一种基于三层基因调控网络的群体机器人聚合控制方法

1.本发明涉及群体机器人控制技术领域，具体是一种基于三层基因调控网络的群体机器人聚合控制方法。


背景技术：

2.基于生物启发式群体控制模型成为了近年来群体机器人控制领域的研究热点之一，目前针对三维空间下的群体运动控制问题研究，lwowski j等人提出了一种基于鸟群的无人机群控制算法，仅利用立体相机、全球定位系统和惯性测量单元来实现群体无人机对目标进行围捕，在整个过程中所形成的围捕形态是固定不变的，无法适应环境变化情况；在此基础上，孟等人提出的基因调控网络模型虽然可以改变群体机器人的围捕形态，但其应用并未涵盖到在由电磁波干扰或复杂环境所造成的全球定位系统失效的三维空间下进行目标自适应围捕，仍具有一定的局限性。


技术实现要素：

3.本发明提供一种室内停车场智能管理系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
4.本发明提供一种基于三层基因调控网络的群体机器人聚合控制方法，所述方法包括：
5.当群体机器人在未知环境中搜索到目标时，利用群体机器人机载的传感器对目标周围环境信息进行探测，获取每一个机器人到目标的相对距离和每两个机器人之间的相对距离；
6.基于基因调控网络模型包括创建层、形成层和控制层，将每一个机器人到目标的相对距离和每两个机器人之间的相对距离导入创建层进行数据融合计算，得到当前时刻局部坐标系；
7.调用未知环境中所有个体在上一时刻局部坐标系内的坐标信息进行坐标转换，获取在当前时刻局部坐标系内的所有个体坐标信息，包括目标坐标信息、障碍物坐标信息以及每一个机器人的坐标信息；
8.将目标坐标信息和障碍物坐标信息导入形成层进行形态梯度提取，得到群体机器人的当前围捕形态，进而获取每一个机器人的围捕控制点；
9.将每一个机器人的坐标信息及其对应的围捕控制点导入控制层中，利用集群控制算法引导群体机器人朝着目标进行移动围捕。
10.进一步地，所述将每一个机器人到目标的相对距离和每两个机器人之间的相对距离导入创建层进行数据融合计算，得到当前时刻局部坐标系包括：
11.根据每一个机器人到目标的相对距离，从群体机器人中筛选出距离目标最近的一个主导机器人，再将主导机器人所在位置标记为坐标原点；
12.根据每两个机器人之间的相对距离，从其他机器人中筛选出距离主导机器人最近
的一个邻接机器人，再将主导机器人所在位置与邻接机器人所在位置之间所形成的直线标记为x轴；
13.在主导机器人和邻接机器人的共同通信范围内选取两个辅助机器人，以x轴为相交线创建两个平面，使得两个辅助机器人分别落在两个平面内；
14.根据主导机器人、邻接机器人和两个辅助机器人中每两个机器人之间的相对距离，同时结合两个平面之间的夹角确定上述四个机器人的坐标信息，进而得到当前时刻局部坐标系。
15.进一步地，所述调用未知环境中所有个体在上一时刻局部坐标系内的坐标信息进行坐标转换，获取在当前时刻局部坐标系内的所有个体坐标信息包括：
16.根据主导机器人与其中一个辅助机器人之间的相对位置变化情况，构建当前时刻局部坐标系和上一时刻局部坐标系之间的坐标旋转矩阵；
17.结合所有个体在上一时刻局部坐标系内的坐标信息以及坐标旋转矩阵，计算所有个体在当前时刻局部坐标系内的坐标信息。
18.进一步地，所述根据主导机器人与其中一个辅助机器人之间的相对位置变化情况，构建当前时刻局部坐标系和上一时刻局部坐标系之间的坐标旋转矩阵包括：
19.获取在上一时刻局部坐标系内主导机器人与其中一个辅助机器人之间的坐标差值矩阵，记为第一差值矩阵；
20.获取在当前时刻局部坐标系内主导机器人与该辅助机器人之间的坐标差值矩阵，记为第二差值矩阵；
21.根据第一差值矩阵与第二差值矩阵之间的几何关系确定一个四元数，利用四元数构建当前时刻局部坐标系和上一时刻局部坐标系之间的坐标旋转矩阵。
