基于人群交互行为的机器人集群运动控制方法与流程

技术特征：
1.一种基于人群交互行为的机器人集群运动控制方法，其特征在于：包括以下步骤：步骤1：建立传统社会力模型，社会力包括三种形式的力：个体自驱力、个体间作用力以及个体与障碍物间的作用力；机器人集群中的个体在这些力的共同作用下，产生朝着目标点运动的加速度；步骤2：基于社会力模型，在社会力模型中引入视觉引导方法提高集群系统在复杂环境下的组群能力；步骤3：在社会力模型中引入视觉选择注意机制提高集群系统在复杂环境下的活动灵活性；步骤4：对社会力模型中的运动关联参数采用遗传算法进行全局并行优化，获得集群运动效率提升的最优参数组合。2.根据权利要求1所述一种基于人群交互行为的机器人集群运动控制方法，其特征在于：社会力的表达模型为：社会力的表达模型为：社会力的表达模型为：其中m
i
为个体i的质量，单位kg；为个体i在t时刻的速度，单位m/s；为个体i在t时刻受到的自驱力；为个体i在t时刻受到感知域内邻居的作用力的总和；为个体i在t时刻受到感知域内障碍物的作用力的总和；为个体i在t时刻受到个体j的社会距离力；为个体i在t时刻受到个体j的物理力；为个体i在t时刻受到障碍物w的社会距离力；为个体i在t时刻受到障碍物w的物理力。3.根据权利要求1所述一种基于人群交互行为的机器人集群运动控制方法，其特征在于：步骤2具体包括视觉建立、障碍物探测、导航点选择三个子步骤：步骤2
‑
1：视觉建立：根据社会力模型中个体的受力特征，以所受的合力方向为基准，建立个体视觉感知区域，并在感知区域的外围圆弧上设立探测点；步骤2
‑
2：障碍物探测：个体在运动过程中，位于视野前沿的探测点实时更新，并且判断某探测点是否落入障碍物的交互区域，若落入了障碍物的交互区域，则该探测点失效，否则探测点继续探测；步骤2
‑
3：导航点选择：单次探测结束后，从剩余的探测点中选择临时导航点；临时导航点选择的策略是计算剩余的每个探测点的导航风险因子g，选择风险系数最小的点为临时导航点；某探测点i的导航风险因子g
i
的计算式为：其中(p
x
,p
y
)为目的地的坐标，为探测点坐标。4.根据权利要求3所述一种基于人群交互行为的机器人集群运动控制方法，其特征在
于：步骤2
‑
1中，在感知区域的外围圆弧上每隔45
°
设立探测点，共5个探测点。5.根据权利要求2所述一种基于人群交互行为的机器人集群运动控制方法，其特征在于：步骤3在社会力模型中引入视觉选择注意机制表现为引入了差异交互项和速度应激项，其中差异交互项区分了个体对视野域内外邻居的强弱交互，速度应激项则增强了个体对视野域内运动特征突出的邻居的速度应激反应。6.根据权利要求5所述一种基于人群交互行为的机器人集群运动控制方法，其特征在于：所述差异交互项为ω
i
＝e
λcosα(t)
其中λ为视觉因子，控制个体与邻居进行强交互的区域大小；α(t)为个体i在t时刻的运动方向与个体j的向量的夹角；利用差异交互项修正的社会距离力的表达式为：通过修正个体作用范围b
i
：引入速度应激反映，其中a
i
为个体间作用强度，c
i
为常数，表示当个体i、j的速度差为0时，个体i和j的理想交互距离；ε为速度应激因子，用于控制个体i的速度应急反映程度；利用差异交互项和速度应激项结合修正的社会距离力的表达式为：7.根据权利要求1所述一种基于人群交互行为的机器人集群运动控制方法，其特征在于：步骤4中，利用遗传算法对个体间作用强度a
i
，视觉因子λ，速度应激因子ε进行优化，获得集群运动效率提升的最优参数组合。

技术总结
本发明提出一种基于人群交互行为的机器人集群运动控制方法，首先，基于社会力模型，在社会力模型中引入视觉引导算法提高集群系统在复杂环境下的组群能力；然后，在社会里模型中引入与视觉选择注意机制提高集群系统在复杂环境下的活动灵活性；随后，对模型中的运动关联参数采用遗传算法进行全局并行优化，获得集群运动效率提升的最优参数组合。本发明解决了局部最小问题导致的群内个体丢失，集群群组能力不足和协调一致性下降的问题，提高了群集系统在复杂环境下的组群能力；而且通过差异交互项区分了个体对视野域内外邻居的强弱交互，速度应激项增强了个体对视野域内运动特征突出的邻居的速度应激反应，提高了群集系统在复杂环境下的运动灵活性。杂环境下的运动灵活性。杂环境下的运动灵活性。


技术研发人员：崔海英 白春梅 刘禄 张立川
受保护的技术使用者：西北工业大学
技术研发日：2021.07.09
技术公布日：2021/10/7