本發(fā)明涉及機器人控制領域，尤其涉及一種群體移動物聯網機器人控制方法。

背景技術：

隨著物聯網技術的日益成熟，大規(guī)模的物聯網機器人協(xié)同工作成為可能，而在此之前，機器人的任務分配，有序集群運動等問題也急需解決。參考自然界生物不難發(fā)現，群體行為是普遍存在的一種生物行為模式，蟻群能夠通過集體協(xié)作獵殺體型遠超過自身的昆蟲或者高效的構造巢穴，候鳥在遷徙過程中能夠組成有利于飛行的陣型，海洋中的某些魚類會集群躲避捕食者的威脅，這些生物集群看起來并沒有所謂的“中樞系統(tǒng)”統(tǒng)一發(fā)號指令，卻能有條不紊的共同實現某一目標，著實令人嘆為觀止。很明顯，這種自然形成的系統(tǒng)具備某種自組織性，不會因某個“核心”失效而導致系統(tǒng)整體失效，系統(tǒng)內的個體雖然可能功能單一，卻也因此具有可替換性，在相當大的范圍內增減個體數量不會對系統(tǒng)功能產生影響，健壯性極強。而這些特點正是大規(guī)模物聯網機器人系統(tǒng)所需要的，具有極佳的參考意義。研究者對開生物集群行為模式的研究和模仿已進行了數十年，1987年，Reynolds建立了分散式行為模型并對鳥群進行了仿真，證明簡單個體間通過密集交互可以實現聚合行為，這是人們最早對自然集群的研究和模擬。1993年，Beni等人提出“元胞機器人系統(tǒng)”具備實現智能行為的能力，并正式引入了集群智能概念。此后大量集群控制算法涌現，各類算法已經能夠實現豐富的群體行為控制，然而在實際情況中不可變的，單一的控制算法往往無法滿足需求，相比之下，可以隨時間變化的控制算法更適合描述真實環(huán)境下群體系統(tǒng)的工作模式，也具備更強的環(huán)境適應能力。本發(fā)明針對這一現狀提出了一種時變控制算法，旨在實現豐富的、隨時間變化的物聯網機器人群體控制功能。

技術實現要素：

本方法的核心思想是令物聯網機器人的控制函數中包含時間項，使其成為關于時間的函數，當時間改變時控制函數也隨之變化。此外，考慮到實際的機器人群體中存在成員分工不同及通信延遲，允許各機器人個體在同一時間點受不同函數驅動，以此進一步增加算法靈活性。以下給出算法實現細節(jié)：

設集合S_V＝{(V_x1+V_y1),(V_x2+V_y2),…,(V_xn+V_yn)}代表位置移動類控制函數集，V_x1,V_x2,…,V_xn為不同類型的關于位置的函數，用于指定機器人在二維空間中向x軸方向的位移，V_y1,V_y2…,V_yn同上，用于指定y軸方向的位移。設集合S_O＝{O₁,O₂,…,O_m}代表其它類型控制函數集，O₁,O₂,…,O_m為控制機器人實現除位置移動外的某種特定功能(此處“功能”包括但不限于姿態(tài)調整、數據采集、通信及各類與周圍環(huán)境交互的動作等)的控制函數。令S＝{C_t1E₁,C_t2E₂,…,C_tNE_N}代表各種子控制函數的集合，其中1≤N≤m+n，E₁,E₂,…,E_N表示不同類型的子控制函數，各函數均應取自S_V或S_O，即E_i∈S_V∪S_O,1≤i≤N，參數1≤i≤N用于引入時間變量t。在任意時刻t，作用在某機器人個體上的控制函數f(t)表示為：

上式表示在任意時刻t，作用于一個可控機器人個體上的子控制函數有且只有一個，t₀,t₁,…,t_N將時間分為N段，當t從t₀到t_N變化時，集合S中的子控制函數將在每個時間段內依次對機器人個體產生作用，輪流主導機器人行為。合理規(guī)劃集合S中的子控制函數實現豐富的、隨時間變化的控制功能。任何能夠控制機器人實現某種特定功能(如位置移動、姿態(tài)調整、數據采集、通信及各類與周圍環(huán)境交互的動作等)的控制函數均可作為集合S中的子控制函數。此外，除提前規(guī)劃外，集合S中的子控制函數還可實時、動態(tài)地進行增減，以滿足復雜多變的實際工作需求。

