机器人编队协同控制方法综述

引言

机器人的出现将人类从危险、复杂或完全未知的工作环境中解脱出来。机器人系统能够实时感知各种外部环境,是一个兼顾视觉识别,任务管理执行与分配、行为决策等多功能的控制管理系统,能够轻松适应各种恶劣环境。当一些世界顶级职业棋手被具有人工智能强大深度学习功能的阿尔法狗战胜时,代表着机器人的智能化实现了飞速提升。尽管如此,单体机器人在进行复杂工作或处在复杂任务环境中时,仅通过自身行为根本无法直接满足复杂任务处理需求,因此,人们从自然界飞行的鸟群、蚁群运动中得到了启迪,运用此类生物集群编队协作的方式,将其集成到多体机器人系统中,进而完成单体机器人难以独立执行的复杂任务。

目前,编队协同运动技术被应用于许多领域。在工业中,通过控制多个机器人以特定方式自动运输各种货物:在军事领域,多个自主运动小车被广泛应用于军事边防编队巡逻、资源地理勘测、侦察救援、扫雷或卫星的姿态运动协调及空间探测中:在警务领域,将多个移动机器人编队成一个弧形包围网抓捕入侵者等。由于多智能机器人控制系统在许多领域被广泛应用,多智能体协同控制问题越来越受到研究者和工程界的重视,机器人编队协同控制成为国内外研究的热点之一。近年来,机器人编队协同控制取得了大量科研成果,逐步形成了以人工势场法、虚拟结构法、基于行为控制法、跟随领航者法为主要代表的多种编队控制方法。

本文将从一个新的角度出发,对多智能机器人编队协同控制方法的研究现状和未来发展趋势进行综述。

1国外研究现状及分析

Sinha讨论了线性模型中的多体循环跟踪控制问题,指出在循环运动跟踪控制策略下,稳定的多体系统中的每个个体都会收敛到平衡点,进一步分析表明,如果每个个体的初始位置已知,系统可以确定平衡点位置,并给出系统全局稳定的条件。在多机器人编队控制时,单个机器人常常被看作质点。在多体机器人系统中,机器人自身因为是非线性的,所以在建立合理的机器人模型时要约束机器人的一些物理和运动特性。

文献主要讨论了非线性机器人模型中的循环运动跟踪控制问题,从图论方面对该问题进行了深入研究,并给出了相应的稳定性条件。

一致性协议是多智能体技术的基础。它的思想是把相邻个体之间的行为差异当作反馈控制数据,进而对单体机器人的行为进行调控。Jadbabaie等证实了多体系统存在一致性,运用代数图论知识,为一致性控制的研究发展奠定了理论基础。2006年,Gennaro等人运用分布式导航函数理论设计了一致性协议,从而实现多机器人的编队控制,导航函数的最小值对应期望的编队结构。在文献[13]中,Defoort等人对那些含有有界不确定性扰动时机器人的编队控制问题设计了二阶滑模鲁棒控制器,此方案仅需测量机器人间的相对构形而无需估计领航者的速度。Dierks等人将单台移动机器人的轨迹跟踪控制扩展到编队领队的跟踪控制,采用了组合多层神经网络技术。该方法利用神经网络技术学习机器人编队的完整动力学,利用神经网络观测器估计机器人的角速度及线速度,通过设计的神经网络输出反馈控制器实现了稳定控制。Mehrjerdi则在此基础上进一步研究了位置检测传感器和通信设备故障时的编队保持问题。机器人处于复杂工作环境时,外国学者针对避障控制以及一致性两个方面提出人工势场法、群集智能法。

人工势场法是人为模拟出机器人、障碍物以及目标之间的相互作用力,进一步用力的作用计算出运动信息。Kim等针对异构系统有无领导者两种情形的一致性问题,基于Lyapunov理论设计了一致性协议,并证明其收敛性。Oh等针对多智能体技术的编队控制问题给出了较为系统的阐述和分类,还总结了多种可应用于未来编队控制的多智能体方法。

目前,随着视觉传感器技术的更新换代,视觉感知传感器中的信息采集技术已经成为了现代原有的导航通信、视觉感知技术的重要补充。

Moshtagh等人对具有非完整信息约束的机器人编队问题进行深入研究,设计了分布式编队控制协议,并且此协议是完全基于视觉处理信息的。Morozova在文章中提出排斥势函数和虚拟领航者模型,以此解决积分器模型的分布式编队控制中的避障及避碰问题。

