基于空闲时间的多机器人系统巡逻算法研究

发布时间：2021-07-24 11:29

　　多机器人系统具有自适应性,并行性和可扩展性等优势,在制造、军事、教育和服务业具有广阔的应用前景。机器人之间的协同合作问题在该领域具有良好的研究价值和应用前景。机器人之间通过有效的协调机制分配巡逻任务来确保巡逻区域被机器人有序的进行访问覆盖。本文主要对多机器人系统的巡逻算法进行了研究,确保机器人可根据收集到的信息自主规划路径,以系统的空闲时间、目标点的访问频率作为对全局任务的评价标准对提出的巡逻算法进行验证,主要研究内容如下:（1）针对多机器人系统执行巡逻任务过程中的数量优化问题,构建了一种基于全局平均最大空闲时间的分布式巡逻算法来解决多机器人系统执行巡逻任务过程中的数量优化问题。每个机器人利用共享的信息来估算全局平均最大空闲时间,并结合机器人在当前顶点收集的信息来决策、选择下一个将要被机器人访问的顶点。然后根据全局平均最大空闲时间的大小来估算在巡逻任务过程中多机器人团队的表现,可得知完成此巡逻任务所需的最优机器人数量。通过仿真实验与几种现有的分布式巡逻算法进行比较,该算法的收敛速度更快,得到的全局平均最大空闲时间值更小,使用此算法来完成多机器人巡逻任务得到的效果更好。（2）针对多机器人... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

仿真实验环境拓扑图

各种算法在2种地图环境下的顶点空闲时间分布

兰州交通大学硕士学位论文-21-（c）DTAP（d）DTAG（e）EGMI图3.3各种算法在grid地图环境下和的变化情况图3.3是对上述五种算法在grid巡逻地图中执行任务时，使系统达到稳定状态的性能进行了分析对比。可知EGMI算法在实验开始700s后，系统的最大平均空闲时间和空闲时间标准差基本趋于稳定。而其他算法在700s时明显未达到稳定状态，系统的收敛速度较慢，并且系统的空闲时间均大于EGMI算法所得到的空闲时间，证明EGMI算法具有更好的收敛性和稳定性。为了得到上述五种算法在图3.1所示的两种拓扑环境中完成巡逻任务所需的最优机器人数量，在仿真平台上通过改变机器人的数量对巡逻的效果进行了实验分析。从图3.4可知，随着机器人数量的增加，所有算法的全局平均空闲时间都逐渐降低，但是随着机器人数量的增多，干扰率也会上升，当机器人数量为8或12时所有算法的空闲时间趋于最小值，说明以上几种算法在上述两种巡逻环境使用8到12个机器人来巡逻时效率最高。EGMI算法在机器人数量较少的时候相比其他算法不占优势，但是随着机器人数量的增多，此算法的平均最大空闲时间小于其他算法。以图3.4(b)为例，

【参考文献】：
期刊论文
[1]Gini Coefficient-based Task Allocation for Multi-robot Systems With Limited Energy Resources[J]. Danfeng Wu,Guangping Zeng,Lingguo Meng,Weijian Zhou,Linmin Li.  IEEE/CAA Journal of Automatica Sinica. 2018(01)
[2]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)
[3]机器人群体协作与控制的研究[J]. 谭民,范永,徐国华.  机器人. 2001(02)

硕士论文
[1]基于ROS的智能工业机器人系统的设计与实现[D]. 刘凤.中国科学院大学(中国科学院沈阳计算技术研究所) 2017
[2]多机器人系统任务分配评价理论的研究与应用[D]. 陈夏冰.江南大学 2013



本文编号：3300567