矿井救援多机器人系统任务分配优化算法研究-控制理论与控制工程专业论文.docxVIP

致 谢 本论文是在导师付华教授的悉心指导下完成的。首先对付华老师的辛 勤付出表示衷心的感谢。在 2 年半的学习和生活中，付老师都给予我无微 不至的关心、帮助和鼓励，尤其在学业上不断的督促我进步，使我能不断 的汲取专业领域的新知识，为将来工作打下良好的基础。此时此刻，对付 老师的感激之情难以言表。并且付老师在科研中传授的宝贵经验、严谨求 实的治学态度使我获益匪浅。与此同时，也得到了许多老师和同学的帮助、 关心和指导，从他们身上我学到了许多实践知识和为人处世的道理。感谢 实验室的师兄弟姐妹们，与你们朝夕相处的每一天，我都特别的开心。在 此特别感谢我的室友在学习和生活上给予的帮助和支持。本论文的完成引 用了大量的文献资料，在此向作者以及出版单位表示深深的感谢. 感谢电控学院的领导和全体教师对我的关心、帮助和支持。 最后要感谢我的父母的养育之恩，他们的支持和期盼是我永久的动力。 摘 要 近年来，机器人技术得到了快速的发展。与单机器人系统相比，多机器人系 统有着无法比拟的优势，然而多机器人系统能否优于单机器人系统的关键是多机 器人系统中的机器人成员能否通力合作，高效地完成全局任务。本文以多机器人 系统任务分配算法为研究对象，在对国内外研究现状进行深入分析的基础上，针 对矿井事故救援难度大，矿井环境动态性复杂性的特点，提出了一种基于效用评 价的矿井救援多机器人系统任务分配算法。 本文对多机器人系统进行简单介绍，并详细介绍了模糊神经网络和 Q 学习 算法，在此基础上设计了基于模糊-神经 Q 学习的效用评价网络结构，通过实时 学习与参数调整，提高了评价精度。设计全局奖励函数从而使每个机器人根据各 自的任务评价进行任务分配，实现全局任务的分配。并将其应用于矿井救援中， 实现了救援伤者任务效用评价和任务选择，通过算法的比较，验证了方法的可行 性和精确性。最后，设计了矿井救援机器人的硬件结构和软件流程，重点部分是 矿井机器人救援的导航算法实现，提出多机器人系统仿真的解决方案。极大地降 低矿井环境的不确定性和危险性，但是由于条件和时间的限制，在很多方面还有 待改进和深入研究。 关键词： 矿井救援 多机器人系统任务分配 多机器人仿真系统 I I II Abstract Recently, Robot technology is developing rapidly. Compared with single-robot systems, multi-robot systems have more advantages. But it has become a key problem that whether they can cooperate with each other effectively or not. The research objectives of this paper are a task allocation algorithm based on multi-robot systems. On the basis of deep analysis to the research in and out of China, according to the characteristics of rescue difficulties of mine accident and dynamics, we proposed a task allocation algorithm based on utility valuation . The paper introduces multi-robot systems and thesis of Q-learning and adaptive neural-fuzzy inference system .particularly make a study of utility evaluation algorithm based on Q-learning and adaptive neural-fuzzy inference system which has a good generalization. In this algorithm utility evaluation parameters are modified gradually by on-line learning. We designed different global rewarding functions, which make robots can realize global task allocation and applied in mine rescue. The realization of task