摘要：在面向目標(biāo)搜索、采用群體智能方法進(jìn)行的群機(jī)器人協(xié)調(diào)控制過(guò)程中，機(jī)器人的搜索行為受自身對(duì)環(huán)境的認(rèn)知和群體內(nèi)分享的經(jīng)驗(yàn)共同引導(dǎo)，且群體經(jīng)驗(yàn)發(fā)揮了較大作用。由于群體經(jīng)驗(yàn)從本質(zhì)上看屬于某個(gè)個(gè)體的認(rèn)知，為提高目標(biāo)搜索速度，在絕對(duì)定位機(jī)制下引入群機(jī)器人關(guān)于目標(biāo)的位置估計(jì)這一群體決策。首先，采用擴(kuò)展的微粒群算法建模法對(duì)群機(jī)器人系統(tǒng)建模。然后，基于群體經(jīng)驗(yàn)對(duì)搜索行為引導(dǎo)作用的本質(zhì)，以及采用RSSI法對(duì)目標(biāo)位置進(jìn)行估計(jì)的實(shí)質(zhì)，將本質(zhì)上屬于單個(gè)機(jī)器人的經(jīng)驗(yàn)與集體決策結(jié)合起來(lái)用于目標(biāo)搜索控制。當(dāng)滿(mǎn)足目標(biāo)位置估計(jì)條件時(shí)，將目標(biāo)位置估計(jì)值引入擴(kuò)展的微粒群算法模型；不滿(mǎn)足位置估計(jì)條件時(shí)則保留原模型。仿真實(shí)驗(yàn)的結(jié)果表明，與單純采用群體經(jīng)驗(yàn)的模型法相比，無(wú)論在目標(biāo)搜索成功率、搜索效率和能耗方面，本文算法均優(yōu)于前者。

　　關(guān)鍵詞：群機(jī)器人；微粒群算法；目標(biāo)搜索；位置估計(jì)

　　Targetpositionestimationaidedswarmroboticsearchunderconditionsofabsolutelocalizationmechanism

