[发明专利]一种基于MAPSO优化粒子滤波的多移动机器人协作定位方法

说明书

技术领域

本发明涉及一种多移动机器人的协作定位方法，尤其涉及一种基于多Agent粒子群优化(MAPSO)的粒子滤波算法的多移动机器人协作定位方法。

背景技术

多移动机器人的协作定位是一个具有典型性和通用性的多机器人问题，是多机器人同时定位与建图的重要组成部分。多机器人协作定位技术已广泛应用于航天、工农业、柔性制造业等领域。目前解决多移动机器人的协作定位问题的算法很多，主要有遗传算法、卡尔曼滤波算法、粒子滤波算法等。遗传算法容易陷入局部极小值，且该算法对参数的选取有很强的依赖性；卡尔曼滤波算法仅限于解决线性、高斯问题，且雅克比矩阵的计算比较复杂；粒子滤波算法容易出现粒子贫化问题，使得粒子聚集在错误的解周围，降低定位精度。

粒子群优化算法(PSO)需要调整的参数较少，易于实现，且可进行并行计算和无梯度计算，有较好的全局搜索能力。将粒子群优化算法应用于多机器人协作定位控制，调整提议分布，提高定位精度。在较大规模的多机器人系统中，要优化的行为控制参数很多，即优化目标维数高，目标函数极值多，采用标准的粒子群优化算法及后来改进的粒子滤波算法，很难准确收敛到全局最优值。

本发明提出了一种基于多Agent优化的PSOPF算法的多机器人协作定位控制方法。Agent具有自治性、交互性、反应性、推理性、规划能力、学习能力等特点。本发明将多Agent系统(MAS)与PSOPF算法进行结合，提出一种改进的粒子群优化粒子滤波算法(MAPSOPF)，核心是提高算法的收敛性能和执行效率，优化机器人对路标的观测来提高定位与建图的精度。

发明内容

针对以上现有技术中的不足，本发明的目的在于提供一种提高算法的收敛性能和执行效率、提高定位与建图的精度的多移动机器人协作定位方法，本发明的技术方案如下：一种基于MAPSO优化粒子滤波的多移动机器人协作定位方法，所述机器人自身设置有用于获取仿真环境全局地图信息的探测器、用于计算运动路程信息的里程计、罗盘及激光扫描仪，其包括以下步骤：

101、将机器人的实际运行环境抽象成一张平面图，然后在所述平面图中加上路标的位置和机器人的路径形成一张环境地图，用ID号标记路标；

102、根据步骤101得到的环境地图，初始化仿真环境、机器人的位置信息和黑板信息，其中黑板信息包括各机器人的身份及位置坐标、观测路标位置以及最大适应度值σ；在仿真环境的地图中任意设置若干个路标位置点，同时设置每个机器人的路径，将每个机器人的位置作为一个粒子，若干个粒子构成粒子群，将粒子群初始化为3*N的矩阵，其中3表示待优化的三个参数，即机器人的X坐标值、Y坐标值和角度值，N表示粒子个数，机器人通过自身的探测器获取仿真环境的全局地图信息；

103、每个机器人根据自身携带的里程计信息和罗盘信息预测下一时刻的位置，采用自身携带的激光扫描仪对路标进行观测，得到机器人的运动模型(1)和观测模型如下：