专利名称：多移动机器人系统的协调控制方法
技术领域：
本发明涉及机器人控制技术领域，特别涉及一种多移动机器人系统的协调控制方法。
背景技术：
目前，多移动机器人的协调控制方法在实际问题中得到了越来越广泛的应用。这主要是由于越来越多的实际任务都比较复杂，往往单移动机器人难以完成，而需要通过多移动机器人之间的合作来完成。此外，通过多移动机器人间的合作，可提高机器人系统在作业过程中的效率，进而当工作环境发生变化或机器人系统局部发生故障时，多移动机器人系统仍可通过本身具有的合作关系来完成预定的任务。然而，现有技术存在的缺点是，控制 精度不高，往往只能使得各移动机器人在时间趋于无穷时渐近地完成某项特定任务。特别地，当涉及多移动机器人的跟踪问题时，往往只能保证各移动机器人达到某个位置或目标，而不能保证各移动机器人能够完全地跟踪任意指定的期望轨迹或目标。
发明内容
本发明的目的g在至少解决上述技术缺陷之一。为达到上述目的，本发明提出一种多移动机器人系统的协调控制方法，所述多移动机器人系统包括多个个体移动机器人，所述方法包括以下步骤:A :每个所述个体移动机器人获取自身当前时刻位置、经验控制量、输入矩阵、输出矩阵以及邻居机器人的当前时刻位置；B :判断每个所述个体移动机器人是否具有预定的期望位置信息，井根据所述判断的结果确定每个所述个体移动机器人的第一參数；C :根据每个所述个体移动机器人的第一參数以及预定的多移动机器人系统的加权邻接矩阵确定每个所述个体移动机器人的学习參数，其中所述学习參数包括第一学习參数和第二学习參数，且所述第一学习參数和第二学习參数非负且满足预定的权规则条件；以及D :根据每个所述个体移动机器人的输入矩阵和输出矩阵确定每个所述个体移动机器人的学习增益矩阵；以及E :根据每个所述个体移动机器人的自身当前时刻位置、第一參数、学习參数、经验控制量和学习增益矩阵以及所述邻居机器人的当前时刻的位置控制每个所述个体移动机器人。在本发明的一个实施例中，所述步骤B进ー步包括如果所述个体移动机器人具有所述预定的期望位置信息，则确定所述第一參数为I ;如果所述个体移动机器人不具有所述预定的期望位置信息，则确定所述第一參数为O。在本发明的一个实施例中，所述预定的权规则条件为 +ヂAxl，其中％为
所述个体移动机器人i与个体移动机器人j之间的第一学习參数，ル为所述个体移动机器人i的第二学习參数，Qi为所述个体移动机器人i的第一參数，au为所述多移动机器人系统的加权邻接矩阵的元素。根据本发明的一个实施例中，所述步骤D进ー步包括根据每个所述个体移动机器人的输入矩阵和输出矩阵通过以下的公式确定每个所述个体移动机器人的学习增益矩阵K，K=(CB)tECB(CB)T1其中，B和C分别为所述个体移动机器人的输入矩阵和输出矩阵。根据本发明的一个实施例，所述步骤E进ー步包括E1 :根据每个所述个体移动机器人的自身当前时刻位置、所述第一參数、所述学习參数、所述经验控制量、所述学习増益矩阵以及所述邻居机器人的当前时刻位置，通过以下的公式确定每个个体移动机器人的当前控制量，
uuく+'(0 = uLk(,) + 欠 j ^ fPaa^yi-Iiひ +1) — A1+り]+l^icoXylXf +1)—yu<(/+1)]ン
U馬'.其中，Ui,k(t)为所述个体移动机器人i的经验控制量，yi,k(t+l)为个体移动机器人i在经验控制量Ui,k(t)控制下的下一时刻的位置，hk(t+l)为个体移动机器人i的邻居机器人j在经验控制量Uj,k(t)控制下的下一时刻的位置，yr(t+l)为所述预定的期望位置信息，K为所述学习增益矩阵，Ui,k+1(t)为所述个体移动机器人i的当前控制量；以及E2:根据所述个体移动机器人的当前控制量和所述个体移动机器人当前时刻的位置，通过以下的公式确定所述个体移动机器人的下一时刻的位置Yij k+1 (t+1) =C (I-q_1A) ^1Buijk+1 (t),其中，yi,k+1 (t+1)为所述个体移动机器人i在当前控制量Ui.k+Jt)控制下的下一时刻的位置，A为所述个体移动机器人i的状态矩阵，I为与CBK同阶的单元矩阵，q—1为所述个体移动机器人i的漂移算子，其满足^uu+jthuu+ia-l)。根据本发明实施例的多移动机器人系统的协调控制方法，通过增加学习过程，提高控制精度，使得各移动机器人能够在有限时间内完成某项特定任务，同时保证移动机器人能够完全地跟踪任意指定的期望轨迹或目标。本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中图I为本发明一个实施例的多移动机器人系统的协调控制方法的流程图；图2为本发明一个实施例的多移动机器人系统的不意图。
