个 ,确定分区和他们的任务完成在清洗。罗等人开发了一个实时的方法基于生物激励神经网络机器人将其他机器人移动障碍 (25、 26)。的全面的动态材料研究 3。在这里它假定 ,材料清洁内传播基于网格的地图。在 2作者提出一个分解清扫任务的分区的区域应该是清洗。该方法的特点是其重点可实现性 ,证明了在一个实验真正的机器人。 突出合作清扫的问题机场，铲雪的任务产生的一些问题在这方面还没有得到解决。该方法在下面描述的考虑通常的扫雪机的非完整运动学以及犁铲的位置和方向。此外，工作空间更为结构化的机场环境。另一个问题在于，上述所有方法都是这样的缺乏对环境的突然变化做出反应的能力，这对鲁棒和安全的执行是非常重要的清扫过程。 首先，要解决的第一个问题是给每个任务分配一个任务扫雪机在清理机场的部分。由于部分路段在急救情况下清洗可以是危险的，我们要求的主要跑道以及辅助道路清理一次一个足够大的车辆群。因此，我们避免强迫着陆飞机以及救援和消防车 1 在我们的情况下，这些都是“铲雪犁。面对不规则的雪面。利用任务分配方法适用于简单的启发式算法和算法为了系统地探索解决方案的一部分。这一战略提供了快速反应，可能缺少的最优性的费用。因此它允许任务列表在线计算和调整的飞行，例如，以对不可预见的事件作出反应。 然后，子是如何翻译的指示从任务列表到低电平控制的命令的车辆。为此，我们利用一种方法，构造可追踪轨迹的参考点（领导者）的扫雪机编队。要跟踪这些轨迹与编队，我们采用一个领导者的方法，保持曲线坐标系中的布置。在最低级别的控制每个机器人实现反馈跟踪其个人期望轨迹与其铲导致最佳横向安装点道路覆盖。 所开发的方法已被广泛地测试各种模拟，以及在实验室硬件实验。法兰克福国际机场，这是一个欧洲最大的机场被选为测试场景对于建议的任务分配算法。但由于这种方法不依赖于特定的机场结构，它可以很容易被应用到其他机场。 本文的其余部分组织如下。 2 节 概述整体铲雪系统在教派的言论中。 3 节 我们描述了任务分配方法的设计。在此之后，我们引入合适的运动车辆编队中的协调技术。 4 节 从硬件实验和模拟结果在教派的言论中。 5 节 最后，我们给出了一些结论教派的言论。 6 节 。 2 系统概述 在这一节中，我们描述了我们的方法的系统结构。我们决定依靠中央监督系统的高层次协调。主要原因这是安全的，因为中央指挥中心有一个完整的整个系统概述。单一故障点问题，它来自一个单一的指挥中心，可以解决了一个或 2 个冗余命令中心的单位以失败为例。集中方法的另一个原因是，机器人的工作空间是好的已知的尺寸和结构。因此，可扩展性提供了一个分散的方法与代理交换地图等部分没有必要。另一个缺点一个分散的系统将是额外的时间需要对于清扫过程，因为任务分配必须依靠关于更少的信息。 一百二十三英特尔服务机器人（ 2009） 2:205217207 建议计划的最高水平（见图 1）分为 2 类单位。第一个，我们称之为指挥中心，负责中心任务。另一种单元（表示为形成的块编队米）代表当前星座的车辆每单位对应一个地层。这些单位，这是从指挥中心的大部分的时候，主要是负责分配任务成适当的编队运动。 指挥中心的核心是任务分配利用双数据结构的模块：图和图。地图结构包括需要清洗的区域的边界的矢量化表示。它包含了已知的障碍，以及用于构造参考轨迹的坐标对于扫雪机编队。图数据结构从地图上从地图上通过指定每个节点来准备每一条道路的交叉和边缘。此外，我们分配 2 个数字的图形的边：首先是等于犁数的整数用于清扫的道路和秒数量等于道路的长度，这是假定成正比的必要的清洗时间。这些价值观由任务分配模块使用，以便生成一个合理的输出。此外，我们分配一个标志，每个边缘，标志着已经清理道路。与之形成对比的是静态图，图结构可以由一个人调节可能关闭和重新打开特定道路段的操作员根据目前的机场交通。还犁的检测在机场的一个障碍是为了更新图形结构。对于本文所描述的实验都手动创建结构。尽管如此，它也应该应用图像自动生成它们航空摄影或蓝图的处理技术机场的。 