[发明专利]多机器人追捕者围捕单移动目标的自适应围捕方法

说明书

技术领域

本发明涉及机器人追逐及围捕相关的技术领域，尤其涉及多机器人追捕者围捕单移动目标的自适应围捕装置与方法。

背景技术

移动目标围捕就是追捕者对移动目标进行包围，使得移动目标无路可逃，进而采取下一步行动。这就需要多追捕者之间不能是单纯的独立追捕，而是要进行协作，从而高效地完成围捕任务。这种多追捕者之间的协作在机器人学中被作为一个机器人系统，成为一个具有挑战性的关键问题，产生了很多研究成果。目前对多机器人围捕问题的研究大体可以分为两个模型：基于传感器的模型和已知定位模型。在基于传感器的模型中，常见的控制方法是在未知环境中进行捕获，通过引入传感器数据的方法进行引导和控制。在已知定位模型中，逃避者的位置是已知的，通常用一些人工智能的方法。但是，这两种模型要迁移到多机器人追捕者问题中仍存在一些限制：基于传感器模型只利用携带的传感器的数据，不利用通讯技术，使得这种方法变得困难，而且算法的复杂度随着机器人和逃避者的数量的增加而急剧上升；已知定位模型假定逃避者的位置已知，这在现实世界中是很困难的，继而不能满足模拟现实、接近现实的特点。还有一些方法需要利用训练数据集进行学习或进行数据挖掘，应用到具体的多机器人围捕中，每次的地图等环境信息的变化都需要不同的数据集，是不现实且不灵活的。

因此，本领域的技术人员致力于开发一种新的机器人围捕方法，解决现有技术的不足。

发明内容

有鉴于现有技术的上述缺陷，本发明所要解决的技术问题是提供多机器人追捕者围捕单移动目标的自适应围捕装置与方法，本发明将围捕过程划分成不同的阶段，在追逐阶段利用仿生神经网络方法来解决环境的未知性、动态性和实时性，完成高效的避障追逐过程；在包围阶段通过调整追捕者之间的角度关系对移动目标进行有效包围；在抓捕阶段采用虚拟势能点的方法对多追捕者的抓捕过程进行引导，实现了机器人在即时环境中任何情况下的高效围捕。

为实现上述目的，本发明提供了多机器人追捕者围捕单移动目标的自适应围捕装置与方法，其特征在于,包括以下方法：

方法一、围捕过程多阶段化：首先将围捕过程进行多阶段建模，将围捕任务划分为搜索、追逐、包围、抓捕四个阶段，然后根据不同阶段的任务特征，分别采用与以上四种阶段相对应的策略进行控制；

方法二、基于仿生神经网络的追逐策略：将多机器人系统中采用的仿生神经网络方法迁移到围捕环境中，对多机器人追捕者进行追捕引导；

方法三、角度关系包围方法：利用不同追捕者之间的角度关系，对追捕者移动方向进行调整，以便于对移动目标形成包围圈；

方法四、多虚拟势能点方法：通过设置多个虚拟势能点，形成合适的抓捕队形，完成最终的围捕任务。

进一步地，所述方法一具体为：

(1)将一个围捕任务T分配给追捕队Ω；

(2)追捕队Ω中每个追捕者进行搜索，当一个追捕者搜到移动目标，通知队中其他追捕者移动目标的位置并开始进行追逐(转(3))，否则，继续搜索阶段(转(2))；

(3)追捕队Ω对移动目标进行追逐，当包围移动目标的条件满足时，对移动目标进行包围(转(4))，否则，继续进行追逐(转(3))；

(4)追捕队Ω对移动目标进行包围，当抓捕移动目标的条件满足时，对移动目标进行抓捕(转(5))，否则进行是否满足进行包围条件的判定(转(3))；

(5)追捕队Ω对移动目标进行抓捕，当结束抓捕移动目标的条件满足时，围捕任务结束(转(6))，否则继续抓捕(转(5))；

(6)围捕完成后，任务完成。

进一步地，所述方法二包括：追捕队Ω中的所有追捕者通过仿生神经网络的引导，避开障碍物靠近移动目标。为神经网络建立一个三维空间，坐标中的两维是由向量p_i∈R²表示，表示位置信息。第三维坐标是表示神经元活动值，在指导追逐任务的神经网络中，对每个神经元的刺激输入是由逃避者和它的邻居神经元决定，抑制输入只由障碍物决定。

进一步地，所述方法三具体为：对追捕者移动方向进行调整，以便于对移动目标形成包围圈，需要通过计算找到处于最外围追捕者的移动方向θha和θhb，寻找最外围追捕者的移动方向θha和θhb的方法为：

(1)计算出移动目标到每个追捕者的角度，用angle{.}函数计算；

(2)对第(1)步中得到的角度排序；

(3)计算出相邻追捕者之间的逆时针夹角；