改进的多移动机器人混合编队方法

doi:10.3724/SP.J.1087.2012.01955

计算机应用 ›› 2012, Vol. 32 ›› Issue (07): 1955-1957.DOI: 10.3724/SP.J.1087.2012.01955

改进的多移动机器人混合编队方法

张捍东,黄鹂,岑豫皖

安徽工业大学电气信息学院，安徽马鞍山243002

收稿日期:2011-12-31 修回日期:2012-02-10 发布日期:2012-07-05 出版日期:2012-07-01
通讯作者: 黄鹂
作者简介:张捍东（1963-）,男，安徽安庆人，教授，博士，主要研究方向：电力电子与运动控制、机器人路径规划、工程优化；黄鹂（1985-），女，江西丰城人，硕士研究生，主要研究方向：智能算法、多机器人合作与协调；岑豫皖（1951-），男，河南杞县人，教授，博士生导师，主要研究方向：机器人、机电一体化、物流管理。
基金资助:
国家自然科学基金资助项目(50407017);国家自然科学基金资助项目（60774041）

Improved approach of hybrid formation for multi-mobile robots

ZHANG Han-dong,HUANG li,CEN Yu-wan

School of Electrical Engineering and Information, Anhui University of Technology, Maanshan Anhui 243002, China

Received:2011-12-31 Revised:2012-02-10 Online:2012-07-05 Published:2012-07-01
Contact: HUANG li

摘要/Abstract

摘要： 在复杂环境下，针对Leader-Follower法和基于行为法相结合的多机器人混合编队方法配置参数难的问题，引入粒子群优化(PSO)算法，对5种行为参数进行在线优化，进而改进了传统的混合编队方法，使多机器人编队效果更优。同时通过仿真实验结果验证了所提出算法的可行性，且达到了实验预期的优化效果。

关键词: 粒子群优化算法, 多机器人, 混合编队, Leader-Follower法, 基于行为法

Abstract: In a complex environment and concerning the problems of choosing parameters brought by the mixture of two multi-robot formation methods, the Leader-Follower method and a behavior-based method, this paper improved two methods and optimized five kinds of behavior parameters online to make the multi-robot formation better with the help of Particle Swarm Optimization (PSO) algorithm. The simulation results validate that the proposed algorithm is feasible and it achieves expected optimization effects.

Key words: Particle Swarm Optimization (PSO) algorithm, multi-robot, hybrid formation, Leader-Follower method, behavior-based method

中图分类号:

TP24
TP18

张捍东黄鹂岑豫皖. 改进的多移动机器人混合编队方法[J]. 计算机应用, 2012, 32(07): 1955-1957.

ZHANG Han-dong HUANG li CEN Yu-wan. Improved approach of hybrid formation for multi-mobile robots[J]. Journal of Computer Applications, 2012, 32(07): 1955-1957.

参考文献

［1］ NGUYEN A, HA Q P, HUANG S, et al. Observer-based decentralized approach to robotic information control ［C］// Proceedings of the 2004 Australian Conference of Robotics and Automation. Canberra，Australia: ［s.n.］, 2004: 1-8.

［2］ BALCH T, ARKIN R C. Behavior-based formation control for multi-robot teams ［J］. IEEE Transactions on Robotics and Automation, 1998, 14(6): 926-939.

［3］任德华,卢桂章.对队形控制的思考［J］.控制与决策,2005,20(6):601-606.

［4］苏治宝,陆际联.多移动机器人队形控制的研究方法［J］.机器人,2003,25(1):88-91.

［5］ YOUNG B J, BEARD R W, KELSEY J M. A control scheme for improving multi-vehicle formation maneuvers ［C］// American Control Conference. Arlington, VA: ［s.n.］, 2001: 704-709.

［6］ ZHANG FENG, SUN ZHE, LIU MEIJU. Research on obstacle avoidance control for multi-mobile robots formation in complex environment ［C］// Proceedings of the 8th World Congress on Intelligent Control and Automation. Washington, DC: IEEE Computer Society, 2010: 6419-6423.

