王韬[1]2007年在《基于MAS的多机器人体系结构与协作机制的研究》文中研究表明随着计算机技术、超大规模集成电路、控制理论、人工智能、传感器技术等的不断成熟和发展,由多学科交叉而形成的多机器人学研究也进入一个崭新的阶段。由于Agent理论的出现和发展,多Agent系统(MAS)研究已经成为分布式人工智能研究的一个重要部分。目前,多机器人系统的研究已经受到国内外研究机构和产业界的重视,基于MAS理论的机器人群体协作研究也已经成为多机器人系统研究的一个热点。本课题是结合中北大学自然基金项目“基于MAS的足球机器人路径规划的研究”进行。在MAS理论的基础上,主要研究了大规模机器人群的系统体系结构以及协作机制,并将其应用于机器人足球比赛。本论文首先对当前多移动机器人的基本理论和应用问题进行了深入地分析和总结。并在MAS理论基础上,深入研究和分析了多机器人系统的系统体系机构和协调协作机制。其次,针对大中型规模机器人群体,本文建立了一种分层式的组织形式和控制结构,同时在深入研究合同网协作机制和熟人协作机制的基础上,提出了一种适应该分层式建模的合同网能力协作机制,并对该协作机制进行了举例和理论分析。最后,通过在IR-SDS智能机器人系统平台上建立具体的模型结构,并进行仿真实验,实验数据证明了该体系结构与合同网能力协作机制应用于大中型机器人系统中的优越性。
鲁玉良[2]2003年在《基于Agent的多机器人的任务协作研究》文中指出机器人技术的发展使机器人的能力不断提高，机器人应用领域和范围不断扩展。一方面，由于任务复杂性，在单个机器人难以完成任务时，人们需要通过多机器人之间的协调与合作来完成，另一方面，人们也希望通过多机器人间的协调与合作，来提高机器人系统在作业过程中的效率。本文分析了Agent理论及其在机器人系统的应用，一方面,Agent理论可以应用到机器人的设计中,这种设计从开放性、自主性的角度出发，从组成整个多机器人系统的系统观点来进行，保证整个多机器人系统的开放性。另一方面， 多Agent理论可以应用到多机器人系统中各机器人的信息交互机制的设计中。所有这些信息交互的机制都可以采用Agent的协作机制在一个统一的理论框架下进行设计，这样就实现了交互机制的一致性、自然性。当单个机器人不能完成任务，且任务不能分解或分解算法很复杂时，可以应用MAS(Multi-Agent System)的联盟形成方法解决多机器人的分组协作执行任务。本文对机器人联盟问题的两种类型（单任务联盟和任务序列的联盟结构）进行了描述，并给出了数学模型。与其它的最优化问题一样，联盟形成需要在复杂而庞大的搜索空间寻找最优解或满意解，如果遍历整个搜索空间，就会产生搜索组合爆炸,在多项式时间内无法完成搜索。本文使用遗传算法来实现机器人联盟形成, 遗传算法能够减少寻找最优解或可行解的开销，从而提高整个系统的效率。
龚荣[3]2011年在《基于Agent的多机器人协作研究与仿真》文中认为多机器人协作是多机器人技术领域的重点研究内容,多机器人围捕运动是研究多机器人协作技术的一个典型平台。随着机器人由传统的“工业机器人”经“‘有感觉’的机器人”到“智能机器人”的实现,多机器人协作技术成为众多学者关注的研究方向,多机器人协作围捕成为研究的热点问题之一,其中,目标机器人的逃逸策略和围捕机器人的围捕策略,以及如何更有效的实现成功围捕,是该问题的重点研究内容。本文研究了多机器人对移动目标的协作围捕问题,针对机器人的规模、速度、初始条件、围捕运动状态、围捕成功条件进行了分析和讨论,并对目标机器人和追捕机器人的运动做出动态性调整,提出了夹角最大原则的逃逸策略,确定了迎面阻截与虚拟势点相结合的围捕策略,并分别对提出的逃逸策略和围捕策略与原有策略进行仿真比较,结果表明：本中提出的逃逸策略提高了目标机器人逃逸的成功率,延长了被成功围捕的平均时间；文中提出的追捕机器人的围捕策略提高了围捕成功率,缩短了成功围捕的时间,表明了课题所提出的动态调整策略的有效性。为了科学合理分配多机器人系统的资源,高效有组织的完成任务,本中对多机器人协作任务分配问题进行了研究,将智能体联盟机制应用到多机器人协作系统的任务分配问题中,针对多机器人系统围捕任务的分配问题,从单一围捕任务分配和多围捕任务协调分配两个方面分别进行分析,对目标机器人和追捕机器人的速度、数量、距离和任务组中各成员的相对位置影响任务分配的因素进行讨论,建立数学模型,运用遗传算法进行优化求解,并进行了仿真实验,仿真结果在一定程度上表明了文中所提出的多机器人协作围捕任务分配模型的有效性。