　　1引言

　　群機(jī)器人是特殊的多自主機(jī)器人系統(tǒng)[1]，由若干相對(duì)簡(jiǎn)單的機(jī)器人組成，個(gè)體僅具有有限的環(huán)境感知能力，其結(jié)構(gòu)和功能角色均是同構(gòu)的。群機(jī)器人系統(tǒng)具有以下特征[2]：魯棒性；柔性；系統(tǒng)規(guī)模的可伸縮性。群機(jī)器人研究分為若干基準(zhǔn)問(wèn)題[3]，如搬運(yùn)、編隊(duì)、搜索、圍捕等。其中的搜索任務(wù)包含若干本質(zhì)科學(xué)問(wèn)題[4]，如定位、通信、避碰、路徑規(guī)劃等，而定位是機(jī)器人識(shí)別自身在環(huán)境中所處位置，與其他機(jī)器人協(xié)同工作的基礎(chǔ)。群機(jī)器人定位[5]，是指自主移動(dòng)機(jī)器人在運(yùn)動(dòng)過(guò)程中實(shí)時(shí)采集里程計(jì)和傳感器的測(cè)量數(shù)據(jù)，對(duì)自身位姿和其時(shí)變特征群內(nèi)機(jī)器人位姿進(jìn)行推測(cè)的過(guò)程，在此基礎(chǔ)上，還可以進(jìn)行運(yùn)行速度的推測(cè)和目標(biāo)位姿的估計(jì)。群機(jī)器人定位主要分兩種[6]：絕對(duì)定位和相對(duì)定位。群機(jī)器人的絕對(duì)定位[7]，是在工作環(huán)境中或環(huán)境外設(shè)置一個(gè)參考點(diǎn)作為所有機(jī)器人的參照基準(zhǔn)，然后每個(gè)機(jī)器人通過(guò)自身所攜傳感器對(duì)位姿進(jìn)行推算，然后通過(guò)參考點(diǎn)對(duì)推算位置進(jìn)行修正以消除積累誤差。群機(jī)器人的相對(duì)定位機(jī)制[8]，是每個(gè)單體機(jī)器人均以自身所在位置作為參考點(diǎn)，以自身的頭部朝向作為坐標(biāo)系正方向來(lái)構(gòu)建自身的局部坐標(biāo)系，以自身對(duì)其他機(jī)器人的相對(duì)位置檢測(cè)量作為其他機(jī)器人的位姿。絕對(duì)定位方法主要有導(dǎo)航信標(biāo)定位、主動(dòng)或被動(dòng)標(biāo)識(shí)定位、圖形匹配定位、GPS定位、概率定位等；相對(duì)定位則主要有慣性導(dǎo)航、測(cè)程法等[9]。本文研究絕對(duì)定位機(jī)制下的群機(jī)器人目標(biāo)搜索問(wèn)題。已有的群機(jī)器人目標(biāo)搜索研究，采用了擴(kuò)展的微粒群算法模型進(jìn)行系統(tǒng)建模和控制。擴(kuò)展微粒群模型是靠自身經(jīng)驗(yàn)和群體經(jīng)驗(yàn)進(jìn)行迭代期望位置和速度的。自身經(jīng)驗(yàn)是引入短期記憶機(jī)制，從目前位置和上一步位置的目標(biāo)信號(hào)強(qiáng)度決定，群體經(jīng)驗(yàn)是機(jī)器人和其時(shí)變特征群內(nèi)機(jī)器人監(jiān)測(cè)到的目標(biāo)信號(hào)強(qiáng)度值來(lái)判斷自身的群體經(jīng)驗(yàn)?？梢?jiàn)，群體經(jīng)驗(yàn)是基于時(shí)變特征群內(nèi)所有機(jī)器人的認(rèn)知“選舉”得出的。無(wú)論是機(jī)器人的個(gè)體感知還是群體經(jīng)驗(yàn)，從本質(zhì)上說(shuō)，引導(dǎo)機(jī)器人搜索行為的均屬于單個(gè)機(jī)器人的認(rèn)知。無(wú)線傳感網(wǎng)絡(luò)由分散的節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)具有傳感、計(jì)算和通信的能力，其功能上與群機(jī)器人有相似之處。無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)定位技術(shù)主要有無(wú)需測(cè)距和需測(cè)距兩種，需測(cè)距定位法中的RSSI算法是比較成熟的方法。而群機(jī)器人的本質(zhì)是無(wú)線傳感器網(wǎng)絡(luò)，個(gè)體機(jī)器人是具有運(yùn)動(dòng)屬性的傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)?；跓o(wú)線傳感器網(wǎng)絡(luò)的目標(biāo)定位的本質(zhì)是群體決策的結(jié)果。考慮到搜索效率問(wèn)題，本文將目標(biāo)位置估計(jì)與群機(jī)器人搜索結(jié)合起來(lái)。在滿(mǎn)足RSSI法目標(biāo)位置估計(jì)條件時(shí)，通過(guò)機(jī)器人傳感器的對(duì)目標(biāo)信號(hào)的檢測(cè)，對(duì)目標(biāo)位置進(jìn)行估計(jì)，并用目標(biāo)位置估計(jì)值對(duì)模型進(jìn)行修正，進(jìn)而輔助群機(jī)器人進(jìn)行目標(biāo)搜索。

　　本文安排如下：第2節(jié)描述采用擴(kuò)展的微粒群算法進(jìn)行系統(tǒng)建模和協(xié)調(diào)控制進(jìn)行群機(jī)器人目標(biāo)搜索的方法，并對(duì)基于該法引導(dǎo)個(gè)體機(jī)器人搜索行為的本質(zhì)進(jìn)行分析；第3節(jié)介紹RSSI方法，結(jié)合自主運(yùn)動(dòng)機(jī)器人分析其定位的本質(zhì)；第4節(jié)闡述目標(biāo)位置估計(jì)的群機(jī)器人搜索方法，并給出其算法；第5節(jié)進(jìn)行仿真實(shí)驗(yàn)，并對(duì)結(jié)果進(jìn)行討論。為了對(duì)比，同時(shí)進(jìn)行了不考慮目標(biāo)位置估計(jì)值的擴(kuò)展微粒群算法模型法的目標(biāo)搜索實(shí)驗(yàn)。第6節(jié)得出有關(guān)結(jié)論，并以未來(lái)的研究展望作結(jié)。

