CN106502250A - 三维空间内多机器人编队的路径规划算法 - Google Patents

Abstract

本发明提供了一种基于市场拍卖法和切线圆法的三维空间内多机器人编队的路径规划算法，属于智能算法优化领域，实现了四个机器人形成空间四面体编队的运动仿真。本方法利用市场拍卖法进行任务分配，使各个机器人在多机器人系统低能耗和低费时条件下获得任务坐标方位；基于传统的切线圆法提出三维空间内的切线圆法，规划各个机器人的运动路径，最终形成编队形状并且使得各个机器人拥有相同的运动姿态。仿真研究表明，该方法编队时间短，系统能耗较低，能够实现三维空间内的多机器人编队的路径规划任务，验证了算法的有效性和实用性。

Description

三维空间内多机器人编队的路径规划算法

技术领域

本发明属于智能算法优化领域，涉及一种基于市场拍卖法的多机器人系统编队任务分配算法和基于切线圆法的多机器人编队路径规划算法。

背景技术

编队控制方法是指多机器人系统在到达目标位置的过程中既保持某种队形又可以适应环境约束的控制方法。由于多机器人编队的作业任务和环境各不相同，科研人员提出了多种机器人编队的控制方法，其中最为常用的方法有基于领航者-跟随者的方法、虚拟结构法、基于行为的方法、基于图论的方法和强化学习的方法。

领航者-跟随者方法的基本思想是在多机器人组成的编队系统中，可以存在一个或者多个领航机器人(Leader)，其他非领航者机器人即为跟随机器人(Follower)，跟随机器人以相对其领航机器人的位置(相对距离L、相对角度φ)作为输入控制量，使得跟随机器人与领航机器人的相对位置无限逼近目标值。领航跟随方法的控制结构比较简单，但是由于领航机器人和跟随机器人之间没有位置反馈，并且是领航者机器人单点控制，导致容易出现机器人掉队等情况，系统的鲁棒性较差。

虚拟结构法的基本思想是将多机器人组成的系统看成一个假想的刚体结构，各个机器人在参考坐标系下的坐标不变，即机器人之间的相对位置不变。

基于行为的方法的基本思想是将多机器人编队的各个环节看成由单个机器人的多个基本行为构成，只需要研究各个基本行为的控制方法即可通过基本行为的组合控制多机器人形成编队。基本行为一般包括目标跟踪、避免障碍、避免碰撞、编队生成和编队保持等。基于行为的方法由各个机器人相互感知控制，系统比较容易实现分布式控制，具有很好的鲁棒性。但是由于无法结合准确的数学模型分析，导致不能十分有效的保证系统的可靠性。

基于图论的方法的基本思想是结合图论的知识，将各个机器人看成节点，然后节点之间按照一定的规则相互连通，控制指令在节点之间按照一定的方向“传递”，使得整个多机器人系统形成一种网状的拓扑结构。

强化学习的方法是一种比较新兴的研究方法，基本思想是结合机器学习的理论，对机器人在学习阶段的行为进行评估，如果机器人的行为符合预期设定则奖励为正，那么机器人将在以后的动作行为中更加偏向使用该行为，反之这种行为的出现概率将会越来越低，甚至消失。通过有效的设定行为奖惩规则，可以使得各个机器人能够按照设定进行长时间的“训练”，最终可以实现编队效果。

经过对现有多机器人编队控制方法的对比，可以看出国内外学者对多机器人的编队控制方法研究多应用于解决二维平面内的编队控制问题，或者只考虑编队形状而不考虑形成编队时各个机器人的姿态问题。目前，三维空间内的编队控制方法主要是简化为二维平面内的编队问题来处理，而且三维空间内的编队控制算法复杂度太高，很难实现对多机器人系统的准确编队控制。因此，现有的编队控制方法不能很好的适用于解决多机器人在三维空间内的编队控制问题。针对上述问题，提出一种基于市场拍卖法和切线圆法的新型路径规划算法，解决多机器人三维空间内的编队路径规划问题。

发明内容

为解决上述问题，本专利提供一种基于市场拍卖法的多机器人系统编队的任务分配算法和基于切线圆法的多机器人编队路径规划算法。

基于市场拍卖法的多机器人系统编队的任务分配算法包括，由目标状态矩阵S_T可以通过市场拍卖法的方式将各坐标分配给各个机器人，并形成路径，使各个机器人跟踪参考路径向形成编队形状的各个目标位置运动。传统的市场拍卖法仅仅根据目标点与当前各个机器人的距离远近进行坐标分配，当多机器人系统中的机器人个数比较少时，传统的坐标分配方法可能产生比较小的误差，但是当机器人个数明显增加时，传统的方法很可能导致多机器人系统形成编队所需要的时间更长、耗能更多。