2国内研究现状及分析

2007年shao等提出了一种基于领航跟随法的队形协同控制方案,这种算法的实现需要队形满足内三角形参数关系。Hou等[26]则利用模糊逻辑方法和反步技术(backsteping）为含有不确定内部动力学模型和外部扰动的移动机器人系统提出了自适应控制策略,此控制方法通过模糊逻辑系统进行在线控制学习机器人的运动学和动力学,使这些信息不再是必须的先验知识。之后Hou等人又通过采用神经网络技术对含有外部扰动和不确定动力学的多智能体系统的一致性问题,提出了鲁棒自适应控制方案,并将该方法推广应用到多智能体系统的编队协同控制中。

多智能体系统达到稳定时需要时间趋向于无穷。xiao等人[28]为了推广到工程应用中,提出了有限制时间内解决此问题的方案,并给出了理论分析和证明。同时他们把编队的信息分为局部信息和全局信息,编队系统中只是少数个体可得到全局编队信息,并导航编队进而降低计算和交互的数据量,大多数个体则是通过利用局部信息来完成跟随编队行为。研究表明,基于行为法可实现分布式控制,只是此操作方法下的队形的稳定性难以保持。目前关于多智能体系统一致性分析主要考虑同构系统,但这种假设往往与现实情况并不完全一致。因此学者们对异构系统开始展开研究。郑元世等利用图论和Lyapunov稳定性理论,得到了无向拓扑图中异质系统一致性的充分条件。

考虑不同的机器人个体在实际工作环境中交换系统信息时存在通信延迟的问题。因此,在多机器人编队控制一致性研究中,时滞问题一直是学者们关注的焦点。在相关文献中,申动斌等人采用领导者-跟随者控制策略协调多机器人在打滑状态下的队形运动,基于二阶滑模控制方法,对机器人编队运动过程中的运动控制器进行了重新设计,形成了机器人的期望构型。

李艳东等人利用运动神经网络技术在线估计动态模型的不确定部分,设计了自适应运动控制器和滑模控制器。吴垠等人通过设计新型模糊控制器同时使用领航-跟随算法技术,实现了多机器人的编队协同控制。

目前,基于视觉技术的编队协同控制问题成为一个新的学术研究领域热点。wang等人对GPs导航信号被切断的情况进行了研究,提出了一种只需视觉信息来解决领航者-跟随者编队协同控制问题的新方案。

3发展趋势分析

依据现有突破性的研究成果以及机器人编队控制技术的发展,预测今后的发展趋势会呈现以下几大方面:

(1）高精度、低成本、全自主、高协同性、融合人工智能的机器人编队协同控制技术将是今后发展趋势,具有更强的鲁棒性和良好的抗干扰能力。

(2）机器人编队系统高度的环境适应性,大、小规模系统的协同问题随意切换,硬件技术大幅提升,发展高灵敏度传感器,从而提高设备导航的可用度和精度。同时,更高的系统可靠性、更高的数据更新率也是机器人编队协同控制技术的重要长期发展战略方向。

(3）未来机器人编队协同控制技术的发展趋势预计还将体现在系统高兼容性、信号功率提升、加解密以及调制技术上。

(4）多智能体系统的非线性更强,机器人本身的物理模型和所研究的实际情况更加贴近,相对位置、相对姿态等信息更加准确,更好地直接运用到复杂实际工程中。

(5）个体视觉通信和频射通信技术加强,通信模式、带宽、通信半径等性能都大幅提高,进而可以得到非常稳定高效的远程控制协议。尤其是水下通信技术,促进了水下三维编队导航协同联动控制系统技术的快速发展和广泛应用。

4结语

机器人技术已成为国际社会重大科技研究项目及学术研究领域的热点,机器人研究是一个跨学科的新领域,集通信工程、人工智能、机电自动化等新兴学科基础知识于一体,它的学术研究进展和技术水平直接反映了一个国家的现代计算机自动化水平。随着面对的任务越来越复杂、繁琐以及精密度要求极高,非线性编队机器人低成本、大规模、高效率的优势越来越显著。同时,研究机器人的非线性编队控制方法,对研究各类多个体系统的编队控制也具有一定的应用价值和现实意义。