基于生物刺激神经网络多机器人编队方法.docVIP

基于生物刺激神经网络多机器人编队方法 　　摘要： 多机器人编队控制是多机器人协作领域的重要研究内容之一，如何实现多机器人朝同一目标移动的同时保持队形是多机器人编队的一个热点和难点问题。针对这一问题，提出一种新的基于生物刺激神经网络的多机器人动态编队方法，采用基于leaderreferenced编队模型实时计算各机器人的虚拟目标位置，利用生物刺激神经网络进行机器人导航。最后进行仿真实验，实验结果表明该方法在实现多机器人实时避障并保持队形的同时，朝同一目标移动，而且可以很快实现队形变换，具有较好的实时性和灵活性。 关键词： 动态编队；生物刺激神经网络；机器人导航；多机器人协作 0引言 多机器人动态编队是指多个机器人保持某一队形并运动到达目的地，在这一过程中要能实现不同队形的转变，同时要实现自主避障。多机器人编队的研究具有重要理论和应用价值，在军事、航空航天、搜救、探测、灾害处理等方面多机器人编队都具有广阔的应用前景，并且多机器人编队控制的研究是多机器人协作领域的重要内容之一。 目前，多机器人编队方法主要有基于行为的方法[1]、虚拟结构法[2]、基于leaderreferenced方法[3]等。但是这些算法都具有一定的局限性，例如：基于leaderreferenced方法很难保持队形不变，基于行为的方法自身的稳定性较差，基于虚拟结构法则仅适用于无障碍环境。针对这些缺点，很多改进的方法被提出来，如文献[4]通过构建虚拟机器人实现领航机器人与跟随机器人之间系统的对接，从而完成多机器人编队的任务；文献[5]采用一种集成的方法，将任务分配算法与基于行为的方法相结合实现机器人编队；文献[6]提出一种基于leaderreferenced方法和行为法相结合的混合编队算法，利用粒子群优化算法对行为参数进行优化，使多机器人编队效果更优。这些方法都是从编队策略上进行改进，并未从根本上解决多机器人动态编队中稳定性和灵活性这两个难题。 针对上述问题，本文提出一种全新的基于生物刺激神经网络的多机器人动态编队方法，通过构建机器人虚拟目标位置，并利用生物刺激神经网络进行机器人导航[7-8]，从而实现多机器人动态编队。最后，通过仿真实验验证了该方法的有效性。 3结语 本文研究了多机器人动态编队问题，提出一种全新的基于生物刺激神经网络的方法。在该方法中，采用基于leaderreferenced编队模型实时计算各跟随机器人的虚拟目标位置，然后采用生物刺激神经网络方法进行机器人编队导航，最终完成机器人编队任务。仿真实验结果表明，该方法克服了传统机器人编队方法的不足，具有较好的性能，不仅能实现机器人自主避障，而且可以快速形成稳定的队形，且可以实时完成队形的变换。本文所提方法可以扩展到实际应用中，不需对算法做任何改动，只要将程序写入各携带传感器及通信设备的机器人中，各机器人就能自主完成编队任务。 参考文献： [1] LAWTON J R T， BEARD R W， YOUNG B J. A decentralized approach to formation maneuvers [J]. IEEE Transactions on Robotics and Automation， 2003， 19（6）： 933- 941. [2] YUAN J， TANG G Y. Formation control for mobile multiple robots based on hierarchical virtual structures [C]// 2010 8th IEEE International Conference on Control and Automation. Piscataway： IEEE， 2010： 393-398. [3] GHOMMAM J，MEHRJERDI H，SAAD M.Leaderfollower formation control of nonholonomic robots with fuzzy logic based approach for obstacle avoidance [C]// 2011 IEEE International Conference on Intelligent Robots and Systems. Piscataway： IEEE， 2011：2340-2345. [4] 张玉礼，吴怀宇，程磊. 基于领航者模式的多机器人编队实现[J]. 信息技术， 2010（11）： 17-23. [5] VIGURIA A， HOWARD A M. An integrated approach