本文提出一种改进的市场拍卖算法进行多机器人编队系统中各个坐标的分配计算，综合考虑所有机器人向形成编队的目标位置运动路程之和Sumdistance，机器人从接收到形成编队指令到形成编队所需要的时间T_cost(每个机器人的姿态调整时间T_a和机器人运动到指定位置时间T_b之和的最大值)，分别使用K_a，K_b设置Sumdistance和T_cost的权值参数，在不同环境下可选择不同的权值参数。

为了保证编队任务的连续性，需要在形成编队形状时各个机器人有相同的速度V_g和姿态角θ_g,因此需要计算各个机器人运动到指定坐标点所需要的时间T_i的最小值min{T_i}，设机器人角速度为ω，L_i为机器人R_i到形成编队形状需要运动的路程，则

因此得T_cost＝max{T_i}，则每个机器人运动到指定目标点的平均速度：

故需要根据目标速度V_g和运动时间T_cost，结合机器人的动力学公式，对机器人的速度进行运动学控制，使各个机器人都能在规定时间内以准确的速度和姿态到达指定位置。

设编队形成过程效率指标为η，则：k表示第k种坐标分配方案，0≤η_k≤2。

通过设置合适的权值参数K_a、K_b可以选择不同的编队分配方案作为任务要求下的最优解。

基于切线圆法的多机器人编队路径规划算法应用于解决三维空间内的多机器人编队的路径规划和位姿控制，三维空间内的切线圆法原理图如图1所示。

步骤1：通过程序算法计算机器人R_i到达指定目标位置所需要的时间t_i；

步骤2：用表示机器人R_i的目标点，在图1中绘出的位置，并结合目标位置的姿态角方向向量r_i和机器人R_i的初始位置坐标可以构建一个平面H；在平面H内，以为切点可以做目标点运动轨迹直线的两个外切圆外切圆半径为机器人R_i的预设转弯半径r_i；

步骤3：在平面H内，由机器人初始位置向作切线，易知有四种解法路径直线l₁、l₂、l₃、l₄，满足机器人运动学要求的是直线l₂、l₃，计算易知直线l₂路径最优；

步骤4：由机器人初始位置R_i的初始姿态角，及直线l₂可得一个平面，记为平面P，则需要在平面P内找到一条路径使得机器人R_i可以沿此路径进入到l₂；

步骤5：在P平面内，过点，在直线l₂侧做外切圆外切圆半径为r_i；在直线l₂上下两侧分别作出圆与圆直线l₂相切，如图1所示，仅有圆满足要求，故可构建路径如图1虚线所示。以为例计算路径曲线。

过x轴、点和r_i可做平面则由空间平面方程求解。

平面法向量：

则平面的方程为：

设r_i与n_x的夹角为δ，则：

在XOY平面作出以δ为方向角的直线l₀，如图2所示，并作相切圆

则圆的方程可写成：r为转弯半径。

则圆的圆心(a,b)由下式定义：

则圆的方程可写成：

则切点P₁坐标定义如下：

设平面与平面XOY的夹角为γ，则：

则由坐标旋转公式，绕x轴旋转后新坐标满足：

故可得在平面中圆的方程为：

圆的方程为：

附图说明

图1为三维空间内的切线圆法原理图

图2为平面XOY上几何关系图

图3为编队任务分配仿真图

图4为空间四面体编队模型图

图5为四面体编队仿真图

具体实施方式

定义机器人的坐标和姿态用矩阵表示，x,y,z表示机器人在笛卡尔直角坐标系下的位置，θ,表示机器人在笛卡尔直角坐标系下的姿态方向。

以四个机器人形成一个四面体形的多机器人编队形状为例。

初始坐标为：

目标编队形状各顶点坐标为：

四机器人编队系统中的所有任务分配方法如表1所示。

表1四机器人编队系统中的所有任务分配方法

k	Sumdistance(m)	Tcost(s)	η
				1	44.9762	20.5921	0.8845
2	46.0676	21.4316	0.9133
				3	52.5190	21.5433	0.9783
4	51.6614	24.6755	1.0382
				5	50.6772	24.6755	1.0286
6	52.6262	21.5433	0.9793
				7	46.0676	20.5921	0.8950
8	47.1590	21.4316	0.9239
				9	51.6614	20.5921	0.9493
10	53.1851	24.7952	1.0556
				11	52.2009	24.7952	1.0460
12	51.7686	21.4316	0.9686
				13	50.6772	20.5921	0.9397
14	52.2009	24.7952	1.0460
				15	52.6262	21.5433	0.9793
16	51.7686	24.6755	1.0392
				17	56.3782	24.6755	1.0839
18	58.7594	24.7952	1.1096
				19	50.2268	24.7952	1.0269
20	49.7946	21.4316	0.9495
				21	57.7696	24.7952	1.1000
22	55.3884	24.6755	1.0743
				23	49.7946	24.6755	1.0201
24	51.7435	21.5433	0.9708