目前的图形结构被用作输入的任务分配模块，将详细描述教派。 3.任务分配模块的执行步骤引发，只是完成了扫雪机（或失败）他们目前的任务，所以他们正在等待新的指示。除了图形，模块维护实际的计划所有联盟，以及每一条道路的优先级设置取决于机场的交通，以及在降雪强度。请注意，在详细研究的优先级设置在这篇文章中，但关于这个主题的进一步信息可以在 30中发现。 在编队单元中，负责机器人负责在每个开始时生成一个参考轨迹任务。这是从所收到的信息的任务分配模块和适当的坐标地图结构。领导机器人只是一个指定机器人的形成，通常是在前面的单位。除了铲雪的领导者作为一个连接在它的形成和指挥中心之间的机器人。它通知指挥中心探测到的障碍，完成或中止任务，以及需要额外的机器人故障补偿。注意的是领导机器人这并不意味着在形成运动方面是参照点，在它的作用像其他机器人的组。个人控制输入，以遵循参考轨迹，同时保持的形成由每个从动件分别计算，其中的领导者机器人提供同步信号。其结果是，编队单元从命令中心是独立的的时间。关于运动协调的进一步细节将介绍在教派。 图 1：完整的计划铲雪系统。这个箭头表示通信不同的链接模块图 地图 任务配置 一。 I.1 机器人、 I.2 机器人、 I.3 我机器人 二。 I.1 机器人、 I.2 机器人、 I.3 我机器人 三。 M 机器人、 M.1 机器人、 M.2 机器人毫米 3 任务分配 系统中的最高推理层次是一个算法为自治扫雪机序列的清洁任务的设计。任务分配方法开发自主式多车积雪的具体应用基于犁铲形成临时的联盟对于每一个具体的任务。这条路线的决定是清洁机器人是基于启发式方法结合部分探讨的解决方案树。有没有保证，这种方法找到全局最优解，但事实上，决定立即作出允许机器人对环境的突然变化作出反应。在本节的其余部分中，我们给出一个简短的概述相关工作之前，我们描述的基本思路对所提出的任务分配方法（参见 30）。 3.1 相关工作 根据任务分配的常用分类方法在多机器人系统中发表在 13的上述问题是st-mr-ta：单机器人，多机器人任务，时间扩展分配。意思是每个机器人他有能力在一次执行一项任务，这意味着任务需要多个机器人和助教的信息未来的规划是可用的。这一类的任务包括联盟的形成和调度，它属于类 NP-hard 问题（参见 12）。合作的例子联盟的形成可以在 1的基础上找到组织用于指导形成过程。此外，强化学习技术应用于增加作为代理人获得更多经验的地方决策的质量。一个本地的学习策略，用于改善传感器网络代理的聚合性能也已被用于在 8。 另一种设计用于侦察场景的方法，在一个团队的侦察机器人观察几个领域的利益，解决了任务分配问题，使用以市场为基础的战略 34。在调查的情况下，每个区域可以从一组观测点看，从而使任务分解。相反，我们的算法的每个任务不一定需要一次完成，但在同一地区的不同观测点随后可以访问。与我们的工作有关的方法是解决问题的方法在 32，在那里一个机器翻译问题调查。目标是分配机器人团队的某些任务，如：系统的整体效率最大化。要实现这一，作者使用启发式寻找近似的解决方案和调整了他们的应用程序在盒子推，房间清洁或哨兵的应用。我们的贡献之一方法是设计适当的启发式相结合有了部分扩展的解决方案，从而产生局部针对特定任务分配问题的最优解。 3.2 启发式 在我们的方法中，我们使用一个多代理的方法来描述该犁的行为。在任务分配模块中形成单元被认为是一个对象（代理）分配任务。当一个清洁任务完成时，相同代理只能用于另一条道路，如果数量犁仍然是足够的。如果需要一个更大的群体新任务，代理必须要求的其余机器人帮助。相比之下，如果下一条路要走的话，就要走一条更窄的路犁将提供给其他代理。 现在要决定哪条路应该被代理人扫走是这一方法的重要组成部分。在第一步，一个排序列表是包含所有未清理道路产生（任务）按距离的距离从目前的平均位置怠速犁到路口的相应道路清扫将开始。在第二步，自由机器人被分配给最优先的道路。