［7］张子迎,张汝波,刘心.多机器人混合编队控制［J］.北京邮电大学学报,2008,31(6):38-41.

［8］谭民,王硕,曹志强.多机器人系统［M］.北京:清华大学出版社,2005:120-124.

［9］曹志强,王硕,张斌,等.基于Motor Schema的多移动机器人队形优化控制［J］.控制与决策,2001,16(z1):764-765.

［10］雷艳敏,冯志彬,宋继红.基于行为的多机器人编队控制的仿真研究［J］.长春大学学报,2008,18(4):41-43.

［11］ SHI Y, EMPIRICAL C. Study of particle swarm optimization ［C］// Proceedings of the World Multi-Conference on Systemics, Cybernetics and Informatics. Orlando: ［s.n.］, 2000: 1945-1950.

［12］黄友锐.智能优化算法及其应用［M］.北京：国防工业出版社，2008:94-98.

[1]	张盟, 郭健全. 需求和回收不确定的闭环供应链渠道结构选择[J]. 计算机应用, 2021, 41(7): 2100-2107.
[2]	樊小毛, 熊红林, 赵淦森. 带约束的清洁排班问题模型及其求解[J]. 计算机应用, 2021, 41(2): 577-582.
[3]	王泽昆, 贺毅朝, 李焕哲, 张发展. 基于新颖S型转换函数的二进制粒子群优化算法求解具有单连续变量的背包问题[J]. 计算机应用, 2021, 41(2): 461-469.
[4]	罗斌, 于波. 移动边缘计算中基于粒子群优化的计算卸载策略[J]. 计算机应用, 2020, 40(8): 2293-2298.
[5]	周文峰, 梁晓磊, 唐可心, 李章洪, 符修文. 具有拓扑时变和搜索扰动的混合粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1913-1918.
[6]	曾明华, 全轲. 双层规划的改进混合布谷鸟搜索量子行为粒子群优化算法[J]. 计算机应用, 2020, 40(7): 1908-1912.
[7]	霍晴晴, 郭健全. 基于改进遗传算法的生鲜多目标闭环物流网络模型[J]. 计算机应用, 2020, 40(5): 1494-1500.
[8]	施晓倩, 陈祺东, 孙俊, 冒钟杰. 变分布的量子行为粒子群优化算法求解工程约束优化问题[J]. 计算机应用, 2020, 40(5): 1382-1388.
[9]	张青, 郑岩. 基于蛙跳退火粒子群算法的民航发动机单元体修理级别决策及成本优化[J]. 计算机应用, 2020, 40(12): 3541-3549.
[10]	屈立成, 吕娇, 赵明, 王海飞, 屈艺华. 基于三维时空地图和运动分解的多机器人路径规划算法[J]. 计算机应用, 2020, 40(12): 3499-3507.
[11]	李贺, 江登英, 黄樟灿, 王占占. 彩色图像颜色量化问题的求解方法[J]. 计算机应用, 2019, 39(9): 2646-2651.
[12]	何海琳, 郑建彬, 余方利, 余烈, 詹恩奇. 基于改进鲸鱼优化算法的外骨骼机器人步态检测[J]. 计算机应用, 2019, 39(7): 1905-1911.
[13]	杨晓华, 郭健全. 模糊环境下多周期多决策生鲜闭环物流网络[J]. 计算机应用, 2019, 39(7): 2168-2174.
[14]	石丽莉, 夏克文, 戴水东, 鞠文哲. 改进的粒子群优化算法对断路器储能弹簧的优化设计[J]. 计算机应用, 2019, 39(5): 1540-1546.
[15]	陈万志, 徐东升, 张静, 唐雨. 结合优化支持向量机与K-means++的工控系统入侵检测方法[J]. 计算机应用, 2019, 39(4): 1089-1094.

改进的多移动机器人混合编队方法

Improved approach of hybrid formation for multi-mobile robots

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics