多机器鱼系统任务分配及群体行为控制方法研究
发布时间：2021-06-24 15:54
随着对海洋的开发和利用,水下机器人成为海洋探索和研究必不可少的工具。水下仿生机器人具有高效、灵活和隐蔽等优异特性,为人类探索海洋环境和开发海洋资源提供了便利条件。当然海洋环境复杂多变,单一的水下机器人难以完成探索海洋的任务,与之相比,多水下仿生机器人能够完成更复杂的任务。机器鱼以出色的游动能力和适应性,在面对复杂的水下环境时表现出了其优越性,因此多水下仿生机器人选用机器鱼来组成多机器鱼系统。多机器鱼系统关键在于各个机器鱼协调控制,因此多机器鱼协同工作一直是各研究机构的研究热点。本课题以多仿生机器鱼进行海洋监测为应用背景,针对多机器鱼的协调控制问题,对多机器鱼系统体系结构、任务分配及队形控制避障进行研究。1.在复杂的海洋环境中,机器鱼之间由于水环境的因素,机器鱼的视觉很容易受到干扰,所以提出了一种在机器鱼发生短暂视觉丢失时的补偿控制算法,算法主要由三个部分组成。一是基于二次滤波法的状态判定,二是基于半闭环控制的直线追踪法;三是圆弧切线法。实验结果表明,该算法可以实现机器鱼丢失视觉情况下的运动控制。2.为了提高多机器鱼系统完成任务的效率,对多机器鱼系统使用蚁群算法建立任务分配体系,在任务分...
【文章来源】：兰州交通大学甘肃省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
多机器鱼协同控制
多仿生机器鱼系统任务分配及群体行为控制方法研究-4-中科院沈阳自动化研究所研制了多机器人装配系统[25]，开展了如何使多移动机器人间协调合作的研究工作。实现了该系统可以独立进行自主编队行进、自主队形变换和自主避障；也实现了研究者可以通过互联网对群体机器人进行远程操控。在2017年，使用该多机器人系统在我国的南海海域进行了海上实验，该系统使用是“海翼”型水下滑翔机。在南海海域，使用12台水下滑翔机按照网格路径进行海洋环境的协同观测。可以同时采集到海水的温度、含盐量和含氧量等多种水文数据，并可与将数据实时的传回陆地。如图1.2为“海翼”型水下滑翔机。图1.2“海翼”型水下滑翔机天津大学[26]和中国海洋大学[27]使用“海燕”型水下滑翔机、波浪滑翔机光纤水听器阵列和水下机器人等30余台套海洋观测装备对我们的南海海域进行立体式组网观测，观测面积多达14万平方公里。这次观测覆盖大气层、海平面和深海海底形成立体组网观测。这是我国首次多种类水面和水下移动平台、定点固定平台相结合的协作观测如图1.3所示。综合来看，近二十年来多水下机器人系统的研究得到了国内外众多相关研究机构的重视。美国已经将多机器人协同系统应用于大规模海洋水文观测，在洲际范围内布置了多套观测系统。欧洲一些国家也完成了多水下机器人系统协同的研究工作。中国的多水下机器人系统协同研究也取得了阶段性成果，多水下机器人系统的研究具有战略性意义。
兰州交通大学硕士学位论文-5-图1.3海洋观测1.3内容安排本文主要针对多机器鱼系统控制方法展开研究，算法是多机器鱼控制的基矗首先第二章解决了在机器鱼运动过程中视觉丢失情况下的运动控制。第三章使用蚁群算法解决了多机器鱼任务分配问题。第四章使用势函数和人工势场法解决了多机器鱼系统在未知水环境下的运动控制。
【参考文献】：
期刊论文
[1]一种求解TSP问题的多策略改进蚁群算法[J]. 尚宝平,焦建强,裴杰,周坤,闫富宏. 数学的实践与认识. 2019(02)
[2]基于二阶一致性算法的多仿生机器鱼分布式编队控制[J]. 李宗刚,赵振乾,葛立明,魏文军. 控制与决策. 2019(01)
[3]多自主式水下航行器协同控制的人工物理法研究[J]. 栾筱林,宫飞翔,孙玉婷,魏志强,殷波,高云,徐梦蝶. 中国海洋大学学报(自然科学版). 2017(09)
[4]自主/遥控水下机器人研究现状[J]. 李一平,李硕,张艾群. 工程研究-跨学科视野中的工程. 2016(02)
[5]混合蚁群蜂群算法在旅行Agent问题中的应用[J]. 宋佩莉,祁飞,张鹏. 计算机工程与应用. 2012(36)
[6]多水下滑翔机海洋采样路径规划[J]. 朱心科,俞建成,王晓辉. 信息与控制. 2012(04)
[7]基于混合遗传蚁群算法的多Agent动态任务分配研究[J]. 张晋,曹耀钦. 计算机科学. 2011(S1)
[8]融合沿墙行为的多移动机器人有序化多模态群集运动控制[J]. 程磊,朱全民,吴怀宇,王永骥,方华京. 控制与决策. 2011(03)
