自組織多機(jī)器人系統(tǒng)任務(wù)分配建模與設(shè)計(jì).pdf

1、機(jī)器人是解決人力資源成本升高的潛在辦法。機(jī)器人學(xué)的研究已經(jīng)逐漸從功能復(fù)雜的單一機(jī)器人發(fā)展到了由相對(duì)簡(jiǎn)單的多個(gè)機(jī)器人組成的復(fù)雜系統(tǒng)，在多機(jī)器人系統(tǒng)中由功能較為簡(jiǎn)單的大量個(gè)體所組成系統(tǒng)稱之為群集機(jī)器人。要發(fā)揮多機(jī)器人系統(tǒng)的優(yōu)勢(shì)，關(guān)鍵是要解決它們之間的協(xié)調(diào)問(wèn)題。
　　多機(jī)器人任務(wù)分配(Multi-robot task allocation,MRTA)屬于多機(jī)器人協(xié)調(diào)中智能水平最高的任務(wù)規(guī)劃層。傳統(tǒng)的MRTA中所使用的中心式和分布式方法具

2、有魯棒性和可擴(kuò)展性較差、且對(duì)通信條件要求過(guò)高的缺點(diǎn)。此外，大多數(shù)研究成果只有仿真并沒(méi)有開(kāi)展基于真實(shí)機(jī)器人的物理實(shí)驗(yàn)。自組織式方法雖然具有擴(kuò)展性好、控制簡(jiǎn)單、靈活性高等優(yōu)勢(shì)，但也存在三個(gè)無(wú)標(biāo)準(zhǔn)答案的開(kāi)放性問(wèn)題：
　　1)自組織系統(tǒng)缺少規(guī)范的描述方法；
　　2)根據(jù)局部個(gè)體規(guī)則預(yù)測(cè)自組織系統(tǒng)的高等群體行為是一個(gè)挑戰(zhàn)；
　　3)缺乏可靠的自組織系統(tǒng)分析方法。受這三個(gè)問(wèn)題的啟發(fā)，在機(jī)器人系統(tǒng)任務(wù)分配的前提下，本文進(jìn)行了自組織多

3、機(jī)器人任務(wù)分配在建模與設(shè)計(jì)方面的研究。
　　本文模擬群居生物的群集智能涌現(xiàn)機(jī)制，建立自組織多機(jī)器人系統(tǒng)進(jìn)行任意有限種任務(wù)分配的微觀可預(yù)測(cè)模型，使用基于行為的設(shè)計(jì)法自底向上的構(gòu)造多機(jī)器人物理系統(tǒng)完成任務(wù)分配與獲取，最后提出了群集分工宏觀分析模型。
　　本文研究的是機(jī)器人領(lǐng)域、生物學(xué)領(lǐng)域和應(yīng)用數(shù)學(xué)領(lǐng)域的一項(xiàng)交叉課題。其主要目的是通過(guò)任務(wù)分配滿足多機(jī)器人協(xié)調(diào)中的最高層“任務(wù)規(guī)劃協(xié)調(diào)”的需求，使大量移動(dòng)機(jī)器人在工作空間的各個(gè)位置上有

4、分工的、并行的、協(xié)調(diào)的工作，以更有效的方式完成預(yù)先定義好的系統(tǒng)行為目標(biāo)。該研究工作的具體創(chuàng)新點(diǎn)如下：
　　1、以機(jī)器人視覺(jué)系統(tǒng)為背景，提出了圖像處理管道方法。針對(duì)由大量圖像數(shù)據(jù)引起的降低視覺(jué)傳感器反應(yīng)速度和信息準(zhǔn)確性的問(wèn)題，給出了一種機(jī)器人基于管道的瀑布式信息獲取模型。
　　設(shè)計(jì)管道的四個(gè)流水線模塊：
　　1)用于圖像壓縮的金字塔模塊；
　　2)用于圖像分割的反向投影模塊，其中引入閾值化和圖像形態(tài)學(xué)法增加了信息準(zhǔn)

5、確性；
　　3)用于目標(biāo)提取的外接矩形模塊；
　　4)用于目標(biāo)統(tǒng)計(jì)與定位的行為信息生成模塊。
　　2、針對(duì)傳統(tǒng)Sense-Plan-Act模式所造成的驅(qū)動(dòng)器和傳感信息不匹配問(wèn)題，提出了基于包容框架的機(jī)器人行為控制的改進(jìn)方案。設(shè)計(jì)了C-S-B行為釋放機(jī)制：包括基于抑制規(guī)則的行為沖突消解，C-S-B關(guān)系映射，和基于優(yōu)先級(jí)層次的框架拓?fù)?。?shí)驗(yàn)表明，本方案可同時(shí)處理視覺(jué)、紅外、壓力三種傳感器，并在觸發(fā)行為的同時(shí)，消解沖突、使行

6、為相互協(xié)調(diào)，實(shí)時(shí)響應(yīng)性良好。
　　3、構(gòu)建了一種基于統(tǒng)計(jì)物理和隨機(jī)過(guò)程的可擴(kuò)展自組織多機(jī)器人任務(wù)分配模型。建立了任務(wù)分配動(dòng)態(tài)系統(tǒng)的主微分方程組，用特征值法和微分方程理論求得描述機(jī)器人任務(wù)分配的概率向量隨時(shí)間演化的閉式表達(dá)式，推出了機(jī)器人任務(wù)分配結(jié)果的穩(wěn)態(tài)形式。
　　4、構(gòu)建了一種全參數(shù)化的可用狀態(tài)空間理論證明正確的群集機(jī)器人任務(wù)分配模型。從一般性角度出發(fā)，建立狀態(tài)數(shù)為N的任務(wù)分配馬爾可夫可預(yù)測(cè)模型，并提出了一種自組織局部?jī)?yōu)先

7、任務(wù)分配算法(Self-organized local optimal task allocation algorithm,SOLOA)，提高了群集并行性、縮短了群集任務(wù)執(zhí)行消耗時(shí)間、降低了機(jī)器人之間的碰撞率。
　　5、構(gòu)建了一種群集機(jī)器人任務(wù)分配宏觀分析模型，提供了解群集系統(tǒng)性能與模型參數(shù)之間關(guān)系的分析手段。通過(guò)擬生滅過(guò)程模型(Quasi-birth-and-death model)建立系統(tǒng)演化方程，并引入矩陣分析法(Matri