[发明专利]一种采用多机器人的传感器网络优化部署方法

说明书

技术领域

本发明涉及机器人网络与传感器网络两个热点领域。根据特定的传感器网络部署和感知目标特点(如限制区域种类及分布，感兴趣区域分布)、感知性能指标需求(如覆盖与连通性、生存期、广义精度等)，结合不同机器人以及网络节点在通信距离、感知距离、重量、承载能力和能量等方面的约束条件，由母机器人承载子机器以及网络节点进入待部署与需感知区域，经智能规划，分别由母机器人直接协同(此时，与传统体系结构相似)网络节点感知，或(和)通过分级拓展协同，由母机器人部署子机器人、进而由子机器人协同网络节点部署与感知。

背景技术

传感器网络随机部署是最简单的一种部署方式，但可能会带来感知性能与需求不匹配，以及资源浪费等问题。实际上，从传统网络的规划部署，到早期传感器网络节点的任意部署、随机部署，再到网络节点的整体规划部署与局部随机部署相结合的优化部署，是对于优化部署与感知问题研究的螺旋式上升的过程。高质量的部署有助于将智能从高端、远程向传感器网络自身、本地迁移，从而更好地实现和体现传感器网络的分布式智能。通过移动机器人协同，可以实现传感器网络及其节点的逐渐扩展式部署，这一优势在未知环境探索等情境下尤为重要。

一般而言，机器人协同的传感器网络部署与感知是综合性较强、复杂程度较高的一类问题；而针对复杂作业任务，往往需要多个(或多种)机器人构成多机器人协作系统才能完成。进一步地，实际环境对于机器人协同的节点部署与感知作业往往造成各种限制；而各种机器人自身往往又各具特点(包括优势和不足等)。

例如，仅从机器人和障碍物的几何尺度的角度分析，小机器人在较大障碍(如深沟等)或较高作业面(如高台阶)等情境下进行传感器网络协同部署与感知作业较为困难，而大机器人在较低、较窄空间环境(如办公桌下、货架间、管道中)等情境下进行传感器网络协同部署与感知作业较为困难。

各种机器人进行协同网络感知作业时有其自身的适应场合。而实际待部署与需感知环境往往是较为复杂的，单一类型机器人可能无法有效应对协同部署与感知作业全过程中多种环境限制，需要多种机器人配合完成感知的全过程。

另外，由传感器网络自身特点所决定，移动网络节点在能量、对环境的适应能力、对复杂环境的辨识能力与决策能力等方面必然存在较大的局限性，而且其复用性通常也非常有限。因此，机器人协同的传感器网络部署与感知传统体系结构存在多方面的局限性，需要有新的体系结构加以补充。

发明内容

本发明的目的提出一种采用多机器人的传感器网络优化部署方法。

具体的技术方案为：

(1)采用城市分组的变形旅行商问题(TTSPGC，Transfigured Travelling Salesman Problem under Grouped Cities)模型作为描述基本感知作业(BDST，Basic Deploying and Sensing Task)问题的简化模型。

在TTSPGC中，将各个感兴趣区域作为城市(ctij)，并按其所处的限制区域(RA II1～RA IIM，RAII为第II类限制区域，子机器人可以作业，母机器人不可以作业，可以部署网络节点，可以通信)进行分组(城市组GC1～GCM)，其中城市下标i和j分别代表城市所属的城市组编号和组内编号。

为解决母机器人与子机器人移动轨迹在限制区域边界的连续性问题，提出了虚拟城市(VC，Virtual City)的概念，其基本思想如下。

针对每个限制区域，母机器人部署子机器人，以及子机器人回归母机器人的位置设置一对虚拟城市。第i个限制区域的两个虚拟城市分别为ct_i0和(两个虚拟城市的下标j分别取0和限制区域内感兴趣区域总数加1，即把虚拟城市添加为限制区域的首“城市”和末“城市”)。需要说明的是，虚拟城市之间在位置上有可能互相重合。

(2)根据具体优化目标不同，协同部署与感知用机器人的优化问题(可以分为距离优化(DO，Distance Optimization)、时间优化(TO，Time Optimization)和能量优化(EO，Energy Optimization)三类典型问题，即在完成网络节点分级异构拓展部署与感知作业过程中，针对协同部署与感知用母机器人和子机器人所经历的距离、所花费的时间或所消耗的能量的优化问题，并因此对于单母机器人和单子机器人系统建立距离优化、时间优化和能量优化目标函数。距离优化是基础，时间优化和能量优化在特定约束条件下可以转化为具有权重的距离优化问题。