附圖說明

圖1為本算法的控制流程圖；

圖2為本算法控制下的機器人群體運動軌跡。

具體實施方式

本方法應用于物聯網機器人控制時基本控制流程如下：

S1.物聯網機器人接收外部指令，規(guī)劃任務及任務時間，即構建或修改控制函數集合S。

S2.根據規(guī)劃準備一項新任務，即設置或變更控制函數，任何控制函數都應取從上一步中構建或修改的控制函數集合S中選取。

S3.執(zhí)行當前任務，即機器人在當前控制函數作用下行動。

S4.檢查是否有修改指令的請求，即是否需要修改或重建控制函數集合S。若為是，則轉至步驟S1，若為否，則繼續(xù)下一步。

S5.判斷當前任務是否已耗盡預定時間，即是否已超出當前控制函數作用的時間范圍。若為是，則進行下一步，若為否，則轉至步驟S3繼續(xù)執(zhí)行當前任務。

S6.判斷當前任務是否為預定的最后一項任務。若為是，則流程結束，若為否，則轉至S2準備下一項任務。

附圖1展示了本算法的控制流程。

以物聯網機器人集群運動控制為例進行詳細說明：當個體間同時存在吸引及排斥的相互作用時，每個個體能夠在特定距離下達到受力平衡，而這可以成為群體構成穩(wěn)定陣型的保障，建立如下控制函數模型：

V_xi,V_yi分別用于指定機器人沿x軸和y軸方向的位移，分別為x軸和y軸方向的單位向量，x,y為該機器人的當前坐標，x_j,y_j代表該機器人附近其他第j個機器人的坐標，如果該機器人附近有M個其他機器人，則j為1到M之間的整數。k為比例系數，當該機器人互相位于對方的吸引區(qū)內時，引力占主導地位，相應的k應取一負數，當機器人間距在平衡區(qū)內時，兩機器人間無互相作用力，k為0，否則斥力占主導地位，k取一正數。設定不同的引力區(qū)，平衡區(qū)及排斥區(qū)范圍即可實現不同的控制效果。

現考慮如下情形：在二維環(huán)境中隨機放置若干物聯網機器人，個體在t₀時刻處于靜止狀態(tài)，此時控制函數表示為:

V_x1＝0

V_y1＝0

在時間點t₁時各物聯網機器人接收外部指令進行必要的初始化設置，在t₂完成操作，本階段控制函數設為O₁。

之后各機器人根據指令執(zhí)行聚攏操作，此階段控制函數取為：

的取值表示當受控機器人與周圍第j個機器人的間距d_j<10時兩個體相互排斥，d_j≥30時兩個體相互吸引，排斥作用強于吸引作用以避免碰撞。聚攏完成后希望各個體有序分散，重新構成相對松散的陣型，設這一行為在時間點t₃開始，t₄點結束，則此階段控制函數可取為：

綜合考慮以上各階段函數，令S_V＝{(V_x1+V_y1),(Vx₂+V_y2),(V_x3+V_y3)}為位置移動類控制函數集，S_O＝{O₁}為其他類型控制函數集，則S＝{C_t1E₁,C_t2E₂,C_t3E₃,C_t4E₄}，其中E₁＝(V_x1+V_y1),E₂＝O₁,E₃＝(V_x2+V_y2),E₄＝(V_x3+V_y3),在任意時刻t，作用在某機器人個體上的控制函數表示為：

上述控制函數作用于物聯網機器人實現集群陣型控制，附圖2展示了該算法控制下的機器人運動軌跡，矩形標示了起始位置，圓形及三角形分別標示了各控制函數下機器人的相對穩(wěn)定位置。全部流程中作用于機器人的控制函數共變化三次，實現了靜止→初始化設置→構建緊密陣型→構建松散陣型的動態(tài)變化過程，展示了本算法的時變特性。上述集群陣型控制僅為本方法的應用之一，實際上只要構建恰當的控制函數集合S、合理規(guī)劃控制函數作用的時間域并遵循附圖1所示的控制流程即可實現各種實際情況中需要的控制功能。