　　2面向目標(biāo)搜索的群機(jī)器人建模和協(xié)調(diào)控制

　　群機(jī)器人目標(biāo)搜索任務(wù)在群機(jī)器人應(yīng)用中占據(jù)特殊重要位置，相對(duì)于其他任務(wù)，目標(biāo)搜索是基礎(chǔ)。群機(jī)器人目標(biāo)搜索任務(wù)在協(xié)調(diào)控制中采用擴(kuò)展微粒群模型為其控制工具。擴(kuò)展微粒群模型[10]為

　　機(jī)器人在搜索目標(biāo)任務(wù)之初被隨機(jī)放置在一個(gè)半徑小于R的圓內(nèi)，圓心距目標(biāo)位置較遠(yuǎn)，這樣是為了提高搜索難度。機(jī)器人初始速度與位置均為隨機(jī)值，初始速度為最大速度為[0,1]之間隨機(jī)值。機(jī)器人第一次監(jiān)測(cè)目標(biāo)信號(hào)，目標(biāo)信號(hào)強(qiáng)度值[11]由

是成正態(tài)分布的高斯白噪聲。機(jī)器人將測(cè)得的信號(hào)強(qiáng)度值，和自身位置坐標(biāo)廣播出去，同時(shí)監(jiān)聽(tīng)其時(shí)變特征群內(nèi)機(jī)器人發(fā)送過(guò)來(lái)的信號(hào)。機(jī)器人將初始位置作為自身最優(yōu)位置，機(jī)器人和群內(nèi)鄰居機(jī)器人的目標(biāo)信號(hào)強(qiáng)度值做比較，將最大值機(jī)器人的位置作為自身的群最優(yōu)位置。根據(jù)監(jiān)聽(tīng)到的信號(hào)，如果群內(nèi)沒(méi)有任何機(jī)器人檢測(cè)到目標(biāo)信號(hào)則進(jìn)行螺旋發(fā)散式漫游狀態(tài)，其迭代公式為

　　如果群內(nèi)有至少一個(gè)機(jī)器人檢測(cè)到目標(biāo)強(qiáng)度信號(hào)，則進(jìn)行智能搜索狀態(tài)，其迭代公式為式1，機(jī)器人根據(jù)初始位置，自身最優(yōu)位置和群最優(yōu)位置計(jì)算出自己的期望位置和速度。至此，機(jī)器人移動(dòng)一步。機(jī)器人再監(jiān)測(cè)目標(biāo)信號(hào)一次，根據(jù)式2計(jì)算出目標(biāo)信號(hào)強(qiáng)度值。機(jī)器人將測(cè)得的信號(hào)強(qiáng)度值和更新位置坐標(biāo)廣播出去，同時(shí)監(jiān)聽(tīng)其時(shí)變特征群內(nèi)機(jī)器人發(fā)送過(guò)來(lái)的信號(hào)。機(jī)器人通過(guò)[12]