具体实施例方式下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过參考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。图I为本发明一个实施例的多移动机器人系统的协调控制方法的流程图。如图I所示，该方法包括以下步骤步骤S101，每个个体移动机器人获取自身当前时刻位置、经验控制量、输入矩阵、输出矩阵以及邻居机器人的当前时刻位置。 其中，个体移动机器人的邻居机器人指的是，有信息流向该移动机器人的所有其他移动机器人的集合。图2为本发明一个实施例的多移动机器人系统的示意图，如图2所不，个体移动机器人2和4为个体移动机器人5的邻居,而个体移动机器人1、3和6不是个体移动机器人5的邻居。具体地，可通过安装在个体移动机器人上的摄像装置获取自身及其邻居机器人的当前时刻的位置。此外，输入矩阵、输出矩阵皆由机器人自身的结构和參数决定，在本发明中，每个机器人的输入矩阵、输出矩阵均分别相同。步骤S102，判断每个个体移动机器人是否具有预定的期望位置信息，并根据判断的结果确定第一參数。具体地，如果个体移动机器人具有预定的期望位置信息，则确定第一參数为I。如果个体移动机器人不具有预定的期望位置信息，则确定第一參数为O。步骤S103，根据每个个体移动机器人的第一參数以及多移动机器人系统的加权邻接矩阵确定每个个体移动机器人的学习參数，其中学习參数包括第一学习參数和第二学习參数，且第一学习參数和第二学习參数非负且满足预定的权规则条件。在本发明的一个实施例中，预定的权规则条件为+く1，其中，％为个
体移动机器人i与个体移动机器人j之间的第一学习參数，V i为个体移动机器人i的第二学习參数，w i为个体移动机器人i的第一參数，au为多移动机器人系统的加权邻接矩阵的元素，表示移动机器人i相对于移动机器人j的信息获取状況，例如基于视觉的移动机器人I在前，基于视觉的移动机器人2在后，2可见1，而I不可见2，则a12=0。步骤S104，根据每个个体移动机器人的输入矩阵和输出矩阵确定每个个体移动机器人的学习增益矩阵。具体地，可通过以下的公式获取每个个体移动机器人的学习增益矩阵K，K=(CB)tECB(CB)T1其中，B和C分别为个体移动机器人的输入矩阵和输出矩阵。
应理解，如上述步骤SlOl所述，由于每个个体移动机器人的B和C相同，因此对于多移动机器人系统中的每个个体移动机器人来说，学习增益矩阵K均是相同的。步骤S105，根据每个个体移动机器人的自身当前时刻位置、第一參数、学习參数、学习增益矩阵、经验控制量以及邻居机器人的当前时刻位置控制每个个体移动机器人。具体地，首先，根据每个个体移动机器人的自身当前时刻位置、第一參数、学习參数、经验控制量和学习增益矩阵以及邻居机器人的当前时刻位置，通过以下的公式确定每个个体移动机器人的当前控制量
权利要求
1.一种多移动机器人系统的协调控制方法，其特征在于，所述多移动机器人系统包括多个个体移动机器人，所述方法包括以下步骤 A :每个所述个体移动机器人获取自身当前时刻位置、经验控制量、输入矩阵、输出矩阵以及邻居机器人的当前时刻位置； B :判断每个所述个体移动机器人是否具有预定的期望位置信息，并根据判断结果确定每个所述个体移动机器人的第一參数； C :根据每个所述个体移动机器人的第一參数以及多移动机器人系统的加权邻接矩阵确定每个所述个体移动机器人的学习參数，其中所述学习參数包括第一学习參数和第二学习參数，且所述第一学习參数和第二学习參数非负且满足预定的权规则条件； D :根据每个所述个体移动机器人的输入矩阵和输出矩阵确定每个所述个体移动机器人的学习增益矩阵；以及 E :根据每个所述个体移动机器人的自身当前时刻位置、第一參数、学习參数、经验控制量、输出矩阵、学习增益矩阵以及所述邻居机器人的当前时刻位置控制每个所述个体移动机器人。
2.根据权利要求I所述的多移动机器人系统的协调控制方法，其特征在于，所述步骤B进ー步包括 如果所述个体移动机器人具有所述预定的期望位置信息，则确定所述第一參数为I ; 如果所述个体移动机器人不具有所述预定的期望位置信息，则确定所述第一參数为O。
3.根据权利要求I所述的多移动机器人系统的协调控制方法，其特征在于，所述预定的权规则条件为
4.根据权利要求I至3中任一项所述的多移动机器人系统的协调控制方法，其特征在于，所述步骤D进ー步包括 根据每个所述个体移动机器人的输入矩阵和输出矩阵通过以下的公式确定每个所述个体移动机器人的学习增益矩阵K， K= (CB)T [CB (CB) T]-1 其中，B和C分别为所述个体移动机器人的输入矩阵和输出矩阵。
5.根据权利要求I至4中任一项所述的多移动机器人系统的协调控制方法，其特征在于，所述步骤E进ー步包括 El :根据每个所述个体移动机器人的自身当前时刻位置、所述第一參数、所述学习參数、所述经验控制量、所述学习増益矩阵以及所述邻居机器人的当前时刻位置，通过以下的公式确定每个个体移动机器人的当前控制量
全文摘要
本发明提出一种多移动机器人系统的协调控制方法，包括每个移动机器人获取自身当前时刻位置、输入矩阵、输出矩阵、经验控制量以及邻居机器人的当前时刻位置；根据每个移动机器人是否具有预定的期望位置信息确定每个移动机器人的第一参数；根据每个移动机器人的第一参数以及多移动机器人系统的加权邻接矩阵确定每个移动机器人的学习参数；根据每个移动机器人的输入矩阵和输出矩阵确定每个个体移动机器人的学习增益矩阵；根据每个移动机器人的自身当前时刻位置、第一参数、学习参数、经验控制量、学习增益矩阵以及邻居机器人的当前时刻位置控制每个移动机器人。本发明通过增加学习过程提高控制精度，使得各移动机器人在有限时间内完成任务。
文档编号G05B19/418GK102830701SQ20121031525
公开日2012年12月19日 申请日期2012年8月30日 优先权日2012年8月30日
发明者孟德元, 贾英民 申请人:北京航空航天大学