1、面向任务协作的多机器人分布式网络系统设计面向任务协作的多机器人分布式网络系统设计 随着机器人学的快速发展，多机器人系统理论也因其广泛的应用前景成了智能系统理论中的研究热点，在许多应用领域，如大型复杂生产线（飞机装配），危险环境下有害废物的清理，海底或太空等未知领域的探索等等，多机器人可以完成单个机器人所无法完成的任务，或者通过多机器人的协作提高工作效率。面向仓储的拣货机器人fetchRobocup公开赛场景 项目目前预期实现的目标是多机器人通过无线自组网协作实现自动编队控制，跟随等简单任务协作，后期视项目进度增添复杂地形下的多机器人协同等任务。项目开发工作主要分为两部分：一：一：无线自组网通信
2、协议的开发（主要实现 多节点的自由加入，退出，多机间的自主通信。）二：二：分布式算法部分（针对不同的任务，实现 多机器人的自主决策，完成预期目标。）一：基于ROS开发框架 ros总体结构：main核心部分（roscomm）：主要由Willow Garage公司和一些开发者设计、提供以及维护 universe部分，有不同国家的ROS社区组织开发和维护（包括借鉴一些库的代码opencv，pcl等）ROS的首要设计目标是在机器人研发领域提高代码复用率。使用ROS开发，最重要的问题是如何将已有成果加入ROS生态？在明确加入ROS生态的目的之后，针对性的给自己已有系统与ROS 的 bridge 无线自组
3、网通信协议分布式算法ROS生态二：基于现有stm32机器人平台 在已有的stm32机器人硬件平台和点对点通信协议栈基础上进行无线自组织通信协议以及分布式控制算法的开发。1：自组织通信协议的开发ADHOC 网络具有无固定网络设施、自组织（self-organization）、节点对等等特性。其强调在不依赖固定基础网络设施的前提下由一定范围内的移动终端节点动态地建立可以互联互通的无线分组交换网络，属于逻辑意义上的组网方式。针对ADHOC模式，本项目着重于对adhoc路由协议的选择与实现和以及链路层网络协议的实现。表驱动路由协议：DSDV，CGSR，WRP等其网络中每个节点都维护一致的，最新的全网路
4、由信息。网内邻居节点之间通过周期性的广播自身拥有的路由信息来实时更新全网路由信息按需路由协议：AODV，DSR，TORA等只有在源节点发起一个数据传输任务时才会发起路由请求，并建立路由。当网络中一个节点需要向另外一个节点进行数据传输时，其会发起一个路由发现过程。通常，按需路由包括 3 个过程：路由发现过程、路由维护和路由销毁。网络接口层协议：CSMA/CA,带冲突避免的载波侦听多路访问。dataaodv首部datadataaodv首部CSMA/CA首部应用层网络层网络接口层2：分布式算法的学习与实现机器人路径规划算法机器人路径规划算法基于模型的全局路径规划基于传感器的局部路径规划1、粒子群算法
5、2、拓扑法3、神经网络法4、人工势场法5、遗传算法6、蚁群算法7、模拟退火法4、栅格解耦法1.简介粒子群算法(PSO)是通过追随当前搜索到的最优值来寻找全局最优。PSO 初始化为一群随机粒子。然后通过迭代找到最优解。粒子通过跟踪两个极值来更新自己。第一个就是个体极值pBest。另一个是全局极值gBest。粒子公式 在找到这两个最优值时，粒子根据如下的公式来更新自己的速度和新的位置：v=w*v+c1*rand()*(pbest-present)+c2*rand()*(gbest-present)(1)present=present+v(2)2.图示1.简介人工势场法是由Khatib提出的一种虚拟
6、力法。它的基本思想是将机器人在周围环境中的运动，设计成一种抽象的人造引力场中的运动，目标点对移动机器人产生“引力”，障碍物对移动机器人产生“斥力”，最后通过求合力来控制移动机器人的运动。应用势场法规划出来的路径一般是比较平滑并且安全，但是这种方法存在局部最优点问题。2.图示2.图示1.简介事先告诉蚂蚁食物在什么地方，让其开始寻找食物。当一只找到食物以后，它会向环境释放信息素来实现的，吸引其他的蚂蚁过来，这样越来越多的蚂蚁会找到食物。有些蚂蚁并没有象其它蚂蚁一样总重复同样的路，他们会另辟蹊径，如果另开辟的道路比原来的其他道路更短，那么，渐渐地，更多的蚂蚁被吸引到这条较短的路上来。单位时间内通过的
7、蚂蚁越多，说明路径越短。2.图示1.简介模拟退火算法可以看成优化了的爬山算法，即退火算法以一定的概率来接受一个比当前解要差的解，因此有可能会跳出这个局部的最优解，达到全局的最优解。每一步先选择一个“邻居”，然后再计算从现有位置到达“邻居”的概率。根据热力学的原理，在温度为T时，出现能量差为dE的降温的概率为P(dE)，表示为：P(dE)=exp(dE/(kT)模拟退火算法描述：若J(Y(i+1)=J(Y(i)(即移动后得到更优解)，则总是接受该移动 若J(Y(i+1)J(Y(i)(即移动后的解比当前解要差)，则以一定的概率接受移动，而且这个概率随着“时间”推移逐渐降低（逐渐降低才能趋向稳定）2
8、.图示1.简介遗传算法是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型。按照适者生存和优胜劣汰的原理，逐代演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度大小选择个体，并借助于自然遗传学的遗传算子进行组合交叉和变异，产生出代表新的解集的种群。这个过程将导致种群像自然进化一样的后生代种群比前代更加适应于环境，末代种群中的最优个体经过解码，可以作为问题近似最优解。数据采集与通信示意图Stm32单片机距离传感器串口数据收发模块数据采集另一移动机器人节点 本项目通信部分的难点在于自组织网络路由协议的实现 分布式算法部分的难点在于针对复杂任务设计出合适的控制算法达到预期目标 最后的难点在于如何将已经实现的系统方案融合进ROS开发框架中主要任务主要任务阶段阶段目标目标背景调研10月份确定项目方案和开发重点算法分析与选择11月份在理解项目所需算法基础上选择适合的算法具体算法的代码实现以及ROS的深入理解12月-次年1月份具体实现所选算法，对ROS各方面深入理解调试硬件平台1月份中旬到2月份在stm32平台实现基本功能分布式算法功能的增加2月上旬在原有算法基础上增加复杂任务功能将原有系统加入ROS框架3月份将已有成果与ROS生态融合仿真及文档整理4月份Simulators-stage仿真以及文档整理