宋玉[4]2007年在《基于市场框架的多AUV协调控制技术研究》文中认为自主式水下机器人(AUV)系统是未来海洋探测和开发，以及完成各种水下智能作业任务的重要载体。作为水下机器人技术重要发展方向之一，多AUV协调技术已开始成为当前研究的热点。多AUV系统相对于单AUV而言具有更高的作业效率和系统稳定性。本论文主要讨论了多AUV协调控制系统的体系结构和一个基于市场框架的多AUV协作方法。论文首先介绍了多AUV技术的发展动态以及课题研究的意义，然后根据多AUV协调控制系统的需要建立一个AUV运动模型。文中根据AUV运动时的混杂特点，提出一种新的AUV体系结构，该体系结构根据传感器和管理AUV的数据调整自己的行为，并根据势态的变化对自身任务进行规划，使主体可以适应动态环境，完成动态复杂的任务。多AUV系统AUV的组织方式则采用了集散式分层结构。AUV即可以独立工作，又可以在需要时协作。在多AUV协作方法研究方面，本文模拟经济活动中的市场交易现象，建立在“市场”框架之上的多AUV协作策略，以解决在通信受限、单个AUV能力受限等条件下的协作问题。最后结合多AUV系统勘测未知海域的案例，对所采用的多AUV系统进行了验证，仿真结果表明：基于“市场”框架的多AUV协作方法可靠、有效，能够实现资源和任务在多AUV系统中的优化分配。
汤琼[5]2004年在《基于协作协进化的多机器人协作机制研究》文中指出协作问题一直是自主多Agent机器人系统研究的关键问题之一。在多Agent协作搬运多个物体的任务中，现有的协作协议难以取得最佳的协作效果。因此，有必要对多Agent的协作机制作进一步的研究。本研究的目的是设计一种基于协作协进化的多Agent协作机制，在该机制下，多Agent协作搬运多个物体能在更短的时间内完成。 首先，分配给各Agent大小相等的搜索区间，各Agent在其区域内完成物体搜索任务；然后，以Agent任务的理想耗费为参考，通过任务分解的两次分配过程，将搬运物体较均衡地分配给各Agent；接着，每个Agent以其任务中所有物体编号的随机排列为个体，产生初始种群；再接着，在各种群进化的过程中，对新个体进行适应度评估，如果该个体与其它种群代表一起完成物体搬运的协作效果较好，则赋予较高的适应度，否则，赋予较低的适应度，并在进行种群迭代时，用适应度高的个体取代父代中适应度低的个体，形成新一代种群，从而使得各种群朝着协作效果更好的方向进化：最后，各Agent按照协进化过程结束后得到的最优任务执行序列完成物体搬运。 运用上述方法，通过对3个同构的Agent协作搬运8个物体的计算机模拟，得出了较之已有协议，基于协作协进化的多Agent协作机制的多Agent系统能在更短的时间内完成任务搬运的结论。且测试过程表明，本协作机制具有良好的稳定性，算法收敛。由此说明，这种新的协作机制能有效提高多机器人系统的协作效率。该协作机制的研究成功，不仅丰富和发展了多机器人协作理论，而且为多机器人群体协作行为的研究提供了一种新的思路。
杨涛[6]2005年在《基于多智能体的移动机器人控制与协作研究》文中研究说明机器人技术的发展使得机器人的能力不断提高,其应用的领域和范围正不断扩展。人们希望机器人能完成由单一机器人难以完成的更加复杂的作业。这些复杂的作业,需要多个机器人相互协调与协作共同完成,因此对多机器人协调与群体协作的研究就显得非常重要。目前,关于多机器人系统的研究正成为一个新的研究方向——协作机器人学。本文结合机器人足球比赛和移动机器人编队,基于分布式人工智能研究领域多智能体的概念,对移动机器人控制和多机器人协作问题进行了研究,提出了一些新的方法。