22.进一步地，所述根据第一差值矩阵与第二差值矩阵之间的几何关系确定一个四元数包括：
23.当line
ad
linea′d′
＝0时，确定一个四元数为：q＝[0,0,0,0]；
[0024]
或者当line
ad
linea′d′
≠0时，确定一个四元数为：
[0025][0026]
其中，u为(line
ad
×
linea′d′
)的归一化值，linea′d′
为第一差值矩阵，line
ad
为第二差值矩阵。
[0027]
进一步地，所有个体在当前时刻局部坐标系内的坐标信息的计算公式为：
[0028]
p
x
＝linea′
x
′
*r
[0029]
其中，p
x
为个体x在当前时刻局部坐标系内的坐标信息，linea′
x
′
为在上一时刻局部坐标系内主导机器人a与个体x之间的坐标差值矩阵，个体x为目标或者障碍物或者除了主导机器人、邻接机器人和两个辅助机器人之外的其他机器人，r为坐标旋转矩阵。
[0030]
进一步地，所述将每一个机器人的坐标信息及其对应的围捕控制点导入控制层中，利用集群控制算法引导群体机器人朝着目标进行移动围捕包括：
[0031]
从i＝1开始，统计落在第i个机器人通信范围内的所有机器人，计算第i个机器人在集群之间移动时的防碰撞控制分量；
[0032]
获取第i个机器人在探测到的多个障碍物表面投影生成的多个虚拟机器人，计算
第i个机器人在多个虚拟机器人之间移动时的避障控制分量；
[0033]
在第i个机器人的围捕控制点创建一个虚拟目标机器人，计算第i个机器人移动至虚拟目标机器人处的运动控制分量；
[0034]
将防碰撞控制分量、避障控制分量和运动控制分量进行融合，得到第i个机器人朝着目标移动的全局控制分量；
[0035]
将i 1赋值给i，重复执行以上各个步骤，直至获取群体机器人中每一个机器人朝着目标移动的全局控制分量。
[0036]
进一步地，第i个机器人朝着目标移动的全局控制分量的计算公式为：
[0037][0038]
其中，ui为全局控制分量，为防碰撞控制分量，为避障控制分量，为运动控制分量，均为调控参数，ni为落在第i个机器人通信范围内的所有机器人的集合，为第i个机器人探测到的多个障碍物的集合，qj为集合ni内第j个机器人的坐标位置，qi为第i个机器人的坐标位置，n
i,j
为第i个机器人到第j个机器人的运动矢量，pj为集合ni内第j个机器人的速度值，pi为第i个机器人的速度值，φ(x)为光滑势函数，‖x‖
σ
为σ范数值，为集合内第k个障碍物表面生成的虚拟机器人的坐标位置，为集合内第k个障碍物表面生成的虚拟机器人的速度值，为第i个机器人到第k个障碍物表面生成的虚拟机器人的运动矢量，q
γ
为虚拟目标机器人的坐标位置，p
λ
为虚拟目标机器人的速度值，a
i,j
为第i个机器人与集合ni内第j个机器人的邻接系数，b
i,k
为第i个机器人与集合内第k个障碍物的邻接系数。
[0039]
本发明至少具有以下有益效果：通过使用改进后的三层基因调控网络并在其创建层引入当前时刻局部坐标系，可以实现在全球定位系统失效的三维空间内对目标、障碍物和群体机器人的坐标位置进行自主更新，从而使得形成层所提取出来的群体机器人围捕形态发生自适应变换；针对每一个机器人对目标的包围策略，将每一个机器人在集群之间、多个障碍物之间以及到围捕控制点的移动情况进行综合考量，由此确保群体机器人的移动稳定性。
附图说明
[0040]
附图用来提供对本发明技术方案的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明的技术方案，并不构成对本发明技术方案的限制。
[0041]
图1是本发明实施例中的基于三层基因调控网络的群体机器人聚合控制方法的流程示意图。
具体实施方式
[0042]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0043]
