多机器人协作定位及系统架构研究模式识别与智能系统专业论文.docxVIP

Ph．D．DissertationResearch Ph．D．Dissertation Research on multiple robots cooperative localization and the architecture Cai Yunfei Supervision by P1^oj Tang Zh enmin Nanjing University of Science＆Technology June，2011 声 声 明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 对／年f月矿日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的部分或全部内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的部分或全部内容。对 于保密论文，按保密的有关规定和程序处理。 博士论文 博士论文 多机器人协作定位及系统架构研究 摘 要 近年来，地面自主移动机器人技术得到飞速发展，逐渐渗透到工业、农业和军事等 各个应用领域。由于个体机器人能力的局限性，多机器人协作技术应运而生，其可以利 用群体协作的优势弥补个体能力的不足，完成个体无法完成的任务，是机器人模拟人类 社会发展的必然趋势，是当前人工智能和移动机器人研究领域的重要课题之一，其中协 作定位又是多移动机器人技术的基础问题，如何提高定位的精度、效率和稳定性是研究 的关键。 多机器人协作定位是指机器人依靠自身携带的传感器和无线通信设备，通过分布式 感知、信息共享、相对观测等协作方式实现群体定位。与个体机器人定位相比，多机器 人协作可以使得传感器探测的范围更广，信息来源更多样化，信息融合精度更高，并依 据相互间的位置参照，可以更好地提高机器人定位和地图创建的精度，并使协作及协同 控制更加有效，例如较好地保持编队队形，编队控制过程更加平滑稳定等。本文从系统 架构角度和优化控制角度，系统研究了提高多机器人协作定位精度、稳定性和鲁棒性的 方法，具体内容及成果如下： 1．为了提高多机器人编队定位精度和控制稳定性，提出一种多机器人复合EKF (Multiple Extended Kalman Filter，Multi．EKF)定位控制方法，方法采用领导．跟随控制 模式，首先跟随机器人把其他成员作为相对固定路标，使用EKF进行自身定位；然后 领导机器人将整个编队作为一个整体，通过计算编队的联合概率分布，得到编队的整体 定位，并将结果反馈给各个跟随机器人进行各自校正。采用这种整体预测．个体校正的 反馈控制方法，提高了编队的定位精度和导航的稳定性。 2．在对机器人协作目标围捕的研究中，提出了一种多机器人Cross．EKF围捕算法， 围捕机器人依靠算法，各自利用EKF对目标进行定位，把各机器人对目标定位得到的后 验估计协方差进行交集计算，得到最小协方差区间，以该协方差区间边缘点到均值中心 最大距离为半径，构建收敛圆，多机器人以该收敛圆面为目标，从各个方向进行逼近围 捕。实验结果表明将对动态点的收敛扩展到对动态面的收敛，有助于提高系统的收敛速 度和控制稳定性。 3．针对多机器人编队定位导航的鲁棒控制问题，提出了一种柔性控制结构，结构 利用柔性结构冗余大、易调节的特点增强编队对外部动态环境的适应能力；利用 Rao—Blackwellized粒子滤波算法得到较为理想的编队形状和预应力的搭配，增强系统 内部承载能力；利用主一从一备份的角色分配方式增强系统的执行能力。实验结果表明柔 性结构的多机器人系统能够较好地适应外部和内部环境的变化，具有较强的灵活性和抗 毁能力，鲁棒性也得到了提高。 摘要 摘要 博士论文 4．在对多机器人协作导航过程中的实时定位与地图创建问题的研究中，提出了多 机器人协作实时FastSLAM(Multi-robots Cooperative Online FastSLAM， MRCO．FastSLAM)算法及其改进算法IMRCO．FastSLAM(Improved MRCO-FastSLAM)， 算法解决了FastSLAM 1．0中缺乏自身定位测量修正引起的累积误差的问题和FastSLAM 2．0引入测量修正引起算法复杂度增加的问题。MRCO．FastSLAM在FastSLAM 1．0和领 导一跟随编队控制模式的基础上，让跟随机器人在执行SLAM的同时负责为主机器人提供 辅助测量的服务，帮助领导机器人在SLAM的过程中，修正其定位估计误差。为了进一 步提高领导机器人SLAM的定位精度，降低跟随机