基于改进的细菌觅食优化算法的群机器人协作搜索方法研究

发布时间：2020-07-13 16:04

【摘要】：近年来,随着“911”事件、汶川地震等灾难的发生,全球范围内对在危险环境中可以长时间工作的机器人的需求越来越多。这些机器人可以在高温、低温、有毒污染、高压、强辐射等极端环境下取代人类实现繁琐的搜救任务,减少灾害对人类第二次的伤害。同时,近几年随着互联网、电子计算机的应用大范围的普及,机器人技术正在快速的成长,应用范围从制造业扩展至非制造业,智能机器人进入大家的视野来完成日常生活学习中简易的工作已然成为一种抵挡不住的趋势。虽然单机器人能够完成一些简易的工作,但是多机器人系统具有很多个体机器人不具有的优势,例如结构简单、灵活操作、形状娇小、操作性强等。并且系统中单个机器人可以独立完成某个任务,获得的环境信息更加全面,所以相比较而言多机器人系统完成任务效率更高、稳定性强,完成任务复杂程度高、信息传递速度快、定位信息准确。基于以上的优势,研究人员对多机器人系统的关注越来越多,研究越来越深入,它在各领域的应用自然更加广泛。随着研究人员对生物学研究的不断深入,通过模拟自然界中生物群体行为现象而提出的仿生智能算法得到的广泛的应用。本文主要是针对在复杂危险环境下,将群机器搜索应用在有毒/有害气体源搜索、灾后搜索和营救、反恐排爆等场合中,研究将新型生物启发式群智能算法——细菌觅食优化算法应用在群机器人系统搜索问题上,设置基于Levy分布的趋化步长,针对搜索过程中收敛速度较低这一缺点进行改善设计细菌觅食优化算法,使得群机器人能够精准并且快速地完成搜索任务。最后,设计多机器人任务搜索仿真系统,在该仿真系统上进行实验,验证了模型和算法的有效性,实现多机器人任务搜索的整个过程,并将基于改进的细菌觅食优化算法的目标搜索结果与基于粒子群算法的目标搜索结果、基于混合算法的目标搜索结果进行对比,验证本文所提方法具有可行性并且搜索效果更加良好。
【学位授予单位】：吉林大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP242
【图文】：

多机器人系统

（c）群机器人协作通过障碍图 1.1 多机器人系统（Swarmbots 项目）塔夫斯大学（Tufts University）的 Robotics Acad研究核心是通过结构简易、能力有限的个体机器信息来实现整个系统的交流合作，从而合力完成任展示的是项目的实验平台，系统在执行搜索任务要协力搜索的目标[3]，图（b）是个体特征，图（c

多机器人系统,机器人

5（b）机器人个体特征（c）机器人编队图1.2 多机器人系统（Tufts University）（3）德国卡尔斯鲁厄大学（Karlsruhe）建立了智能自主机器人群I-SWARM项目，该系统中的机器人群体能够不受约束的扩展，它们能够根据自己面对的障碍变换任务，更改它们的周围和系统需求，现在已经应用在行星探索和殖民地化方面。机器人利用光能不仅提高了机器人的使用时间而且节约了资金，系统结合了分布式自适应系统、生物群落系统、自组织理论与技术、微型计算机技术等技术，开发人员希望可以借此推动机器人领域的发展[4]，具体的机器人如下图1.3。图1.3 I-SWARM项目相应的机器人（4）瑞士洛桑联邦理工学院(EPFL)群体智能系统研究组开发一组机器人，并且将这些微型机器人代替人工在喷气式飞机涡轮发动机中，用于检查任务[5]。如下图1.4所示

机器人,群体智能,理工学院,联邦

（b）机器人个体特征（c）机器人编队图1.2 多机器人系统（Tufts University）（3）德国卡尔斯鲁厄大学（Karlsruhe）建立了智能自主机器人群I-SWARM项目，该系统中的机器人群体能够不受约束的扩展，它们能够根据自己面对的障碍变换任务，更改它们的周围和系统需求，现在已经应用在行星探索和殖民地化方面。机器人利用光能不仅提高了机器人的使用时间而且节约了资金，系统结合了分布式自适应系统、生物群落系统、自组织理论与技术、微型计算机技术等技术，开发人员希望可以借此推动机器人领域的发展[4]，具体的机器人如下图1.3。

【参考文献】