本文探讨了多智能体系统的组织和协调,提出了一种基于MAS 的多机器人系统模型,这种分层结构模型有效地把任务的决策、规划、信息的感知和实时执行集成起来,将系统功能和实体机器人行为统一起来,从而使系统的程序空间与它所描述的现实空间有较一致的对应关系,适合于多机器人系统的分析与建模。移动机器人运动控制是建立在运动模型基础上的。通过对轮式移动机器人的物理结构进行分析,得到移动机器人的运动模型。在该模型的基础上,对机器人到某一点的轮速算法,转角的比例轮速算法和直线精确到点算法这叁种基本运动规划进行了分析。在此基础上,对机器人复杂行为规划进行了讨论。足球机器人比赛是典型的多Agent 系统,在机器人足球比赛策略流程的基础上,对决策系统进行了分层次的分析,进行了决策系统中球队攻防转换策略和角色分配策略的详细设计,并且着重研究了基于神经网络的信息融合方法在机器人足球决策中的应用。针对机器人任务分配以及分配需要遵循的原则进行了量化分析,对多机器人团体协作的高层策略进行了研究。在Pioneer2移动机器人平台软硬件基础上构建了一个基于Windows 的移动机器人通信平台,给出了该平台的具体设计和实现,并且对移动机器人编队控制进行了初步研究。机器人足球比赛成绩和多机器人编队的实验结果及分析证明了上述方法的有效性和正确性。
程磊[7]2005年在《多移动机器人协调控制系统的研究与实现》文中认为多机器人系统是机器人学发展的一个新方向。一方面,由于某些任务的复杂性,单个机器人会因为自身有限的能力而无法完成全部的工作,在这种情况下,多个机器人可以通过相互之间的协调共同完成任务。另一方面,通过多机器人间的协调,可以提高机器人系统的作业效率。在多机器人系统的研究中,多移动机器人系统的协调控制始终是一个热点主题,也是该领域中一个基础性的研究方向。本文在前人研究的基础上,通过构建一系列新理论及方法,并结合运动协调仿真与实验,对多移动机器人协调控制系统的理论基础和实现技术进行了更加深入的探讨。本文首先研究了一类基于智能体通信机制的体系结构,以获得多移动机器人系统在“相互感知盲区”中的协调运动能力。为达到全双工,可靠的信道传输,该系统结构采用了UDP/TCP 双协议、双通道通信模块设计。本论文其余部分的实验设计及实现方法,都是以结构为基础进行展开研究。为对理论研究结果进行分析和验证,本文设计了一类通用的多移动机器人协调控制仿真软件。通过运用基于虚拟2-D 激光的感知技术,以及基于线程的程序结构和面向对象的软件设计法,该软件有效地实现了复杂环境下大规模移动机器人系统协调运动的实时模拟。基于ι-φ闭环控制律的多移动机器人运动协调算法是一类行之有效的多移动机器人控制算法,本文进一步开展了如下研究:对闭环控制律下Leader-Follower 编队的基本稳定性问题进行分析与综合; 对串联编队与并联编队的稳定性进行分析与比较,并给出了LFS 理论下的相应结论; 提出了引入“势点”的改进算法,改善了ι-φ闭环控制律下的多机器人运动过程的动态性能; 提出并探讨了多移动机器人运动协调中的容错控制问题,建立并运用队形分级图,初步研究了基于l ??闭环控制律的多机器人运动协调中的容错队形重构。群集运动控制是模拟自然界中生物聚合运动的新型分散式控制方法,本文研究了群集控制律下的多移动机器人运动协调系统,提出了一类有序化群集运动控制算
赵利辉[8]2008年在《基于多Agent机器人系统合作与协调技术研究》文中研究说明本文从多机器人系统的研究现状出发,研究了多机器人系统的特点及其体系结构,详细介绍了当前多机器人研究领域的众多令人瞩目的创新研究成果,并重点分析了基于MAS的多机器人系统协调与合作领域的多机器人的障碍规避和路径规划方案,主要工作包括:(1)提出并实现了多机器人系统任务级的协作与运动级的协调。对于任务级的协作,首先针对静态任务分配问题提出了一种解决小规模任务分配问题的方法,然后针对动态任务分配问题设计了一种适用于多机器人系统的分布式任务分配机制。对于运动级的协调,采用了“全局规划——局部修正”的路径规划结构,设计了一种基于预测的冲突消解策略作为了局部规划方法。(2)使用Visual C++6.0对单个机器人和多机器人静态障碍环境路径规划和障碍规避进行了仿真实验研究。(3)实验结果表明,任务分配方法能够满足静态任务分配的实时性与最优性要求,以及动态任务分配的自主性与鲁棒性要求,冲突消解方法具有较高的协调性,基于强化学习的避碰策略能够有效地实现机器人的自主规划并提高了其对环境的适应能力。