　　　　計(jì)算出自身最優(yōu)位置，再將自身目標(biāo)信號(hào)強(qiáng)度值和群內(nèi)鄰居機(jī)器人做比較，將最大值的機(jī)器人位置作為自身的群最優(yōu)位置，根據(jù)監(jiān)聽(tīng)到的信號(hào)，如果群內(nèi)沒(méi)有任何機(jī)器人監(jiān)測(cè)到目標(biāo)信號(hào)則進(jìn)行螺旋發(fā)散式漫游狀態(tài)，其迭代公式為式3。如果群內(nèi)有至少一個(gè)機(jī)器人監(jiān)測(cè)到目標(biāo)強(qiáng)度信號(hào)，則進(jìn)行智能搜索狀態(tài)，其迭代公式為式1，機(jī)器人根據(jù)現(xiàn)位置，自身最優(yōu)位置和群最優(yōu)位置計(jì)算出自己的期望位置和速度。至此，機(jī)器人又移動(dòng)一步。如此反復(fù)直至群內(nèi)至少有一個(gè)機(jī)器人距離目標(biāo)小于一個(gè)設(shè)定值，或者超過(guò)最大迭代步數(shù)。

　　自身經(jīng)驗(yàn)是引入短期記憶機(jī)制，從目前位置和上一步位置的目標(biāo)信號(hào)強(qiáng)度決定，群體經(jīng)驗(yàn)是機(jī)器人和其時(shí)變特征群內(nèi)機(jī)器人監(jiān)測(cè)到的目標(biāo)信號(hào)強(qiáng)度值來(lái)判斷自身的群體經(jīng)驗(yàn)。可見(jiàn)，群體經(jīng)驗(yàn)是由時(shí)變特征群內(nèi)所有機(jī)器人的認(rèn)知中的某一個(gè)擔(dān)當(dāng)。無(wú)論是機(jī)器人的個(gè)體感知還是群體經(jīng)驗(yàn)，從本質(zhì)上說(shuō)，引導(dǎo)機(jī)器人搜索行為的均屬于單個(gè)機(jī)器人的認(rèn)知，并未進(jìn)行集體決策。而目標(biāo)位置估計(jì)相當(dāng)于集體決策，因?yàn)樵摲ㄓ玫搅藚⑴c估計(jì)的至少三個(gè)機(jī)器人的經(jīng)驗(yàn)。

　　3引入目標(biāo)位置估計(jì)的目標(biāo)搜索

　　無(wú)線傳感網(wǎng)絡(luò)由分散的節(jié)點(diǎn)組成，每個(gè)節(jié)點(diǎn)具有傳感、計(jì)算和通信的能力，其功能上與群機(jī)器人有相似之處。無(wú)線傳感器網(wǎng)絡(luò)中節(jié)點(diǎn)定位技術(shù)主要有無(wú)需測(cè)距和需測(cè)距兩種，需測(cè)距定位法中的RSSI算法是比較成熟的方法。根據(jù)無(wú)線傳感網(wǎng)絡(luò)節(jié)點(diǎn)定位技術(shù)和群機(jī)器人絕對(duì)定位技術(shù)的相似性，將RSSI算法引入其中。機(jī)器人在進(jìn)行搜索目標(biāo)任務(wù)時(shí)，當(dāng)群內(nèi)包括自己至少有三個(gè)機(jī)器人檢測(cè)到的目標(biāo)信號(hào)強(qiáng)度不為0，且這三個(gè)機(jī)器人不在同一條直線上，則滿(mǎn)足RSSI估計(jì)目標(biāo)位置條件。

　　　　4算法描述

　　引入目標(biāo)位置估計(jì)的新模型仿真算法過(guò)程如下：

　　　　5仿真結(jié)果

　　對(duì)于擴(kuò)展模型和本文模型，分別用3至10個(gè)機(jī)器人進(jìn)行五十次仿真，總共是8000次，對(duì)仿真得出的數(shù)據(jù)進(jìn)行分析比較。。擴(kuò)展微粒群模型和本文模型性能評(píng)價(jià)指標(biāo)主要為，本文模型機(jī)器人數(shù)量從3至10搜索目標(biāo)成功率比較；本文模型機(jī)器人數(shù)量從3至10搜索目標(biāo)步數(shù)期望比較；本文模型和擴(kuò)展微粒群模型機(jī)器人數(shù)量從3至10搜索目標(biāo)成功率比較；本文模型和擴(kuò)展微粒群模型機(jī)器人數(shù)量從3至10搜索目標(biāo)步數(shù)期望比較；本文模型和擴(kuò)展微粒群模型機(jī)器人數(shù)量從3至10搜索目標(biāo)步長(zhǎng)期望比較；本文模型在滿(mǎn)足RSSI法進(jìn)行目標(biāo)位置估計(jì)時(shí)，個(gè)體機(jī)器人對(duì)目標(biāo)位置的估計(jì)值和其群最優(yōu)位置距目標(biāo)距離的期望比較。