需要说明的是，虽然在系统示意图中进行了功能模块划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于系统中的模块划分，或流程图中的顺序执行所示出或描述的步骤。说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0044]
请参考图1，图1是本发明实施例提供的一种基于三层基因调控网络的群体机器人聚合控制方法，所述方法包括以下步骤：
[0045]
s101、当群体机器人在未知环境中搜索到目标时，利用群体机器人机载的传感器对目标周围环境信息进行探测，获取每一个机器人到目标的相对距离和每两个机器人之间的相对距离；
[0046]
具体的，控制群体机器人在未知环境中进行随机行走，当任一机器人机载的传感器发现目标后，该机器人将获取到的本体到目标的相对距离以及本体到其他机器人的相对距离在群体机器人之间进行实时交互，其中群体机器人机载的传感器包括超声波传感器、气味传感器、红外传感器、摄像头中至少一种。
[0047]
s102、基于基因调控网络模型包括创建层、形成层和控制层，将每一个机器人到目标的相对距离和每两个机器人之间的相对距离导入创建层进行数据融合计算，得到当前时刻局部坐标系；
[0048]
本发明实施过程包括：
[0049]
(1)根据每一个机器人到目标的相对距离，从群体机器人中筛选出距离目标最近的一个主导机器人a，再将主导机器人a所在位置标记为坐标原点o；
[0050]
(2)根据每两个机器人之间的相对距离，从其他机器人中筛选出距离主导机器人a最近并落在其通信范围内的一个邻接机器人b，再将主导机器人a所在位置与邻接机器人b所在位置之间所形成的直线标记为x轴，且以主导机器人a到邻接机器人b的方向为x轴正方向；
[0051]
(3)在主导机器人a和邻接机器人b的共同通信范围内选取两个辅助机器人(c、d)，以x轴为相交线创建两个平面，使得两个辅助机器人分别落在两个平面内；
[0052]
在此步骤(3)中，首先建立任意一个辅助机器人x落在主导机器人a和邻接机器人b的共同通信范围内的判断条件为：
[0053]
min(d
xa
d
xb
)&(d
xa
＜r)&(d
xb
＜r)
[0054]
式中，d
xa
为辅助机器人x到主导机器人a的相对距离，d
xb
为辅助机器人x到邻接机器人b的相对距离，r为任意两个机器人之间产生相互影响的最远距离，min(d
xa
d
xb
)表示确保(d
xa
d
xb
)的值为最小，即说明未被选择的辅助机器人x当前距离主导机器人a和邻接机器人b最近，而d
xa
＜r说明辅助机器人x落在主导机器人a的通信范围内；
[0055]
其次，根据上述判断条件从其他机器人中选取辅助机器人c和辅助机器人d，以x轴为相交线创建两个不重叠的平面(即xoy平面和xoy
′
平面)，使得辅助机器人c落在xoy平面上的y轴正向一侧(不包括y轴，y轴与x轴相互垂直于点o)以及辅助机器人d落在xoy
′
平面上的y
′
轴正向一侧(不包括y
′
轴，y
′
轴与x轴相互垂直于点o)，其中xoy平面归属于当前时刻局部坐标系。
[0056]
(4)根据主导机器人a、邻接机器人b和两个辅助机器人(c、d)中每两个机器人之间的相对距离，同时结合两个平面之间的夹角确定上述四个机器人的坐标信息，进而得到当前时刻局部坐标系。
[0057]
在此步骤(4)中，首先确定主导机器人a在xoy平面和xoy
′
平面的二维坐标均为a(0,0)以及邻接机器人b在xoy平面和xoy
′
平面的二维坐标均为b(0,d
ab
)，同时计算出辅助机器人c在xoy平面上的二维坐标以及辅助机器人d在xoy
′
平面上的二维坐标分别为：
[0058][0059]