胡文[9]2010年在《基于MAS的多机器人系统及关键技术研究》文中提出随着科技的发展,单个机器人越来越难以实现社会发展的需求。而设计一个高度复杂、高度智能化的单个机器人的成本很高,而且技术要求也很高。相比之下,由多个相对简单的机器人组成多机器人系统则具有设计周期短、实现方便、任务执行效率高等优点,而且随着智能化水平的提高,智能机器人已成为当前和今后机器人发展的潮流。本文就是在Agent理论的出现和广泛应用的前提下,多Agent系统(MAS)研究逐渐成为分布式人工智能研究的一个重要组成部分的情况下,对基于MAS理论的多机器人系统及关键技术进行了深入研究。本文首先介绍了多机器人系统研究的目的、意义、国内外研究现状和主要的研究内容。之后,详细介绍了基于MAS的多机器人系统的构成及相关研究内容。然后,详细研究了多机器人的运动规划,并且采用了将基于行为的避碰规划和人工势场法相结合的方法,针对人工势场法可能出现局部极小的情况,采用follow_wall行为规划,而且针对多机器人之间可能存在的碰撞冲突,由日常生活中的规律,引入了交通规划法和改变速率法来有效地解决多机器人的碰撞冲突。第四章通过多机器人的队形研究,先设计了队形行为库,再由经验产生各行为控制参数,最后由这些行为进行加权求和,得到最后的行为结果。第五章则通过类人机器人ROBONOVA-I型机器人组成的FIRA 3vs3类人型机器人足球为平台,通过设计该平台的决策子系统,以及一般球员、守门员的算法设计,通过实验和实际比赛的结果显示,本章设计的系统是有效的。随着科技的发展,机器人技术的日趋成熟,机器人逐渐向高智能、类人型、多机器人系统方向发展。本文就是在这样的背景下,做了部分的工作。因此多个类人型的机器人通过自主地完成机器人足球比赛,是今后机器人发展的重点。
谭应清[10]2008年在《基于MAS的机器人动态博弈系统协作策略研究》文中提出本文研究了基于MAS的机器人动态博弈系统中的协作问题。首先,研究了多智能体系统相关理论,提出一种基于MAS的多机器人体系结构;其次,研究了多智能体协作策略和多机器人系统的协作策略,提出一种通用的多智能体协作模型;再次,结合人类社会组织方式和分工合作,提出了基于角色和信度动态分配的多机器人协作策略;最后,研究了动态博弈环境中多机器人学习问题,提出基于多智能体强化学习的多机器人协作策略。并将本文提出的多机器人协作策略应用于机器人足球比赛SimuroSot 5vs5平台,提出实战比赛策略并进行实验,验证了本文提出的协作策略的有效性和可行性。
参考文献：
[1]. 基于MAS的多机器人体系结构与协作机制的研究[D]. 王韬. 中北大学. 2007
[2]. 基于Agent的多机器人的任务协作研究[D]. 鲁玉良. 北京工业大学. 2003
[3]. 基于Agent的多机器人协作研究与仿真[D]. 龚荣. 沈阳工业大学. 2011
[4]. 基于市场框架的多AUV协调控制技术研究[D]. 宋玉. 哈尔滨工程大学. 2007
[5]. 基于协作协进化的多机器人协作机制研究[D]. 汤琼. 浙江工业大学. 2004
[6]. 基于多智能体的移动机器人控制与协作研究[D]. 杨涛. 华中科技大学. 2005
[7]. 多移动机器人协调控制系统的研究与实现[D]. 程磊. 华中科技大学. 2005
[8]. 基于多Agent机器人系统合作与协调技术研究[D]. 赵利辉. 中北大学. 2008
[9]. 基于MAS的多机器人系统及关键技术研究[D]. 胡文. 西华大学. 2010
[10]. 基于MAS的机器人动态博弈系统协作策略研究[D]. 谭应清. 华北电力大学（北京）. 2008