控制理论与应用

作者：王茂,周少武,张红强,吴亮红,周游,何昕杰

单位：湖南科技大学,湖南科技大学,湖南科技大学,湖南科技大学,湖南科技大学,湖南科技大学

关键词：群机器人学; 群体智能; 多目标搜索; 边界扫描避障策略; 目标位置估计; 粒子群算法

基金：国防基础科研计划项目(JCKY2019403D006), 湖南省自然科学基金项目(2021JJ30280), 湖南省教育厅优秀青年项目(19B200), 湖南科技大学博士 科研启动基金项目(E56126)资助.

未知环境下, 群机器人无法预先获取多目标搜索的环境信息, 仅可局部感知与局部通信. 本文针对避障效率与搜索效率的缺陷提出边界扫描的避障策略和目标位置估计的粒子群算法, 边界扫描的避障策略(BSOA)将障碍物简化成连续障碍物与非连续障碍物两种情况, 并根据情况向特定边界运动; 目标位置估计的粒子群算法(TPEPSO)则利用获取的目标信号估计目标位置, 结合粒子群算法到达目标附近, 从而实现目标搜索. 提出的方法与基于简化虚拟受力分析模型的循障避碰方法(SVF)及扩展粒子群算法(EPSO)、自适应机器人蝙蝠算法(ARBA)仿真比较, 搜索效率提高5.72% ～ 21.58%, 总能耗减少4.30% ～ 19.11%.

来源：2022年第4期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2022年第4期