多机器人协同控制方法研究

        随着经济的快速发展，机器人在各行各业的普及度越来越高，与此同时，单一的机器已经逐渐不能满足人们的需求。在面对工农业生产、高危环境作业、水下与空间环境探测、卫星协同控制等复杂环境下，机器人协同研究成为一个亟待优化的问题。

        从整体来说机器人协同控制是一个涉及许多方面的问题，主要包括：路径规划、任务分配、协同控制、平滑处理四大问题。

        路径规划包括传统路径规划算法、基于采样路径规划算法、智能路径规划算法。

        其中传统路径规划算法包括：A*算法、D*算法、人工势场法。A*算法，是Dijkstra算法与广度优先搜索算法（BFS）的结合，属于启发式算法，针对全局做路径规划，目的是寻找代价最小的路径，优于Dijkstra；D*算法又称动态A*算法，使用反向搜索，即从目标点开始，由于储存了空间中每个点到终点的最短路径信息，故在重规划时效率大大提升，适用于动态环境的路径规划；人工势场法是将目标和障碍物视为均匀电场中的电荷，分别存在引力与斥力，属于局部路径规划，容易存在局部极小值，陷入局部最优解，但其路径较为平滑。

        基于采样路径规划算法包括随机路线图算法（PRM）、快速扩展随机树算法（RRT）。PRM是一种基于图搜索的算法，可以将连续状态空间转换成离散状态空间，在利用A＊等搜索算法在路线图上寻找路径，提高搜索效率，适用于高维且约束复杂的路径规划，需要加入局部路径规划对其进行优化；RRT是一种通过随机构建空间填充树来有效搜索非凸，高维空间的算法，通过对状态空间中的采样点进行碰撞检测，避免了对空间