多机器人系统仿真平台(摘要与目录)

来源：http://www.robotdiy.com/article.php?sid=125

 

如何实现多个机器人之间的协调与协作已经成为当前机器人学研究的新课题之一。这篇论文针对多机器人系统的运动规划和仿真系统建模与实现展开研究工作。
这 篇论文根据通用的多机器人仿真平台所应该具有的特点，采用面向对象模型化技术OMT（Object Modeling Technique）, OMT对多机器人仿真系统进行分析，建立了仿真系统的对象模，型动态模型和功能模型，并实现了基于该模型的分布式多机器人仿真系统 MultiSim（Multi-robot Simulation System）。

多机器人系统仿真平台--Multi-robot Simulation System

摘要

随着机器人技术的发展，机器人的能力不断提高，其应用领域不断扩展，人们要求机器人所完成的任务也越来越复杂，如制造过程的复杂装配作业、空间站的 维修、海洋勘探以及有害废料的清理等。在这些应用中，使用多个功能有限的机器人远比使用单个功能复杂的机器人要有优势。要使多个机器人构成的系统能有效地 运行，就必须对该系统加以组织。因此，如何组织这样的系统，以及如何实现多个机器人之间的协调与协作已经成为当前机器人学研究的新课题之一。本文针对多机 器人系统的运动规划和仿真系统建模与实现展开研究工作，主要内容如下:

首先，本文介绍了多机器人系统的特点，综述了多机器人运动规划和仿真平台的发展现状，并对论文结构、研究背景做了介绍

其次，研究了基于行为的分布式运动规划。本文将人工势场法应用于机器人与静态障碍的避碰算法中，并通过对不同方向的障碍物给与不同权重，改善了静态 环境中单机器人的运动轨迹。本文针对静态环境中的局部极小问题设计了follow_wall行为，并通过引入目标方向角，使机器人能够在更为复杂的环境中 避免陷入局部极小。本文还讨论了机器人之间的避碰问题。通过采用合理的交通规则，机器人可以灵活地相互躲避 。

第三，研究了学习分类器系统在多机器人学习中的应用。为了提高该方法的收敛速度，本文引入了规则构造器和合并操作。同时机器人通过通讯共享各自所发 现的最优的规则，以充分利用多机器人系统以及学习分类器算法本身均为并行系统的特点。仿真结果表明，改进后学习速度大为提高。

第四，研究了多机器人仿真系统的设计和实现。本文根据通用的多机器人仿真平台所应该具有的特点，采用面向对象模型化技术OMT（Object Modeling Technique）, OMT对多机器人仿真系统进行分析，建立了仿真系统的对象模，型动态模型和功能模型，并实现了基于该模型的分布式多机器人仿真系统MultiSim（Multi-robot Simulation System）。

最后，论文对所取得的研究成果进行了总结，并阐述了下一步的工作。

关键词：多机器人系统，运动规划，增强式学习，仿真

Abstract
With the development of robotics, the power of robot has been improved and the application areas of robot have been enlarged. Robots are required to accomplish more complex tasks, such as assembly in manufacture procedure, space station restore, ocean exploration and toxic waste cleanup. To accomplish those tasks, a system that consists of multiple simple robots has more advantages than a single powerful robot. In order to work efficiently, that system should be organized. Therefore, how to realize the coordination and cooperation of multiple robots is one of the new issues of robotics. This paper is focused on multi-robot motion planning and the modeling and implementation of genetic simulation platform. The content of this paper goes as follows:

Firstly, the features of multi-robot system are described, researches on motion planning and multi-robot simulation are reviewed, and the architecture and background of this thesis are introduced.

Secondly, distributed motion planning based on behavior is addressed. Artificial Potential Field approach is applied to the problem of avoiding collision with static obstacles. By giving different weight to the obstacles in different
directions, the path planned by the robot is improved. To solve the problem of minimum in environment, follow_wall behavior is introduced, and by introducing Goal Angle, the robot can easily get out of minimum in more complex environment. Collision avoidance between robots is also discussed in this paper. By exploiting reasonable traffic rules, robots are able to avoid each other agilely.

