矿井救援多机器人系统任务分配优化算法研究

摘要

近年来,机器人技术得到了快速的发展。与单机器人系统相比,多机器人系统有着无法比拟的优势,然而多机器人系统能否优于单机器人系统的关键是多机器人系统中的机器人成员能否通力合作,高效地完成全局任务。本文以多机器人系统任务分配算法为研究对象,在对国内外研究现状进行深入分析的基础上,针对矿井事故救援难度大,矿井环境动态性复杂性的特点,提出了一种基于效用评价的矿井救援多机器人系统任务分配算法。本文对多机器人系统进行简单介绍,并详细介绍了模糊神经网络和Q学习算法,在此基础上设计了基于模糊-神经Q学习的效用评价网络结构,通过实时学习与参数调整,提高了评价精度。设计全局奖励函数从而使每个机器人根据各自的任务评价进行任务分配,实现全局任务的分配。并将其应用于矿井救援中,实现了救援伤者任务效用评价和任务选择,通过算法的比较,验证了方法的可行性和精确性。最后,设计了矿井救援机器人的硬件结构和软件流程,重点部分是矿井机器人救援的导航算法实现,提出多机器人系统仿真的解决方案。极大地降低矿井环境的不确定性和危险性,但是由于条件和时间的限制,在很多方面还有待改进和深入研究。

目录

致谢

摘要

Abstract

1 引言

1.1 课题的提出和研究意义

1.2 课题研究的国内外现状

1.3 本文的主要研究内容和章节安排

1.3.1 主要研究内容

1.3.2 论文章节安排

2 救援机器人任务分配相关理论介绍

2.1 绪论

2.2 模糊控制理论基础

2.2.1 模糊控制原理

2.3 BP 神经网络及学习过程

2.4 模糊神经网络理论

2.4.1 基于Mamdani 模型的模糊神经网络

2.5 救援机器人强化学习

2.5.1 救援机器人强化学习算法介绍

2.5.2 神经网络对Q 值的学习

2.6 本章小结

3 基于效用评价的任务分配算法

3.1 绪论

3.2 效用评价算法

3.2.1 效用函数

3.2.2 状态空间的压缩

3.2.3 基于Mamdani 模型的模糊-神经Q 学习网络设计

3.2.4 实现任务分配方案

3.2.5 矿井救多机器人系统奖励函数实现

3.2.6 学习算法

3.3 本章小结

4 基于效用评价的任务分配算法的应用

4.1 基于效用评价的任务分配算法的应用

4.1.1 矿井位置敏感度

4.1.2 效用评价模块的实现

4.1.3 任务选择模块的实现

4.1.4 对奖赏函数的具体描述

4.2 仿真结果分析

4.3 本章小结

5 矿井救援机器人系统研究

5.1 基于DSP 的机器人硬件结构

5.1.1 矿井救援机器人硬件结构

5.1.2 软件流程图

5.2 矿井机器人导航算法的实现

5.2.1 基于D-S 证据理论的瓦斯灾害信息决策

5.2.2 D-S 证据理论的融合规则

5.3 矿井救援机器人对目标的探测

5.4 救援多机器人仿真系统解决方案

5.4.1 救援多机器人系统的软件结构

5.5 救援机器人仿真系统的核心技术

5.5.1 救援多机器人系统任务模块

5.5.2 救援多机器人系统任务算法模块

5.6 本章小结

结论

参考文献

作者简历

学位论文数据集