由表中数据可得，当I＝0.8845时，系统有最优解，此时花费时间20.5921s，总运动路程44.9762m。

通过MATLAB仿真可得任务分配如图3所示，实心圆点为各个机器人的初始位置，空心圆点为目标点位置。此种解法为给定初始状态和目标位置的最优解，证明了多机器人编队过程的任务分配算法的有效性。

以四面体编队为例，最终形成的四面体编队形状如图4中所示四面体G₀G₁G₂G₃，并沿x轴正向向目标点G_t运动。

目标状态矩阵：

编队形成过程的问题即转化为使用算法使得S_T＝S，为了保证目标矩阵的单一性，便于计算，做如下规定依次由的大小确定目标矩阵S_T的行向量，列坐标小的行向量在前。

运用基于改进市场拍卖法的多机器人编队坐标分配方法，将形成编队形状的G₁、G₂、G₃坐标分配给R₁、R₂、R₃机器人。

运用基于切线圆法的三维平面内路径规划算法和位姿控制方法，计算各个机器人的编队路径。

最终得到仿真图如图5所示。

从图5可以看出，各个机器人在初始各自不同的姿态方向运动情况下，可以使用切线圆法规划出运动路线和调整运动姿态，并最终和其他机器人以相同的运动姿态形成四面体编队形状，验证了多机器人编队过程的路径规划和位姿控制算法的有效性。

Claims (2)

1.一种基于市场拍卖法的多机器人编队过程任务分配方法，其特征在于，包括：

步骤1-1，由目标状态矩阵S_T可以通过市场拍卖法的方式将各坐标分配给各个机器人，并形成路径，使各个机器人跟踪参考路径向形成编队形状的各个目标位置运动；综合考虑所有机器人向形成编队的目标位置运动路程之和Sumdistance，机器人从接收到形成编队指令到形成编队所需要的时间T_cost(每个机器人的姿态调整时间T_a和机器人运动到指定位置时间T_b之和的最大值)，分别使用K_a，K_b设置Sumdistance和T_cost的权值参数，在不同环境下可选择不同的权值参数；

步骤1-2，需要计算各个机器人运动到指定坐标点所需要的时间T_i的最小值min{T_i}，得T_cost＝max{T_i}，则每个机器人运动到指定目标点的平均速度

步骤1-3，根据目标速度V_g和运动时间T_cost，结合机器人的动力学公式，对机器人的速度进行运动学控制，使各个机器人都能在规定时间内以准确的速度和姿态到达指定位置；

步骤1-4，设编队形成过程效率指标为η，则：k表示第k种坐标分配方案，0≤η_k≤2。通过设置合适的权值参数K_a、K_b可以选择不同的编队分配方案作为任务要求下的最优解。

2.一种基于切线圆法的多机器人编队过程路径规划和位姿控制方法，其特征在于，包括：

步骤2-1：通过程序算法计算机器人R_i到达指定目标位置所需要的时间t_i；

步骤2-2：用表示机器人R_i的目标点，标出的位置，并结合目标位置的姿态角方向向量r_i和机器人R_i的初始位置坐标可以构建一个平面H；在平面H内，以为切点可以做目标点运动轨迹直线的两个外切圆外切圆半径为机器人R_i的预设转弯半径r_i；

步骤2-3：在平面H内，由机器人初始位置向作切线，易知有四种解法路径直线l₁、l₂、l₃、l₄，满足机器人运动学要求的是直线l₂、l₃，计算易知直线l₂路径最优；

步骤2-4：由机器人初始位置R_i的初始姿态角，及直线l₂可得一个平面，记为平面P，则需要在平面P内找到一条路径使得机器人R_i可以沿此路径进入到l₂；

步骤2-5：在P平面内，过点，在直线l₂侧做外切圆外切圆半径为r_i；在直线l₂上下两侧分别作出圆与圆直线l₂相切，仅有圆满足要求，故可构建路径实现机器人形成编队形状和调整统一的姿态方向。