式中，∠cab为辅助机器人c到主导机器人a所在直线与x轴的夹角，∠dab为辅助机器人d到主导机器人a所在直线与x轴的夹角；
[0060]
其次，根据主导机器人a、邻接机器人b和辅助机器人c的二维坐标可确定xoy平面的平面方程为a1x b1y c1z d1＝0，以及根据主导机器人a、邻接机器人b和辅助机器人d的二维坐标可确定xoy
′
平面的平面方程为a2x b2y c2z d2＝0，进而得到xoy平面与xoy
′
平面之间的夹角余弦值为：
[0061][0062]
式中，a1、b1、c1、d1、a2、b2、c2、d2均为通过将各个二维坐标代入对应平面方程可求解出来的参数；
[0063]
最后，根据主导机器人a、邻接机器人b和两个辅助机器人(c、d)的二维坐标以及该夹角余弦值，确定上述四个机器人在当前时刻局部坐标系内的坐标信息分别为：a(0,0,0)、b(0,d
ab
,0)、,0)、由此可构建出当前时刻局部坐标系。
[0064]
s103、调用未知环境中所有个体在上一时刻局部坐标系内的坐标信息进行坐标转换，获取在当前时刻局部坐标系内的所有个体坐标信息，包括目标坐标信息、障碍物坐标信息以及每一个机器人的坐标信息；
[0065]
本发明实施过程包括：
[0066]
(1)根据主导机器人与其中一个辅助机器人之间的相对位置变化情况，构建当前时刻局部坐标系和上一时刻局部坐标系之间的坐标旋转矩阵；
[0067]
在此步骤(1)中，首先获取在上一时刻局部坐标系内主导机器人a与其中一个辅助
机器人(此处选取辅助机器人d)之间的坐标差值矩阵，记为第一差值矩阵linea′d′
，相对应地，获取在当前时刻局部坐标系内主导机器人a与该辅助机器人d之间的坐标差值矩阵，记为第二差值矩阵line
ad
；
[0068]
其次，根据第一差值矩阵linea′d′
与第二差值矩阵line
ad
之间的几何关系确定一个四元数，具体表现为：当line
ad
inea′d′
＝0时，四元数q＝[0,0,0,0]；或者当line
ad
linea′d′
≠0时，四元数q＝cos[arccos(line
ad
*linea′d′
)/2]*sin[arccos(line
ad
*linea′d′
)/2]*u，其中u为(line
ad
×
linea′d′
)的归一化值；
[0069]
最后，利用四元数q构建当前时刻局部坐标系和上一时刻局部坐标系之间的坐标旋转矩阵r为：
[0070][0071]
其中，q1、q2、q3、q4均为四元数q中的参数。
[0072]
(2)结合所有个体在上一时刻局部坐标系内的坐标信息以及坐标旋转矩阵，计算所有个体在当前时刻局部坐标系内的坐标信息为：
[0073]
p
x
＝linea′
x
′
*r
[0074]
其中，p
x
为个体x在当前时刻局部坐标系内的坐标信息，linea′
x
′
为在上一时刻局部坐标系内主导机器人a与个体x之间的坐标差值矩阵，个体x为目标或者障碍物或者除了主导机器人、邻接机器人和两个辅助机器人之外的其他机器人，此时通过使用该公式可获取到目标坐标信息、障碍物坐标信息以及每一个机器人的坐标信息。
[0075]
s104、将目标坐标信息和障碍物坐标信息导入形成层进行形态梯度提取，得到群体机器人的当前围捕形态，进而获取每一个机器人的围捕控制点；
[0076]
具体的，首先根据目标坐标信息和障碍物坐标信息，生成一个含有障碍物信息的浓度梯度空间为：
[0077][0078]
式中，t为所有目标产生的形态梯度，n
t
为目标总数，ti为第i个目标产生的浓度梯度，为ti所在浓度梯度空间的二阶导数(为laplacian算子)，γi为第i个目标的坐标信息，o为所有障碍物产生的形态梯度，no为障碍物总数，oj为第j个障碍物产生的浓度梯度，为oj所在浓度梯度空间的二阶导数，βj为第j个障碍物的坐标信息，m为考虑目标和障碍物情况下形成的形态梯度空间，k、θ为调控参数，t为时间，其中关于dm/dt的公式表示
