论文总字数：28801字

目 录

1绪论 1

1.1课题背景 1

1.2国内外研究现状 1

1.3本课题研究任务及意义 3

2系统模型 4

2.1模型建立 4

2.2模型转换 5

3不考虑机器人碰撞的成形策略 6

3.1理论 6

3.1.1匈牙利法 6

3.1.2整数规划 6

3.2方案设计 7

3.2.1匈牙利法的矩阵运算 7

3.2.2 0-1规划 8

3.2.3多重循环 9

4考虑机器人碰撞的成形策略 11

4.1机器人间的相互碰撞 11

4.2机器人避障与蚁群算法的讨论 11

5 Matlab仿真 14

5.1不考虑机器人碰撞的成形策略 14

5.2考虑机器人碰撞的成形策略 16

5.3蚁群算法的运用 17

6 结论 19

参考文献 19

致谢 21

附录 22

机器人群队列成形策略研究

过铮

，China

Abstract：Multi-robot formation control allows robots to perform cooperation and then finish complex tasks, which has been widely used in both civilian and military applications. Before moving to a target formation, each robot chooses a position from the formation to minimize the cost of the entire moving process. Starting from the overall path, we investigate the advantages and disadvantages of seveval algorithms and design a new algorithm that can minimize the total path and have the highest accuracy of the optimal formation. By using the theory of Hungarian solution and integer programming flexibly, the problem of optimal path design is transformed into an assignment problem. Learning relevant materials and writing programs to compare with mature algorithms to find solutions that can meet both the requirements of the subject and the level of knowledge. As an extension, discussion on preventing collisions and avoiding obstacles in the region while keeping the shortest path is added. Through using ant colony optimization and other algorithm tools, it has enriched the coping strategies in the face of different complex situations. The performance of these mentioned algorithms are also verified by simulations.

Key words：Multi-robot; queue forming; the shortest path; obstacles avoidance; Matlab

1绪论

1.1课题背景

机器人是一种复杂自动化设备，它融合了电子学、机械控制、人工智能等科学技术，是人类在科学发明史上一个伟大的发明。机器人自1956年诞生后，经过60多年发展，已经被广泛应用于制造业、勘探资源、救灾抢险、医疗救援、物流运输、军事和航天等其他领域。正因为机器人与先进的工业制造技术以及智能互联网技术的有机结合与发展，人类生活方式已经发生了巨大的变化与革新。机器人在当今各个行业或领域的生产服务中占据重要的地位，也是现今各行各业自动化与智能化提高的标志。机器人的广泛使用使各领域的自动化和智能化水平显著提高，成本也被大大削减，而且在危险作业环境、重复繁重劳动岗位及智能采样分析岗位中被应用，发挥着其独特的作用^[1]。

近年来，多机器人队列取代了复杂的单一机器人，用于民用和军用。由多机器人组成的系统的优势在实际应用中逐步体现。通过将原本单个工作的机器人更换为多个共同协作的机器人，整体系统性能将不会大幅下降。通过这种方式，它可以通过将复杂的任务分解成小的任务以降低复杂性。此外，多机器人系统能够以较低的成本完成更复杂的任务^[2][3]。

多机器人系统在工农业生产、国防军事领域有较多的应用。由机器人群组成的系统如果能形成某一队形整体移动或是工作，能大幅提高工作效率，降低工作难度。例如在军事上，多个机器人形成有战术意义的队形进行火力掩护、安全监视等任务^[4]；在生产生活中，运送一些大型物件时也需要多个机器人形成一定的队列来使搬运，减少因队列中某一个机器人的负荷过大而导致的不必要损失^[5]。

需要使原本分散的机器人形成要求的队形，那么就需要一个最优的路径规划策略，每个机器人选择目标队列中的一个位置，以某种规定的行进方式找出由各个机器人的初始位置到目标队列位置的路径，通过使形成队列的总路程最短使得整个机器人运动所需的燃料或者电力消耗最少，从而控制成本。

1.2国内外研究现状

机器人正朝着感知能力越来越强、造价越来越低廉、编程控制越来越便捷、安全性能越来越高等方向发展。

机器人拥有视觉不仅能在工厂车间中执行更多的任务，还能在其他行业大显身手，比如需要大量人手从事枯燥、重复性工作的饮食行业。机器人可以代替人调酒做蛋糕、切菜伴沙拉，而他们精确的计算功能可以把这些工作做得更好。

机器人灵敏的触感能比人类更精确的分析出物体的硬度、密度等物理性质，使其对物体的操作更精确、更安全。机器人展上常有的机器人会用精密的机械手处理不同的物品，它们能使用如同人体关节的机械手将易碎品轻柔的放入盒中；在高端的医疗领域，也会有由精密机械手进行操作的高难度手术。

