多机器人系统协调与控制研究

多机器人系统、多机器人协调协作的研究己成为机器人学研究中一个充满活力、具有良好应用前景的研究方向。针对多机器人系统体系结构、多机器人协调协作等基础理论开展研究是一项具有重要的理论和现实意义的工作。本文结合国家“211”建设项目“智能移动机器人系统”，对机器人运动的自主定位、多机器人系统的体系结构及多机器人协调规划等问题进行了系统的研究。 首先，分析了多机器人协调对机器人控制体系结构的要求，设计了一种改进的混合式体系结构，给出了行为管理、行为进程和行为决策的功能和设计方法。通过遗传模糊控制方法独立设计每一层行为，行为决策采用状态线性调整的方式，并结合实验室的机器人实验系统开发了该结构相应的应用软件。 其次，针对室内环境下的机器人定位问题，首先介绍了利用编码器进行推算定位的原理和算法，为了解决在长距离导航时带来的累积误差，利用超声波传感器在机器人移动过程中与已知路标的距离实现精确测量的前提下，通过卡尔曼滤波算法对测量数据进行融合，修正累积定位的误差。实验室开发了全景视觉系统，利用其视野宽阔的优势和室内环境的自然特征，实现了一种适用于室内环境的基于全景视觉的多路标定位方法，给出了基于全景图像中自然特征的位姿计算算法。 再次，对快速模拟退火算法进行了改进，并将改进的快速模拟退火算法与势场法相结合，解决了机器人在复杂环境下存在局部极小的问题。为了避免机器人之间的碰撞，采用一种新的危险度评估方法及危险度最高的机器人优先考虑的原则，通过基于规则的动态规划协调机器人之间的行为。提出了基于“注意力”策略的机器人行为综合决策方法，从行为角度实现了多机器人协调。 最后，为适应复杂任务和环境，采用马尔可夫对策论的方法实现多机器人强化学习，并结合MAXQ分层强化学习和Multi-agent的优点，提出了一种基于MAXQ的Multi-agent分层强化学习的多机器人协调方法，增强了机器人在复杂环境下适应环境和自协调的能力。 此外，在附录中对在研究过程中开发的多机器人仿真平台和移动机器人实验系统进行了简单介绍。仿真实验结果证明了各种算法的有效性。