学位论文 > 优秀研究生学位论文题录展示
基于蚁群算法的多机器人协作机制研究
作 者: 冯睿
导 师: 张万绪
学 校: 西北大学
专 业: 电路与系统
关键词: 多机器人 协作机制 蚁群算法 死锁
分类号: TP242
类 型: 硕士论文
年 份: 2011年
下 载: 90次
引 用: 0次
阅 读: 论文下载
内容摘要
随着机器人学的深入研究和实际应用领域众多要求的不断发展,多机器人系统研究逐渐成为一个新的研究热点。多机器人系统自身所具有的自适应性、鲁棒性、分布性和高效率等特性,同时该系统具有设计难度和制造成本相对较低的优势,使得其在工业、社会服务、军事、航天领域有着广泛的应用前景。由于应用领域工作任务的难度和所需机器人个数的不断增加,多机器人系统如何采取有效的协作机制来共同完成工作任务就显得十分重要。蚁群算法是一种智能模拟进化算法,不仅能够求解众多不同种类的组合优化问题,而且在求解的同时可以获得极佳的性能,具有自组织性、正反馈、分布式计算和较强的鲁棒性等特点。本文通过对多机器人系统体系结构的研究,给出了一种适用于多机器人系统的单机器人体系结构,并通过对多机器人协作机制的分析,设计了一个适用于复杂情况的多机器人协作系统的算法流程。接着通过对蚁群算法的原理和多机器人协作机制的深入研究,结合一种并行蚁群算法的主-仆结构,给出了基于蚁群算法的多机器人协作模型。对其具体实现的算法:组织机器人算法和协作机器人算法进行了详细分析。根据工作任务执行过程中各机器人角色的转化,系统有效地进行协作,由此解决多机器人系统在未知环境工作中的自主协作和规划问题。针对多机器人系统在未知环境执行工作过程中可能出现的死锁现象,本文通过对信息素的处理,采取一种加入等待时间和衰减选择次数相结合的方法,有效地避免了死锁现象,解决了对艰巨任务的重复选择,提高了系统完成工作任务的效率。最后通过仿真实验验证了算法的合理性和正确性。
|
全文目录
摘要 3-4 Abstract 4-8 第一章 绪论 8-14 1.1 选题的背景及意义 8 1.2 国内外研究现状 8-10 1.3 多机器人系统的优越性 10-11 1.4 多机器人系统研究领域的热点问题 11-12 1.5 论文结构安排 12-14 第二章 多机器人系统与群体智能 14-25 2.1 多机器人系统体系结构 14-18 2.1.1 机器人个体体系结构 14-17 2.1.2 多机器人系统群体体系结构 17-18 2.2 多机器人系统研究的主要内容 18-20 2.2.1 多机器人体系结构 18 2.2.2 多机器人通信 18-19 2.2.3 多机器人系统的建模与规划 19 2.2.4 多机器人系统协作机制 19-20 2.2.5 多机器人感知与学习 20 2.3 典型多机器人系统 20-22 2.3.1 群体智能机器人系统 20-21 2.3.2 自重构机器人系统 21 2.3.3 协作机器人系统 21 2.3.4 机器人足球赛 21-22 2.4 群体智能理论 22-24 2.4.1 群体智能的概念和特点 22-23 2.4.2 群体智能研究方向和主要方法 23-24 2.5 本章小结 24-25 第三章 多机器人系统的协作机制研究 25-38 3.1 多机器人协调、合作和协商 25-30 3.1.1 多机器人协调 25-27 3.1.2 多机器人合作 27-28 3.1.3 多机器人协商 28-29 3.1.4 多机器人协调与合作的关系 29-30 3.2 多机器人协作的主要方法 30-34 3.2.1 合同网 31-32 3.2.2 黑板模型 32-33 3.2.3 市场机制 33-34 3.3 多机器人协作模型 34-37 3.4 本章小结 37-38 第四章 基于蚁群算法的多机器人协作研究 38-54 4.1 基本蚁群算法原理 38-41 4.2 蚁群算法模型 41-44 4.2.1 蚁群算法系统模型 41-43 4.2.2 蚁群算法的基本步骤和流程 43-44 4.3 基于蚁群算法的多机器人协作算法实现 44-51 4.3.1 组织机器人算法 47-49 4.3.2 协作机器人算法 49-50 4.3.3 机器人角色转换 50-51 4.4 死锁及解决方案 51-53 4.4.1 任务分配中的死锁状态 51-52 4.4.2 任务死锁的解决 52-53 4.5 本章小结 53-54 第五章 多机器人协作仿真 54-66 5.1 仿真系统 54-55 5.2 多机器人的协作通信 55-57 5.3 仿真及分析 57-65 5.3.1 多机器人觅食任务仿真 57-59 5.3.2 基于蚁群算法的多机器人协作仿真 59-63 5.3.3 任务死锁现象解决仿真 63-65 5.4 本章小结 65-66 总结与展望 66-68 参考文献 68-72 硕士学位期间取得的科研成果 72-73 致谢 73
|
相似论文
- 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
- 基于蚁群算法的电梯群优化控制研究,TU857
- 动态环境下移动对象导航系统相关技术的研究,TP301.6
- 基于改进蚁群算法的机器人路径规划研究,TP242
- 多机器人合作追捕目标问题研究,TP242
- 面向服务的多主体协作机制的研究与实现,TP393.09
- 改进的蚁群算法及其在TSP上的应用研究,TP301.6
- 基于免疫机制蚁群算法的电力系统无功优化研究,TP18
- 基于视觉反馈与行为记忆的GPU并行蚁群算法,TP301.6
- 基于物理拓扑感知的Chord算法研究,TP393.02
- 电渣炉过程控制系统的设计及优化控制,TP273
- Ad Hoc网络中分簇路由算法的研究,TN929.5
- 图像信息处理机的图像处理方法研究,TP391.41
- 智能光网络中路由选择算法的研究,TN929.1
- 面向无线传感器网络的多路径路由协议研究,TN915.04
- 改进蚁群算法在盲均衡中的应用,TN911.5
- 智能光网络动态路由和波长分配算法的研究,TN929.1
- 基于蚁群算法的移动商务个性化推荐体系研究,TP391.3
- 基于蚁群算法的车辆调度问题研究,TP301.6
- 融合MMTD与仿生算法的路由选择研究,TP393.05
- 基于改进蚁群算法的多目标退化调度问题的研究,O221.6
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化技术及设备 > 机器人技术 > 机器人
© 2012 www.xueweilunwen.com
|