这我们选择了第一条从它的路，那里是最大的整数满足 N1i frinW在这里， Wi 表示需要完成犁数我的任务在 LT 和 NFR 表示机器人的数量，目前是免费的。 2 之后，免费的机器人被分配给团体网络连接 ） ）（ ， jiFij1.Ni tmeaxm我是最小的，其中， j 表示犁 J 所需要的时间从它的实际位置移动到道路的开始。因为在每一个任务分配步骤 1 项从列表中删除未清理的空道路，它是保证没有道路将被省略清洗过程。该列表的排序规则，该规则确保，怠速车辆的平均距离，到下一个未清理路是最小的，一般的概率，降低了犁必须在他们继续扫前走远。 该方法的解决方案是最佳的相对于所使用的信息，但从全球的角度来看，它可能不理想，因为它显示在 30。一种改进的通过选择最有前途的方法，可以实现的方法在一个确定的解决方案，因为它将被描述在教派。 3.3 探索解决的空间 通过对任务指标和排序后的列表中将与指标指数最低的相同和元素定是决定性的。请注意，仅用于规划的第一个电信组从 L 将使用，其中的数字是一个输入的依赖于可用的计算能力的算法。如果我的元素的数目的是小于从最小二乘将用一个例子来说明这个例子每个任务从列表中 LT=（ A1、 B2、 C3、 D4）需要完全一个犁（下标对应于任务的索引排序表）。 我们进一步假设只有 2 个犁扫现在足够。因此我们 s=（ AB3， AC4， Ad5，BC5， B C D6， D7）。很明显，在一般的树不能被探索，但由于启发式描述。 3.2这是没有必要的，因为最有前途的解决方案将是首选。 在扩展任务分配的第二步中的任务，必须从第一个元素的。因此，我们设计了一个决策过程，是基于部分勘探可能的解决方案的树。要解释我们在场景中所看到的方法的思想图 2 中所示，在那里探索树的步骤解决方案如图 3 所示。对于这个例子，我们假设有两个机器人， BT=3，和 DT=2，对应探索的深度的子树。像 BT、 DT 的价值应选择与可用的计算功率。 树的描绘在图 3A 反映的开始决策过程。两犁位于初始节点 1 和决策过程的列表是 LT=（ A1， B2， C3， D4， E5）和 LS=（ A1， BC5， E5， BD6， CD7）分别初始状态是扩展和以下 DT 的水平。探索在最低级别的子树的状态浪费时间最短（ 34）选择。如果有多个同样浪费时间的国家，其中一个是随机的被选中的 .现在除雪车可以继续到下一个状态向一个与最低的浪费时间。一旦未来状态（ 22）达到，规划过程从新的状态，如图 3b 所示。 在第三级新的子树（第四级的树），状态 44 被选中。在第三决定步骤（参见图 3c）子树的根是在节点 33 和所选节点的最短浪费时间是 41，完成整个领域的清扫。这个对于机器人 R1=最终计划（ 12134） R2=（ 1 2 3 41）已由 15 个州的评价获得。探索整个树的这个小方案 1000 多个国家将不得不进行评估。因为在每一步的算法中，至少有一条路那将被清洗，一个有界的上限对被评价 bdtEn这里指出了道路的数量。 4 运动协调 在我们的框架中，我们划分的运动协调问题进入轨迹生成和形成驱动的子问题。如前所述，领导者的形成单元接收来自中央任务分配模块的一个清扫任务。结合地图的坐标结构，它将构建一个参考轨迹，其形成，将发送给所有机器人的组。随着此信息和具体的形成参数，各机器人计算个人所需的轨迹，将跟踪由本地控制器导致的一个集体运动。 4.1 轨迹生成 会动的扫雪机对国米的点我们必须构建一个连接点的路径正确的顺序。此外它应该放在这样的扫犁创造一个干净的轨迹尽可能宽。一、简单的例子如图4 所示，其中的固体灰路径是指线段连接点 P1 与路径 P2 和 P2 与 P3。因为这条路径不能被一个扫雪机通常是一个与汽车喜欢运动车集成电路的锋利的边缘需要被替换的曲线。直观虚线的灰色路径（直线和曲线段）似乎是可追溯的车辆。在连接点上有史以来，如果汽车正在移动，它的转向角需要从 0 到一个特定的值或副亦然。解决的方法是更换固体的锋利边