论文部分内容阅读
随着计算机、通信以及硬件技术的普及与不断发展，对于多机器人系统的研究与应用得到国内外学者越来越多的关注，围绕其展开的工作主要包括编队控制、集群控制、一致性研究、追捕问题等。其中，追捕问题（Pursuit-Evasion Games，PEG）的研究内容为如何控制追捕者相互协作去追逐并逮捕其他逃跑者。它已成为进行多机器人合作与竞争研究的一个重要课题。 本文研究了包含多个异构追捕机器人以及一个快速的逃跑机器人的追捕问题，针对未知环境，将追捕分为目标搜索和执行追捕两部分，论文的主要工作包括以下几个方面： 1)针对追捕机器人彼此运动能力不同以及逃跑者速度更快的情况，本文通过引入Apollonius圆建立了多机器人追逃问题的模型，并在此基础上对追捕目标成功的条件进行了分析，并建立了整体的目标追捕方案。 2)为了在未知环境中发现逃跑者，追捕者群体首先通过形成一定的编队队形对逃跑者进行搜索,以提高搜索效率。当机器人数量较多时，通讯往往会成为为系统性能提升的瓶颈，甚至影响系统正常运行。同时，控制器频繁地更新会影响其使用寿命。为了有效地控制通讯量，同时降低控制器更新频率，本文将事件触发机制引入离散时间多机器人系统的编队控制问题中，事件的触发依赖于一个基于测量误差的事件触发条件。本文设计了相应的编队控制算法，可以使系统形成期望队形，然后利用仿真与Qbot移动机器人实验平台验证了算法。 3)针对追捕过程，本文结合基于行为的反应式控制结构分别设计了三个基本行为：避障行为、跟踪目标行为和协作追捕行为，分别通过人工势场法和Q-learning强化学习方法对各个行为进行了具体的设计，并对三个基本行为进行综合，实现了协作追捕目标的任务。最后本文设计并实现了一个基于Matlab的多机器人追捕仿真平台，并利用该平台进行了追捕环境搭建与仿真实验，对本文方法的有效性进行了验证。