　　5.2仿真數(shù)據(jù)

　　為了本文模型和擴(kuò)展微粒群模型比較方便，在數(shù)據(jù)圖和數(shù)據(jù)表格中樣式規(guī)整，以下將本文模型簡(jiǎn)稱(chēng)方法1，擴(kuò)展微粒群模型簡(jiǎn)稱(chēng)方法2。

　　從表和圖中可以看出方法1隨著機(jī)器人的數(shù)量增加成功率也在增加，說(shuō)明群體搜索效率隨著系統(tǒng)的規(guī)模擴(kuò)大而提高。模型在相同機(jī)器人數(shù)量時(shí)，方法1總體上也比方法2提高，說(shuō)明方法1同情形下搜索效率比方法2高。

　　從表和圖中可以看出方法1隨著機(jī)器人數(shù)量增加搜索步數(shù)在逐漸減少，說(shuō)明群體搜索所需要消耗的步數(shù)在減少，其搜索效率在增加。模型在機(jī)器人數(shù)量相同時(shí)，方法1所消耗步數(shù)略?xún)?yōu)于方法2，但是在標(biāo)準(zhǔn)差上明顯優(yōu)于方法2，說(shuō)明方法1搜索步數(shù)比方法2穩(wěn)定性高。

　　從表和圖中可以看出，模型在機(jī)器人數(shù)量相同時(shí)方法1比方法2所消耗的步長(zhǎng)少，說(shuō)明其消耗的能量少，在節(jié)能方面證明其優(yōu)勢(shì)所在。

　　　　群機(jī)器人在方法1搜索目標(biāo)時(shí)，當(dāng)滿(mǎn)足RSSI法時(shí)對(duì)目標(biāo)位置進(jìn)行估計(jì)，由此來(lái)更新期望位置與速度，如若不滿(mǎn)足RSSI法時(shí)用方法2中的迭代公式?？梢栽跐M(mǎn)足RSSI條件時(shí)用目標(biāo)估計(jì)位置與群最優(yōu)位置的距目標(biāo)位置距離期望值來(lái)判斷方法1中新的迭代公式引導(dǎo)群機(jī)器人搜索目標(biāo)的能力。從表和圖中數(shù)據(jù)可以看出，方法1在機(jī)器人數(shù)量相同時(shí)，滿(mǎn)足RSSI法估計(jì)目標(biāo)位置條件時(shí)，對(duì)目標(biāo)位置的估計(jì)值距目標(biāo)的距離比其同時(shí)群最優(yōu)位置距目標(biāo)位置小，說(shuō)明其引導(dǎo)機(jī)器人搜索目標(biāo)能力強(qiáng)。

　　6結(jié)束語(yǔ)

　　通過(guò)仿真實(shí)驗(yàn)驗(yàn)證了本文模型的可行性，其定位效率，步數(shù)和能耗方面均優(yōu)于擴(kuò)展微粒群模型。但是這僅是在絕對(duì)定位機(jī)制下的目標(biāo)搜索任務(wù)定位效率的研究，還有相對(duì)定位機(jī)制下引入目標(biāo)位置估計(jì)定位效率正待研究。

　　姓名：昝云龍地址：山西省太原市瓦流路66號(hào)研究生公寓405郵編：030024

　　院系：太原科技大學(xué)研究生學(xué)院系統(tǒng)工程專(zhuān)業(yè)電話：15513079361郵箱：zanyunlong@yahoo.cn