绝对定位机制下目标位置估计辅助的群机器人搜索.docVIP

绝对定位机制下目标位置估计辅助的群机器人搜索 导语：?在面向目标搜索、采用群体智能方法进行的群机器人协调控制过程中，机器人的搜索行为受自身对环境的认知和群体内分享的经验共同引导，且群体经验发挥了较大作用。 　　摘要：在面向目标搜索、采用群体智能方法进行的群机器人协调控制过程中，机器人的搜索行为受自身对环境的认知和群体内分享的经验共同引导，且群体经验发挥了较大作用。由于群体经验从本质上看属于某个个体的认知，为提高目标搜索速度，在绝对定位机制下引入群机器人关于目标的位置估计这一群体决策。首先，采用扩展的微粒群算法建模法对群机器人系统建模。然后，基于群体经验对搜索行为引导作用的本质，以及采用RSSI法对目标位置进行估计的实质，将本质上属于单个机器人的经验与集体决策结合起来用于目标搜索控制。当满足目标位置估计条件时，将目标位置估计值引入扩展的微粒群算法模型；不满足位置估计条件时则保留原模型。仿真实验的结果表明，与单纯采用群体经验的模型法相比，无论在目标搜索成功率、搜索效率和能耗方面，本文算法均优于前者。 　　关键词：群机器人；微粒群算法；目标搜索；位置估计 　　Targetpositionestimationaidedswarmroboticsearchunderconditionsofabsolutelocalizationmechanism 　　1引言 　　群机器人是特殊的多自主机器人系统[1]，由若干相对简单的机器人组成，个体仅具有有限的环境感知能力，其结构和功能角色均是同构的。群机器人系统具有以下特征[2]：鲁棒性；柔性；系统规模的可伸缩性。群机器人研究分为若干基准问题[3]，如搬运、编队、搜索、围捕等。其中的搜索任务包含若干本质科学问题[4]，如定位、通信、避碰、路径规划等，而定位是机器人识别自身在环境中所处位置，与其他机器人协同工作的基础。群机器人定位[5]，是指自主移动机器人在运动过程中实时采集里程计和传感器的测量数据，对自身位姿和其时变特征群内机器人位姿进行推测的过程，在此基础上，还可以进行运行速度的推测和目标位姿的估计。群机器人定位主要分两种[6]：绝对定位和相对定位。群机器人的绝对定位[7]，是在工作环境中或环境外设置一个参考点作为所有机器人的参照基准，然后每个机器人通过自身所携传感器对位姿进行推算，然后通过参考点对推算位置进行修正以消除积累误差。群机器人的相对定位机制[8]，是每个单体机器人均以自身所在位置作为参考点，以自身的头部朝向作为坐标系正方向来构建自身的局部坐标系，以自身对其他机器人的相对位置检测量作为其他机器人的位姿。绝对定位方法主要有导航信标定位、主动或被动标识定位、图形匹配定位、GPS定位、概率定位等；相对定位则主要有惯性导航、测程法等[9]。本文研究绝对定位机制下的群机器人目标搜索问题。已有的群机器人目标搜索研究，采用了扩展的微粒群算法模型进行系统建模和控制。扩展微粒群模型是靠自身经验和群体经验进行迭代期望位置和速度的。自身经验是引入短期记忆机制，从目前位置和上一步位置的目标信号强度决定，群体经验是机器人和其时变特征群内机器人监测到的目标信号强度值来判断自身的群体经验。可见，群体经验是基于时变特征群内所有机器人的认知“选举”得出的。无论是机器人的个体感知还是群体经验，从本质上说，引导机器人搜索行为的均属于单个机器人的认知。无线传感网络由分散的节点组成，每个节点具有传感、计算和通信的能力，其功能上与群机器人有相似之处。无线传感器网络中节点定位技术主要有无需测距和需测距两种，需测距定位法中的RSSI算法是比较成熟的方法。而群机器人的本质是无线传感器网络，个体机器人是具有运动属性的传感器网络的节点。基于无线传感器网络的目标定位的本质是群体决策的结果。考虑到搜索效率问题，本文将目标位置估计与群机器人搜索结合起来。在满足RSSI法目标位置估计条件时，通过机器人传感器的对目标信号的检测，对目标位置进行估计，并用目标位置估计值对模型进行修正，进而辅助群机器人进行目标搜索。 　　本文安排如下：第2节描述采用扩展的微粒群算法进行系统建模和协调控制进行群机器人目标搜索的方法，并对基于该法引导个体机器人搜索行为的本质进行分析；第3节介绍RSSI方法，结合自主运动机器人分析其定位的本质；第4节阐述目标位置估计的群机器人搜索方法，并给出其算法；第5节进行仿真实验，并对结果进行讨论。为了对比，同时进行了不考虑目标位置估计值的扩展微粒群算法模型法的目标搜索实验。第6节得出有关结论，并以未来的研究展望作结。 　　2面向目标搜索的群机器人建模和协调控制 　　群机器人目标搜索任务在群机器人应用中占据特殊重要位置，相对于其他任务，目标搜索是基