[9]协作多机器人系统研究进展综述[J]. 吴军,徐昕,连传强,贺汉根. 智能系统学报. 2011(01)
[10]广义蚁群算法及其在机器人队形变换中的应用[J]. 张颖,陈雪波. 模式识别与人工智能. 2007(03)
博士论文
[1]多AUV编队控制与协同搜索技术研究[D]. 何斌.哈尔滨工程大学 2017
硕士论文
[1]水下滑翔机运动特性对温盐深测量质量的影响分析[D]. 张艺腾.天津大学 2017
本文编号：3247388
【文章来源】：兰州交通大学甘肃省
【文章页数】：51 页
【学位级别】：硕士
【部分图文】：
多机器鱼协同控制
多仿生机器鱼系统任务分配及群体行为控制方法研究-4-中科院沈阳自动化研究所研制了多机器人装配系统[25]，开展了如何使多移动机器人间协调合作的研究工作。实现了该系统可以独立进行自主编队行进、自主队形变换和自主避障；也实现了研究者可以通过互联网对群体机器人进行远程操控。在2017年，使用该多机器人系统在我国的南海海域进行了海上实验，该系统使用是“海翼”型水下滑翔机。在南海海域，使用12台水下滑翔机按照网格路径进行海洋环境的协同观测。可以同时采集到海水的温度、含盐量和含氧量等多种水文数据，并可与将数据实时的传回陆地。如图1.2为“海翼”型水下滑翔机。图1.2“海翼”型水下滑翔机天津大学[26]和中国海洋大学[27]使用“海燕”型水下滑翔机、波浪滑翔机光纤水听器阵列和水下机器人等30余台套海洋观测装备对我们的南海海域进行立体式组网观测，观测面积多达14万平方公里。这次观测覆盖大气层、海平面和深海海底形成立体组网观测。这是我国首次多种类水面和水下移动平台、定点固定平台相结合的协作观测如图1.3所示。综合来看，近二十年来多水下机器人系统的研究得到了国内外众多相关研究机构的重视。美国已经将多机器人协同系统应用于大规模海洋水文观测，在洲际范围内布置了多套观测系统。欧洲一些国家也完成了多水下机器人系统协同的研究工作。中国的多水下机器人系统协同研究也取得了阶段性成果，多水下机器人系统的研究具有战略性意义。
兰州交通大学硕士学位论文-5-图1.3海洋观测1.3内容安排本文主要针对多机器鱼系统控制方法展开研究，算法是多机器鱼控制的基矗首先第二章解决了在机器鱼运动过程中视觉丢失情况下的运动控制。第三章使用蚁群算法解决了多机器鱼任务分配问题。第四章使用势函数和人工势场法解决了多机器鱼系统在未知水环境下的运动控制。
【参考文献】：
期刊论文
[1]一种求解TSP问题的多策略改进蚁群算法[J]. 尚宝平,焦建强,裴杰,周坤,闫富宏. 数学的实践与认识. 2019(02)
[2]基于二阶一致性算法的多仿生机器鱼分布式编队控制[J]. 李宗刚,赵振乾,葛立明,魏文军. 控制与决策. 2019(01)
[3]多自主式水下航行器协同控制的人工物理法研究[J]. 栾筱林,宫飞翔,孙玉婷,魏志强,殷波,高云,徐梦蝶. 中国海洋大学学报(自然科学版). 2017(09)
[4]自主/遥控水下机器人研究现状[J]. 李一平,李硕,张艾群. 工程研究-跨学科视野中的工程. 2016(02)
[5]混合蚁群蜂群算法在旅行Agent问题中的应用[J]. 宋佩莉,祁飞,张鹏. 计算机工程与应用. 2012(36)
[6]多水下滑翔机海洋采样路径规划[J]. 朱心科,俞建成,王晓辉. 信息与控制. 2012(04)
[7]基于混合遗传蚁群算法的多Agent动态任务分配研究[J]. 张晋,曹耀钦. 计算机科学. 2011(S1)
[8]融合沿墙行为的多移动机器人有序化多模态群集运动控制[J]. 程磊,朱全民,吴怀宇,王永骥,方华京. 控制与决策. 2011(03)
[9]协作多机器人系统研究进展综述[J]. 吴军,徐昕,连传强,贺汉根. 智能系统学报. 2011(01)
[10]广义蚁群算法及其在机器人队形变换中的应用[J]. 张颖,陈雪波. 模式识别与人工智能. 2007(03)
博士论文
[1]多AUV编队控制与协同搜索技术研究[D]. 何斌.哈尔滨工程大学 2017
硕士论文
[1]水下滑翔机运动特性对温盐深测量质量的影响分析[D]. 张艺腾.天津大学 2017
本文编号：3247388
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3247388.html