为经过xnor同或门模型处理得到的含有障碍物信息的浓度梯度空间；
[0079]
其次从浓度梯度空间中提取出等势线，并根据所述等势线的形态生成群体机器人的当前围捕形态；最后根据群体机器人的分布数量，在群体机器人的当前围捕形态上进行均匀采样，得到每一个机器人的围捕控制点，即m个机器人对应有m个围捕控制点。
[0080]
s105、将每一个机器人的坐标信息及其对应的围捕控制点导入控制层中，利用集群控制算法引导群体机器人朝着目标进行移动围捕。
[0081]
在本发明实施例中，将olfati-saber算法作为控制层中的集群控制算法，具体实施过程包括：
[0082]
(1)从i＝1开始，统计落在第i个机器人通信范围内的所有机器人，计算第i个机器人在集群之间移动时的防碰撞控制分量为：
[0083][0084]
式中，为调控参数，ni为落在第i个机器人通信范围内的所有机器人的集合，qj为集合ni内第j个机器人的坐标位置，qi为第i个机器人的坐标位置，n
i,j
为第i个机器人到第j个机器人的运动矢量，a
i,j
为第i个机器人与集合ni内第j个机器人的邻接系数，pj为集合ni内第j个机器人的速度值，pi为第i个机器人的速度值，φ(x)为光滑势函数，‖x‖
σ
为σ范数值；
[0085]
针对以上部分参数作进一步展开说明如下：
[0086]
a.光滑势函数：
[0087][0088]
b.σ范数值：
[0089]
c.运动矢量：
[0090]
d.邻接系数：a
i,j
＝ρh(||q
j-qi||
σ
/‖r‖
σ
)
[0091]
e.相关联的标量凹凸函数：
[0092][0093]
其中，x为自定义变量，r为任意两个机器人之间产生相互影响的最远距离，ε、a、b、c均为常量，h为设定的临界值。
[0094]
(2)获取第i个机器人在探测到的多个障碍物表面投影生成的多个虚拟机器人，计算第i个机器人在多个虚拟机器人之间移动时的避障控制分量为：
[0095][0096]
式中，为调控参数，为第i个机器人探测到的多个障碍物的集合，为集合内第k个障碍物表面生成的虚拟机器人的坐标位置，为第i个机器人到第k个障碍物表面生成的虚拟机器人的运动矢量，b
i,k
为第i个机器人与集合内第k个障碍物的邻接系数，为集合内第k个障碍物表面生成的虚拟机器人的速度值；
[0097]
针对以上部分参数作进一步展开说明如下：
[0098]
a.光滑势函数：
[0099][0100]
b.运动矢量：
[0101]
c.邻接系数：
[0102]
其中，d为任一机器人到障碍物的安全距离。
[0103]
(3)在第i个机器人的围捕控制点创建一个虚拟目标机器人，计算第i个机器人移动至虚拟目标机器人处的运动控制分量为：
[0104][0105]
式中，均为调控参数，q
γ
为虚拟目标机器人的坐标位置，p
λ
为虚拟目标机器人的速度值；
[0106]
(4)将防碰撞控制分量、避障控制分量和运动控制分量进行融合，得到第i个机器人朝着目标移动的全局控制分量ui(即第i个机器人在当前时刻下朝着目标移动所产生的总加速度)为：
[0107]
(5)将i 1赋值给i，重复执行上述步骤(1)-(4)，直至获取群体机器人中每一个机器人朝着目标移动的全局控制分量。
[0108]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或
其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，如本领域普通技术人员公知的，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0109]
以上对本发明的较佳实施进行具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。