[发明专利]基于模糊推理系统的多机器人角度控制围捕方法

说明书

基于模糊推理系统的多机器人角度控制围捕方法，该方法采用两层模糊推理来实现多机器人围捕策略；第一层模糊推理系统为决策层，用于对围捕任务状态进行识别，选择对应的多机器人策略；当围捕者处于搜索状态时，决策层模糊推理的输出Search，围捕者执行搜索策略；当围捕者处于接近状态时，决策层输出Approach，即接近策略；当围捕者处于围捕状态时，决策层输出Surround，围捕者进行围捕策略。使用仿真程序进行实验，仿真程序的环境依照实际环境中的参数按照比例缩减，机器人的运动均符合运动学模型约束。在不同初始条件下进行多次仿真实验，验证了算法的可行性，取得了较好的效果。

技术领域：

本发明涉及了一种在动态环境下基于角度控制的多机器人围捕策略，具体为一种基于模糊推理系统的多机器人角度控制围捕方法。

背景技术：

由于多机器人系统具有空间上的分布性、功能上的多样性、执行任务时的并行性、较强的容错能力和更低的经济成本等单机器人无法比拟的优越性，使得多机器人系统近年来成为人们广泛关注的热点。多机器人系统研究的主要问题包括群体结构、任务分配、通信方式、协作学习等。为了使得研究更具有在实际场景中的意义，研究者们集中对一些多机器人任务进行研究，包括编队协作、搜索、围捕等。其中，多机器人协作围捕是一个非常典型的问题，它涉及到多机器人领域中的多个方面，包括多机器人体系结构、通信方式、协作控制、任务分配等技术，拓展后在军事以及工业领域有着较为广泛的的应用。

文献[1]探讨了以势场栅格法为基础的协作围捕策略，引入“虚拟范围”减少了路径规划次数。文献[2]模拟免疫系统中B细胞的抗体间的相互作用，提出了机器人行为决策围捕算法，使得追捕机器人形成有效包围圈，实现多机器人围捕。文献[3]提出了基于多机器人学习的围捕方式，取得了一定的效果。文献[4]分析了成功围捕目标机器人的临界条件，并设计了多机器人的伏击围捕方案，取得了良好的效果。文献[5]提出了一种基于动态预测目标轨迹尾部点的多机器人围捕算法，通过多项式拟合对机器人进行预测并实现围捕。文献[6]通过L型，R型，M型模糊控制器的设计实现多机器人围捕，通过实验验证了可行性。文献[7]提出了队形、包抄、捕捉策略，结合状态转换保证了任务实现。文献[8-10]采用尝试模拟和利用生物免疫系统及动物捕食过程，探讨并实现了多机器人任务。

参考文献：

[1]SUGAR T G,KUMAR V.Control of cooperating mobile manipulators[J].IEEE Transactions on Robotics and Automation.2002.18(1):94-103；

[2]谭永丽，方彦军.基于人工免疫系统的多机器人追捕问题[J].武汉大学学报,2014,47(1):105-109。

[3]Liu Jie,Liu Shuhua,Wu Hongyan,et al.A pursuit evasion algorithm basedon hierarchical reinforcement learning[C]//International Conference on MeasuringTechnology and Mechatronics Automation.Zhangjiajie:IEEE,2009:482-486；

[4]付勇，汪浩杰.一种多机器人围捕策略[J].华中科技大学学报(自然科学版)，2008，36(2)：26-29；

[5]胡俊，朱庆保.基于动态预测轨迹和围捕点的多机器人围捕算法[J].电子学报，2011，39(11)：2480-2485；

[6]袁瑷焦继乐曹志强等.基于模糊控制协调策略的多自主机器人围捕[J].华中科技大学学报(自然科学版)，2011，39(2)：328-331；