相对于国外的多机器人系统的研究，我国起步较晚，尚处于起步阶段。目前我国好几所院校及科研机构在开展多机器人领域相关的研究，吉林大学[11]、哈尔滨工业大学[12]、华东理工大学[13]、中国科学研究院[14]等，已先后开发出各种形式的多机器人系统。位于沈阳的中科院研究所开发成功了分布式多机器人系统命名为“MRDCAS ”[15]，并且进行了大量的研究及仿真工作。另外，上海交通大学也针对多机器人协作方向也进行了相关的研究与实验[16]。

1.3 研究内容结构以及框架

1.3.1 研究的主要内容

由于前面已经对多机器人协作的研究的背景和意义，以及发展现状进行了介绍，本文在后续进行了MATLAB仿真和多机器人实体实验，具体的工作内容介绍如下：

（1）针对学习研究所得的多种多机器人路径规划算法的理论，在多机器人系统聚集控制的研究中提出了一种质心算法，该算法的聚集参考点是位置坐标所构成的虚拟几何图形的几何中心。然后在MATLAB仿真实验平台中设计多机器人聚集算法，给出了聚集算法的流程步骤，使得多机器人能够通过聚集算法从起始点经过一定次数的迭代后完成聚集，得到聚集的MATLAB轨迹图。

（2）在多机器人聚集控制的协作实验中，给出了多机器人完成聚集算法的操作步骤，以智能小车为多机器人聚集的实验的实验对象，完成了多机器人聚集实验，接着对比了MATLAB仿真的结果与实际实验的结果，最后对实验结果比对进行分析总结。

1.3.2 论文的结构框架

论文总共分为六个部分，框架安排如下：

第一部分为绪论，绪论主要介绍了多机器人协作的研究背景和意义以及发展现状；

第二部分为多机器人路径规划的部分，介绍了多种典型的多机器人路径规划的方法，还有聚集控制的方法以及其参考点的选择；

第三部分为聚集算法部分，介绍了关于多机器人聚集控制的方案，还介绍了基于行为法以及多机器人聚集的步骤（包括流程框图），最后总结了关于基于行为法的几个优点；

第四部分为MATLAB仿真部分，介绍了多机器人聚集算法在MATLAB仿真实验中的参数信息以及相关公式，还清晰简洁地表述了关于MATLAB主体----聚集算法的代码（代码包括部分调用的代码以及部分主程序的代码）；

第五部分为多机器聚集实验部分，介绍了聚集实验的目的和实验步骤，以及对实验进行了总结归纳；

第六部分为总结部分，总结了完成毕业设计的历程，再对多机器人协作未来的实验研究方向进行了展望。

2 路径规划与聚集控制

2.1 路径规划介绍

路径规划：实际上，路径规划涉及一些数据的收集和计算满足一个或多个条件的路径（例如避开障碍物，具有最短路径距离长度，机器人旋转最小，安全性最高）。如果使用固定路径进行引导，此路径通常是预定义的。机器人对目标的引导方法取决于以下两个必要条件问题：（1）预先确定机器人的初始位置和最终位置如果预先指定了最终位置（目标），则给出该位置的坐标到机器人。否则，为了让机器人找到它的目标位置，它需要搜索。机器人随时沿着路线移动，或者它可以自己识别它的位置，或者通过使用它来执行此操作外部工具，如GPS接收器。（2）是否提前指定了障碍物？指定的障碍物的坐标可以提供给机器人。否则，机器人必须在其传感器的帮助下扫描障碍物。为了执行其任务，机器人必须预先设计其路径。该计划的运动机器人适用于像机器人在短距离移动，绘画和清理的情况环境（机器人应该覆盖整个环境的操作）和间谍活动与国家安全相关的操作。在没有或很少信息的未知环境中，机器人本身应该能够规划其路径，并沿着目标前进。