基于改进lpso混合算法的多机器人编队

《基于改进lpso混合算法的多机器人编队》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于改进LPSO混合算法的多机器人编队　　摘要：针对领航跟随法和基于行为法在机器人编队控制上的缺点，采用了混合编队方法即动态偏转角度φ值的虚拟领航跟随法结合基于行为法，能弥补传统领航跟随法的缺陷，可以保持队形的稳定，形成队形反馈，在两种编队方法结合的基础上，加入混合算法进行在线优化，该混合算法是在PSO算法的基础上改进惯性权重公式，加速收敛速率和解决易掉进局部最优的缺陷；同时引入能进行长短离搜索的莱维飞行，该混合算法能进一步加快粒子跳出局部最优，避免陷入早熟的情况，从而有效的优化机器人编队的路径，可以使机器人的编队时间缩短。实验仿真成果证实，所采用的方法的可行性和

2、有用性。　　关键词：编队控制；粒子群算法；惯性权重；莱维飞行　　引言　　近年来，多机器人编队控制[1]是已经成为多机器人协作的重要研究方向之一。编队控制[2]是指机器人以一定的队形避开环境的约束向目标点运动的控制技术，很多学者根据任务需求，提出许多经典方法，包含有领航跟随（leader-follower）[3-4]基于行为法（behavior-based）[5]、人工势场法[6]、虚拟结构法（virtual-structure）等。文献[7]在虚拟领航者的基础上加入分散控制算法，但是仍然无法保证队形的稳定性，文献[8]提出特定领航者的编队方法，但是该算法要在一定的

3、充分条件和收敛区间才能发挥作用，文献[9]提出了改进的人工势场法的?队控制，通过沿墙导航法来控制机器人的队形变换，机器人无法到达最优路径，上述研究虽然都可以完成机器人的编队控制，但是很少会在线对机器人的路径做优化。　　针对上述问题，提出了一种用莱维飞行算法结合惯性权重对数递减的粒子群算法来进行多机器人编队控制，该方法的思想是当领航者的角度发生变化时，跟随者能适应其角度的变化，不会发生掉队的现象，队形保持稳定，同时对粒子群算法的公式做改进，以对数递减函数做粒子群算法的惯性权重，可以使收敛速度有一定的提高，莱维飞行的引入，可以增加种群的搜索能力，避免早熟，得到最佳的机

4、器人路径。　　1混合编队控制　　1.1基于动态φ值的虚拟领航跟随法　　由于领航跟随法比较简单、容易理解，所以就受到研究编队控制人员的青睐，它的主要原理[10]是选取当中某个机器人作为leader，另外剩余的机器人作为follower，设定领航者（leader）和跟随者（follower）运动位置关系，然后follower以固定的距离和方向跟随leader，形成一定的队形。但是这种方法太依赖于领航者，一旦领航者出现故障，那么机器人编队的队形就无法保持，且该方法无法形成反馈和只能求解局部最优而不是全局最优。动态偏转角度φ值的虚拟领航跟随法能弥补其缺点，所示当领航者遇到

5、阻碍，偏转角度太大，跟随者可以自适应的改变自己的角度，迅速到达队形点。　　1.2基于行为法　　基于行为法[11]是有几个子行为组成，它有明确的队形反馈。但是也存在着一些不足，没有固定的数学模型，导致行为难以融合，即机器人躲避障碍物的时候和向目标点移动有可能很难同时进行，所以队形的稳定性就无法控制。　　1.3混合编队方法　　针对前面所述的两种方法的优缺点，本文提出了动态偏转角度φ值的虚拟领航跟随法，同时结合基于行为法的机器人编队控制，两者之间相互互补，完成编队任务。　　当领航机器人遇到障碍物时，会改变其原有的方向，如果偏转角度过大，会使跟随者产生掉队或者回退的现象，

6、采用动态偏转角度φ值的虚拟领航跟随法，可以使跟随者始终和领航者保持相同的偏转角度φ，产生相同的弧形，稳定队形，同时在动态偏转角度φ值的虚拟领航跟随法上加入基于行为法，可以防止机器人进入死锁状态，通过基于行为法的随机扰动行为和通向目标点的行为，使机器人脱离死锁，形成完整的队形。　　2改进的LPSO（LevyParticleSwarmOptimization）算法　　2.1改进的PSO（ParticleSwarmOptimization）算法　　式中β为对数调整因子，取1.2。K为当前代次数，对数递减的ωi的变化是先减少缓慢后加速减小，因此它可以使全局和局部的搜索能力

7、有所改善，并加速收敛速度和提高收敛精度。　　二是对改进适应度函数，它在算法中占有很高的地位，其性能可以反映粒子本身的好坏程度，本文所采用的就是在机器人原本路径的基础上加入稳定度因子、光滑度因子，最后对所有的参数进行加权平均，其公式：F=α×f1+β×f2+γ×f3，α、β、γ分别为的加权因子，可以通过调节α、β、γ来决定各自函数占的比重，且它们都是大于或者等于零，且小于1的实数。f1为机器人的路径长度，f2为稳定函数，与粒子直线到目标点遇到障碍物的个数有关，f2=M，M是一个较大的为起点到终点的直线路径上的障碍物之和，f3路径光滑度函数，f3=πr+πr，n1为机

8、器人在原始