[发明专利]一种基于递归神经网络的多机器人协同方法及系统

说明书

本发明公开了一种基于递归神经网络的多机器人协同方法及系统，包括，利用递归神经网络算法对机器人进行行为记忆学习；搭建中央控制器对每个学习的所述机器人下达指令任务；当接收到一组所述任务时，根据所述递归神经网络对所述任务进行归类处理，完成多机器人协同分解任务。本发明使用的递归神经网络能够对多机器人进行神经网络学习，自主完成有效的系统控制，从而使多机器人更加快速的完成协同任务，且多机器人协作既可以独立完成工作，也可以协作完成工作，并能根据任务的形式自动推算机器人协作方式，使得机器人协作节拍可以无缝执行。

技术领域

本发明涉及多机器人协同的技术领域，尤其涉及一种基于递归神经网络的多机器人协同方法及系统。

背景技术

机器人技术的发展使得机器人的能力不断提高，其应用领域和范围也随之不断扩展，人们希望机器人能完成更加复杂的任务，如制造过程的复杂装配、空间站维修、海洋勘探、消防救灾、清理有害废料等，对于这些复杂的任务，用单一机器人已难以完成，而需要多机器人相互协作才能完成。

传统的机器人是面向单独应用而设计和发展的，其控制系统的体系结构和控制机理等方面难于满足多机器人协作应用的要求；因此，需要对多机器人群体的组织结构、多机器人之间的合作和协调机制、多机器人协作系统的设计与实现等问题进行深度的研究，以使机器人的应用进一步扩展。

发明内容

本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊，而这种简化或省略不能用于限制本发明的范围。

鉴于上述现有存在的问题，提出了本发明。

因此，本发明提供了一种基于递归神经网络的多机器人协同方法及系统，能够解决多机器人之间的协调合作问题。

为解决上述技术问题，本发明提供如下技术方案：包括，利用递归神经网络算法对机器人进行行为记忆学习；搭建中央控制器对每个学习的所述机器人下达指令任务当接收到一组所述任务时，根据所述递归神经网络对所述任务进行归类处理，完成多机器人协同分解任务。

作为本发明所述的基于递归神经网络的多机器人协同方法的一种优选方案，其中：所述递归神经网络包括，通过cell线直接穿过各个时刻的隐藏层以无损保留各时刻变换下的信息；若在当前时刻，则需去除无用信息；若去除所述无用信息之后，则添加信息；根据Ct状态得到任务模式并下达给所述机器人对应的指令，若所述机器人完成任务时会反馈完成信号所述递归神经网络接收所述信号并规划接下来的动作达到协同。

作为本发明所述的基于递归神经网络的多机器人协同方法的一种优选方案，其中：所述cell线只会进行简单的变大变小及添加新内容。

作为本发明所述的基于递归神经网络的多机器人协同方法的一种优选方案，其中：去除所述无用信息包括，输入x及上一个时刻的隐藏层输入ht-1，判断需要去除的所述无用信息；利用sigmoid函数输出一个0到1之间的向量，且所述向量中每个元素对应Ct-1状态里的一个信息，若要完全抹掉，则是0，表达公式如下：

f_t＝σ(W_f·[h_t-1，x_t]+b_f)

其中，W_F为权重矩阵，b_f为偏置值，σ为sigmoid函数。

作为本发明所述的基于递归神经网络的多机器人协同方法的一种优选方案，其中：添加所述新信息包括，输入x及上一个时刻的隐藏层输入ht-1，利用sigmoid的门判断需要的所述新信息；结合tanh门函数表示需要更新信息的数值，且两者相乘以得到具体更新的信息和对应数值；将其加入到Ct-1中，根据得到的数值获得所述当前状态Ct，表达公式如下：