Thirdly, Learning Classifier System is applied to multi-robot system. To accelerate the speed of Learning Classifier System, Rule Constructor and Merge operation are introduced. In addition, robots shared the optimal rules by communication among them, by which the parallel features of both multi-robot system and Learning Classifier System are exploited. The simulation results show that the speed of Learning Classifier System is improved.

Fourthly, the design and implementation of multi-robot simulation system are studied. The object model, dynamic model and function model of simulation system are built by exploiting Object Modeling Technique (OMT) according to the requirement of genetic multi-robot simulation system. A distributed genetic multi-robot simulation platform is developed on the base of those models.

Finally, a conclusion is given and future work is addressed.

Keyword: multi-robot system, motion planning, reinforcement learning, simulation

目录：

（说明：以下文章为PDF格式，需要Acrobat Reader ，另外，由于使用了RAR格式压缩，所以需要先使用WinRAR 解压。）

第一章 绪论 （点击这里 下载，RAR格式）
1.1 多机器人技术研究现状 2
1.2 多机器人运动规划研究现状 6
1.3 多机器人仿真平台研究现状 8
1.4 课题来源和研究内容 10

第二章 基于行为的多移动机器人运动规划 （点击这里 下载，RAR格式）
2.1 移动机器人的控制结构及其传感器模型 13
2.2 avoid_obstacle行为设计 15
2.2.1 基于人工势场的方法 15
2.2.2 改进的人工势场法 17
2.3 follow_wall行为设计19
2.3.1 基本的follow_wall行为 20
2.3.2 改进的follow_wall行为 24
2.4 机器人之间的避碰行为设计27
2.4.1 无通讯的避碰方法 27
2.4.2 基于通讯的方法 29
2.5 本章小结32

第三章 基于改进LCS的多机器人学习算法 （点击这里 下载，RAR格式）
3.1 基本的LCS方法 33
2.1.1 执行子系统 34
2.1.2 权值分配子系统 35
2.1.3 规则发现子系统 35
3.2 改进的LCS方法 37
3.3 仿真实验及其结果 39
2.3.1 规则编码 39
2.3.2 任务描述及训练策略 40
2.3.3 仿真结果 41
3.4 本章小结 42

第四章 面向对象的分布式多机器人仿真系统 （点击这里 下载，RAR格式）
4.1 面向对象的建模方法 44
4.2 仿真系统的总体设计 45
4.3 仿真平台MultiSim的对象模型47
4.3.1 基本类 47
4.3.2 应用类 49
4.3.3 传感器类 49
4.4 仿真平台MultiSim的动态模型50
4.4.1 Cenvironment的状态图 50
4.4.2 CsimpleRobot的状态图 52
4.5 仿真平台MultiSim的功能模型55
4.5.1 服务器程序的数据流图 55
4.5.2 客户程序的数据流图 59
4.6 仿真系统介绍 60
4.6.1 仿真系统功能介绍 60
4.6.2 仿真系统使用介绍 62
4.7 仿真实验举例 63
4.7.1 队形控制 63
4.7.2 追踪运动目标 65
4.8 本章小结 66

第五章 结论 67 （点击这里 下载，RAR格式）

第六章 基于局域网的多移动机器人仿真系统 （点击这里 下载，RAR格式）
6.1 多移动机器人系统仿真平台简介
6.2 基于局域网的多移动机器人仿真系统结构
6.2.1 仿真系统服务器端软件结构
6.2.2 仿真系统客户端软件的结构
6.3 多移动机器人仿真系统的实现
6.3.2 队形保持任务仿真示例
6.4 本章小结

参考文献 68 （点击这里 下载，RAR格式）

版权声明：以上是多机器人系统仿真平台的主要开发人员张斌同学的硕士论文，作者在中 科院自动化所工作，他们开发的多机器人的软件仿真系统已申请了软件著作权。本网站非常荣幸得到原作者及其合作者的授权发表此文。论文及相关的软件版权由作 者及其单位保留！需要转载，请直接与作者及其单位联系。