1.3.2 论文的结构框架 3

2 路径规划与聚集控制 4

2.1 路径规划介绍 4

2.2 典型的路径规划 4

2.3 路径规划的环境 6

2.4 聚集控制方法 6

3 聚集算法 8

3.1 算法简介 8

3.2 算法优点 8

3.3 聚集算法步骤 8

3.4 聚集方案 10

3.5 过程详述 10

3.6 分析总结 11

4 MATLAB仿真系统运行 13

4.1 聚集控制方程式 13

4.2 仿真试验初始化 13

4.3 代码部分 14

4.4 仿真结果分析 15

5 实际场景中的多机器人聚集实验 17

5.1 实验目的及实验步骤 17

5.2 实验过程 18

5.3 聚集实验总结 18

6 总结与展望 19

致谢 20

参考文献 21

1 绪论

1.1 研究的背景和意义

多机器人协作控制的早期研究是模仿鸟群与鱼群的行为，比如模仿鸟群的群聚行为。后来将慢慢地应用到实际生活中去。多协作机器人系统是当今人工智能领域的前沿课题，从控制角度讲，多协作机器人系统是典型的分布式控制系统[1]。其目标是将大的复杂系统建造成小的、彼此相互通讯及协调的、易于管理的系统。多协作机器人技术通过各自治机器人间的通讯、协调、合作来表达实际的复杂系统。例如多无人机编队飞行、仓储物流机器人集群、智能电网的分布式控制问题、机器人球队比赛、城市交通系统、大规模机器人救援系统等等。

多机器人协作的研究就是为了提高系统安全性和效率，每个机器人都需要一套已知的命令和规则作为机器人路径规划和导航来正确完整地执行任务。多机器人系统协调问题主要分解为以下几个基本问题：一致性控制[2]、聚集控制[3]、路径规划[4]等。

通常多机器人系统协调问题要解决的最根本的问题就是一致性控制问题，一般通过控制各个机器人的输入来达到各个机器人在一定条件下状态信息的一致稳定，也利用控制理论以及用数学的思想进行相关的建模来分析和研究此问题[5]。

聚集问题也同样是多机器人系统协调合作的基本内容之一。所谓的聚集问题就是让分布在空间中的多机器人通过相互之间的通讯，最后在期望的区域里完成聚集任务。而在聚集问题中可以根据动态类型将聚集问题分为：静态和动态聚集控制[6]。

路径规划是在动态或静态的环境中，按照既定算法和环境信息，寻找到一条可行的路径，即从预设的位置到达目标位置的最优路径，合理的路径规划关系到机器人是否能够符合预期地到达既定目标位置[7]。国内外学者就如何将智能算法用于路径规划开展了深入的研究，优秀的路径规划算法可以有效地促进多机器人技术的进步。因此，如何使多机器人根据不同的环境，合理进行数学建模，恰当地选择智能算法是急需解决的难题。

路径根据不同的规划可以分为不同的类别环境的性质：静态路径规划，其中障碍物不会随时间而改变其位置，而动态路径规划障碍物的位置和方向随着时间的推移而变化。这些可以根据机器人的知识进一步细分为离线和在线算法[8]。在离线路径规划中，机器人有一个完整的环境体系。因此，当路径规划算法生成完整的路径时，机器人开始运动。但是，在线路径规划中，在本地获得环境的信息需要通过传感器和机器人连接，才能够建立一个新的回应来应对路径环境的变化。每个场景都需要不同的路径规划算法，一个或多个上述组合情况可能需要特别复杂的路径规划算法。

1.2 课题究国内外研究概况

在科技力量高度发展的21世纪，机器人技术从之前对单个机器人的开发研究到现在的群体机器人的研究已经有了巨大的变化。那么，作为群体机器人系统中重要的部分--多机器人系统，也是机器人研究领域的重中之重。对于多机器人系统的研究来说，国外开始的时间是远早于国内的。在很早之前，美国就有机器人研究机构，其中包括美国麻省理工大学。麻省理工有一个人工智能实验，该实验室建立多机器人仿真实验室以及设计多机器人实验平台已经有很长一段时间了。当然，欧盟还有日本等也同美国一样，在早期就建立了多机器人实验室，也开发了一些著名的多机器人控制系统。比如日本多机器人研究者H. Asama等人就提出的一种自主多机器人智能系统，开发出了在多机器人领域有名的 “ ACTRESS”  系统[9]和 “ CEBOT ” 系统[10]。 “ ACTRESS ” 是通过底层通信结构的设计将机器人以及外围设备同计算机连接起来。而 “ CEBOT ” 则有很强的自适应能力，并且是分布式结构体系的多机器人系统。