基于改进粒子群算法的多机器人编队控制研究

发布时间：2017-04-16 05:23

  本文关键词：基于改进粒子群算法的多机器人编队控制研究，，由笔耕文化传播整理发布。

【摘要】：伴随着科学技术的进步及机器人应用范围的扩大,人们对机器人的功能和性能的要求也不断提高,因单体机器人的局限性,而多机器人之间的协作可以胜任一些单体机器人无法完成的复杂、动态的任务。在多机器人研究领域,多机器人编队控制技术是具有通用性及典型性的研究方向,因此,对多机器人编队控制及其相关技术展开研究具有很高的意义。本文采用基于行为的领航跟随的编队控制方法对多机器人编队控制技术进行研究,通过改进后的粒子群算法对编队机器人的行为权重参数进行优化。首先,在对传统经典的编队控制方法进行研究后,本文在充分借鉴了基于行为的编队控制方法和基于领航跟随的编队控制方法的各自优点,提出了基于行为的领航跟随的编队控制方法。该方法中,通过选取领航机器人作为整个编队的参考点,编队内的其它机器人作为跟随机器人,形成编队执行任务；其次本文为机器人及环境障碍分别建立了物理模型,并且针对领航者、跟随者机器人执行不同的任务,分别设计了基本行为,对编队机器人的基本行为进行矢量合成,归一化处理后控制机器人的运动。然后针对粒子群算法在应用过程中的一些缺陷,结合差分进化算法,引入了种群间粒子的信息合作交流机制,来提高粒子群算法的收敛速度和收敛精度；最后通过改进优化的CPSODE算法对机器人的行为参数进行优化。在此基础上,提出基于CPSODE算法的编队控制方法,并通过对比性实验来说明本文所提的CPSODE算法的可行性以及基于CPSODE算法的编队控制方法的优异性。实验数据表明,经过改进后的粒子群算法在收敛速度和收敛精度方面,具有更优的效果,能够更好的寻找到全局最优值；使用CPSODE算法改进后的多机器人编队在实验的过程中,编队机器人不仅具有较高的避碰、避障性能,且具有稳定的队形维持率。
【关键词】：编队控制 多机器人 粒子群算法 行为权重
【学位授予单位】：南京大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP242
【目录】：

• 摘要5-7
• ABSTRACT7-12
• 第一章 绪论12-19
• 1.1 引言12-13
• 1.2 研究背景及意义13-15
• 1.3 国内外研究现状和发展方向15-17
• 1.3.1 国内外研究现状15-16
• 1.3.2 编队控制研究的发展方向16-17
• 1.4 本文主要研究内容和章节安排17-19
• 第二章 多机器人编队控制系统19-27
• 2.1 编队系统的体系结构19-20
• 2.2 多机器人编队控制主要研究方法20-23
• 2.2.1 基于领航-跟随的编队控制方法21-22
• 2.2.2 基于行为的编队控制方法22
• 2.2.3 基于虚拟结构的编队控制方法22-23
• 2.3 多机器人编队控制的相关问题23-25
• 2.3.1 多机器人编队的队形23
• 2.3.2 参考点的选取23-24
• 2.3.3 队形的表示方法24-25
• 2.4 多机器人编队控制的性能评估25-26
• 2.5 本章小结26-27
• 第三章 基于行为方法的多机器人编队控制算法27-40
• 3.1 机器人和环境模型构建27-29
• 3.1.1 单个机器人模型构建27-28
• 3.1.2 环境模型的构建28-29
• 3.2 编队机器人基本行为设计29-32
• 3.2.1 领航机器人行为设计29-31
• 3.2.2 跟随机器人行为设计31-32
• 3.3 基于行为方法的多机器人编队控制32-34
• 3.4 多机器人编队控制算法34-39
• 3.4.1 多机器人队形形成算法34-36
• 3.4.2 基于行为方法的多机器人编队控制算法36-39
• 3.5 本章小结39-40
• 第四章 粒子群算法及其改进40-59
• 4.1 基本粒子群算法40-43
• 4.1.1 粒子群算法原理40-41
• 4.1.2 粒子群算法的数学描述41-42
• 4.1.3 粒子群算法流程42-43
• 4.2 粒子群算法的分析43-44
• 4.3 粒子群算法改进的必要性44-45
• 4.4 基于合作机制的改进粒子群算法45-51
• 4.4.1 差分进化算法45-47
• 4.4.2 算法改进思路47-48
• 4.4.3 改进粒子群算法的数学描述48-49
• 4.4.4 信息合作交流机制49-50
• 4.4.5 改进后的算法流程50-51
• 4.5 改进粒子群算法的实验分析51-58
• 4.5.1 测试函数及参数设置52
• 4.5.2 CPSODE算法参数选定52-53
• 4.5.3 算法测试仿真结果53-56
• 4.5.4 结果分析56-58
• 4.6 本章小结58-59
• 第五章 基于改进粒子群算法的多机器人协同编队控制算法及仿真59-67
• 5.1 基于改进粒子群算法的多机器人协编队控制算法59-60
• 5.2 基于改进粒子群算法的多机器人协同编队控制仿真60-66
• 5.2.1 编队控制仿真60-63
• 5.2.2 仿真结果分析63-66
• 5.3 本章小结66-67
• 第六章 总结与展望67-69
• 6.1 论文工作总结67-68
• 6.2 工作展望68-69
• 致谢69-70
• 参考文献70-76
• 攻读硕士学位期间参与科研项目76-77

【参考文献】

中国期刊全文数据库 前10条

1 吴菁們;;亚马逊仓库Kiva机器人的应用分析与前景展望[J];物流技术与应用;2015年10期

2 王光华;;多机器人编队控制研究[J];指挥控制与仿真;2013年06期

3 梁家海;;移动机器人编队的运动控制策略[J];计算机应用;2011年12期

4 杨甜甜;苏治宝;刘进;孟红;;多移动机器人避障编队控制[J];计算机仿真;2011年09期

5 吴军;徐昕;连传强;贺汉根;;协作多机器人系统研究进展综述[J];智能系统学报;2011年01期

6 雷艳敏;朱齐丹;冯志彬;;基于混合式控制结构的多机器人编队控制研究[J];计算机工程与应用;2010年11期

7 杨淮清;肖兴贵;姚栋;;一种基于可视图法的机器人全局路径规划算法[J];沈阳工业大学学报;2009年02期

8 张嵛;刘淑华;;多机器人任务分配的研究与进展[J];智能系统学报;2008年02期

9 薛颂东;曾建潮;;群机器人研究综述[J];模式识别与人工智能;2008年02期

10 祖丽楠;田彦涛;梅昊;;大规模多移动机器人合作任务的分布自主协作系统[J];机器人;2006年05期

中国硕士学位论文全文数据库 前6条

1 黎延海;基于粒子群优化与差分进化混合算法的多目标优化及应用[D];西安石油大学;2014年

2 程律;基于改进微粒群算法的多机器人编队控制技术研究[D];东北大学;2013年

3 张小兢;复杂环境下多机器人编队控制系统研究[D];辽宁科技大学;2012年

4 廖春平;基于改进遗传算法行为参数优化的多机器人编队控制[D];中南大学;2012年

5 张明中;基于粒子群优化算法的多机器人编队控制技术[D];中南大学;2011年

6 胡玮韬;多机器人编队及运动控制研究[D];西安电子科技大学;2010年

  本文关键词：基于改进粒子群算法的多机器人编队控制研究，由笔耕文化传播整理发布。

本文编号：310105