借助计算机技术制造的机器人的成本随着计算机技术在近年来的飞速发展大幅下降，其功能也愈发强大，能适应不同生产任务的需求。工厂制造商无需为其不同生产线配备功能不同的机器人，大大削减了机器人的购买成本与维护成本。以汽车制造业为例，大多需要比较精密的组装机器人，以保证其生产产品的质量过关。往往这些机器人的购买成本可达上百万美元，同时维护成本也是非常昂贵的。机器人成本和维护费用的大幅降低无疑是工厂企业的一大福音。

德国机器人制造商KUKA是第一个将电脑编程引进对机器人控制的公司，机器人在电脑程序的控制下实现各种功能，将以往深奥难懂的专业编码转换为计算机程序。这样，使用者就能像用电脑一样使用机器人进行各种工作。诸如此类的不断简化和技术革新为大规模的机器人生产打下坚实的基础。

机器人能在办公场所与家庭中广泛使用，必须要保障其安全性。机器人在设计上拥有和人类相似的视觉、听觉与触觉，这使机器人能全方位感知周围的环境信息，由其感知的信息调整其行为以避免与人类或是环境的碰撞或冲突，从而提高其自身的安全性。

机器人的发展正在非常迅速的进行中，在我们日常生活中的应用也越来越频繁。而在机器人的研究中，移动策略成为了非常重要的一环，如何规划好机器人在工作中的路径，是非常重要且必要的问题。

路径规划多应用于机器人的无碰撞运动、无人机的避障作业、无人驾驶汽车系统等。方法有很多，各有其优势，适用范围也各不相同。根据对常用路径规划算法的研究，以算法先后提出的顺序及各种算法基本原理的不同，将算法大致分为四类: 传统算法、图形学的方法、智能仿生学算法和其他算法。

（1）传统算法

传统的路径规划算法有: 模拟退火算法、人工势场法、模糊逻辑算法、禁忌搜索算法等。传统算法大多符合人类思维习惯，描述方便且易于理解，但存在着收敛速度慢、随机性差、应变性差等缺陷。

（2）图形学的方法

传统算法在解决实际问题时往往存在着建模难的问题，图形学的方法则提供了建模的基本方法，但是图形学的方法普遍存在着搜索能力的不足，往往需要结合专门的搜索算法。图形学的方法有: C 空间法、栅格法、自由空间法、voronoi 图法等。

（3）智能仿生学算法

智能仿生学算法就是人们通过对自然界研究并发现的算法，大多源自于动物的生理或本能行为。在处理复杂动态环境下的路径规划问题时，由人类探索自然科学而总结出的基因遗传学往往更加有用。常用到的有: 蚁群算法、神经网络算法、遗传算法等。

（4）其他算法

在路径规划的研究中，一些人为发明的算法因为其优秀特点得到广泛应用，这些算法一般都具有很强的路径搜索能力，可以很好地在离散的路径拓扑网络中发挥作用。这些算法包括:A* 算法、Dijkstra 算法、fallback算法、Floyd算法等^[6][7]。

1.3本课题研究任务及意义

在各行各业趋于智能化与自动化的今天，机器人的应用将不可或缺。如何提高机器人的工作效率，降低工作任务的复杂度，是一个非常有实际意义的课题。对此课题的研究不仅是对提高机器人应用效率的讨论与尝试，也是了解先进科技技术的一个契机，这是相当有意义的。

当今社会是一个讲求效率的社会，将机器人形成队列将大大提高机器人的工作效率，并且也提高了机器人所能处理问题的能力，如何降低形成队列的成本，最小化机器人所需消耗的燃料或是电力成为一个亟待解决的问题。本课题以多机器人队列移动的总路程最短为目标入手，旨在研究一种复杂度较小、准确度较高、效率最高的路径规划策略。课题中主要研究使用运筹学中解决指派问题的模型，利用匈牙利解法、0-1整数规划等方法解出相应的队列规划的最优解。分析几种方法的优劣势、复杂度以及利用相关算法的运行效率，从而找出一个最合适的方法。另外研究在机器人间会产生碰撞、行进路径中有障碍的情况，讨论策略在实际应用中的可行性。

论文的第一章主要介绍课题的背景与意义，介绍机器人在当今社会的应用以及发展趋势，引入了机器人群队列的概念及其优势所在，介绍了目前课题的研究方向。

剩余内容已隐藏，请支付后下载全文，论文总字数：28801字

相关图片展示：