多機器人追捕者圍捕單移動目標的自適應(yīng)圍捕裝置與方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及機器人追逐及圍捕相關(guān)的技術(shù)領(lǐng)域，尤其設(shè)及多機器人追捕者圍捕單 移動目標的自適應(yīng)圍捕裝置與方法。
【背景技術(shù)】
[0002] 移動目標圍捕就是追捕者對移動目標進行包圍，使得移動目標無路可逃，進而采 取下一步行動。運就需要多追捕者之間不能是單純的獨立追捕，而是要進行協(xié)作，從而高效 地完成圍捕任務(wù)。運種多追捕者之間的協(xié)作在機器人學中被作為一個機器人系統(tǒng)，成為一 個具有挑戰(zhàn)性的關(guān)鍵問題，產(chǎn)生了很多研究成果。目前對多機器人圍捕問題的研究大體可 W分為兩個模型：基于傳感器的模型和已知定位模型。在基于傳感器的模型中，常見的控制 方法是在未知環(huán)境中進行捕獲，通過引入傳感器數(shù)據(jù)的方法進行引導(dǎo)和控制。在已知定位 模型中，逃避者的位置是已知的，通常用一些人工智能的方法。但是，運兩種模型要遷移到 多機器人追捕者問題中仍存在一些限制：基于傳感器模型只利用攜帶的傳感器的數(shù)據(jù)，不 利用通訊技術(shù)，使得運種方法變得困難，而且算法的復(fù)雜度隨著機器人和逃避者的數(shù)量的 增加而急劇上升；已知定位模型假定逃避者的位置已知，運在現(xiàn)實世界中是很困難的，繼而 不能滿足模擬現(xiàn)實、接近現(xiàn)實的特點。還有一些方法需要利用訓(xùn)練數(shù)據(jù)集進行學習或進行 數(shù)據(jù)挖掘，應(yīng)用到具體的多機器人圍捕中，每次的地圖等環(huán)境信息的變化都需要不同的數(shù) 據(jù)集，是不現(xiàn)實且不靈活的。
[0003] 因此，本領(lǐng)域的技術(shù)人員致力于開發(fā)一種新的機器人圍捕方法，解決現(xiàn)有技術(shù)的 不足。

【發(fā)明內(nèi)容】

[0004] 有鑒于現(xiàn)有技術(shù)的上述缺陷，本發(fā)明所要解決的技術(shù)問題是提供多機器人追捕者 圍捕單移動目標的自適應(yīng)圍捕裝置與方法，本發(fā)明將圍捕過程劃分成不同的階段，在追逐 階段利用仿生神經(jīng)網(wǎng)絡(luò)方法來解決環(huán)境的未知性、動態(tài)性和實時性，完成高效的避障追逐 過程；在包圍階段通過調(diào)整追捕者之間的角度關(guān)系對移動目標進行有效包圍；在抓捕階段 采用虛擬勢能點的方法對多追捕者的抓捕過程進行引導(dǎo)，實現(xiàn)了機器人在即時環(huán)境中任何 情況下的局效圍捕。
[0005] 為實現(xiàn)上述目的，本發(fā)明提供了多機器人追捕者圍捕單移動目標的自適應(yīng)圍捕裝 置與方法，其特征在于，包括W下方法：
[0006] 方法一、圍捕過程多階段化：首先將圍捕過程進行多階段建模，將圍捕任務(wù)劃分為 捜索、追逐、包圍、抓捕四個階段，然后根據(jù)不同階段的任務(wù)特征，分別采用與W上四種階段 相對應(yīng)的策略進行控制；
[0007] 方法二、基于仿生神經(jīng)網(wǎng)絡(luò)的追逐策略：將多機器人系統(tǒng)中采用的仿生神經(jīng)網(wǎng)絡(luò) 方法遷移到圍捕環(huán)境中，對多機器人追捕者進行追捕引導(dǎo)；
[0008] 方法=、角度關(guān)系包圍方法：利用不同追捕者之間的角度關(guān)系，對追捕者移動方向 進行調(diào)整，w便于對移動目標形成包圍圈；
[0009] 方法四、多虛擬勢能點方法：通過設(shè)置多個虛擬勢能點，形成合適的抓捕隊形，完 成最終的圍捕任務(wù)。
[0010] 進一步地，所述方法一具體為：
[0011] (1)將一個圍捕任務(wù)T分配給追捕隊Q;
[0012] (2)追捕隊Q中每個追捕者進行捜索，當一個追捕者捜到移動目標，通知隊中其 他追捕者移動目標的位置并開始進行追逐（轉(zhuǎn)（3))，否則，繼續(xù)捜索階段（轉(zhuǎn)（2));
[0013] (3)追捕隊Q對移動目標進行追逐，當包圍移動目標的條件滿足時，對移動目標 進行包圍（轉(zhuǎn)（4))，否則，繼續(xù)進行追逐（轉(zhuǎn)（3));
[0014] (4)追捕隊Q對移動目標進行包圍，當抓捕移動目標的條件滿足時，對移動目標 進行抓捕（轉(zhuǎn)巧)），否則進行是否滿足進行包圍條件的判定（轉(zhuǎn)（3));
[0015] (5)追捕隊Q對移動目標進行抓捕，當結(jié)束抓捕移動目標的條件滿足時，圍捕任 務(wù)結(jié)束（轉(zhuǎn)化)），否則繼續(xù)抓捕（轉(zhuǎn)巧)）；
[0016] (6)圍捕完成后，任務(wù)完成。
[0017] 進一步地，所述方法二包括：追捕隊Q中的所有追捕者通過仿生神經(jīng)網(wǎng)絡(luò)的引 導(dǎo)，避開障礙物靠近移動目標。為神經(jīng)網(wǎng)絡(luò)建立一個=維空間，坐標中的兩維是由向量 PiGR2表示，表示位置信息。第S維坐標是表示神經(jīng)元活動值，在指導(dǎo)追逐任務(wù)的神經(jīng)網(wǎng) 絡(luò)中，對每個神經(jīng)元的刺激輸入X/是由逃避者和它的鄰居神經(jīng)元決定，抑制輸入斬只由障 礙物決定。
[0018] 進一步地，所述方法=具體為：對追捕者移動方向進行調(diào)整，W便于對移動目標形 成包圍圈，需要通過計算找到處于最外圍追捕者的移動方向0ha和0化，尋找最外圍追捕 者的移動方向0ha和0化的方法為：
[0019] (1)計算出移動目標到每個追捕者的角度，用angle{. }函數(shù)計算；
[0020] 似對第（1)步中得到的角度排序；
[0021] (3)計算出相鄰追捕者之間的逆時針夾角；
[0022] (4)找到最大的夾角，對應(yīng)產(chǎn)生運個最大夾角的兩個追捕者就是要求的最外圍兩 個追捕者，且運個夾角的起始邊對應(yīng)的追捕者為ha，結(jié)束邊對應(yīng)的追捕者為化。
[002引 妨計算追捕者ha到追捕者化連線與X軸的夾角，即a，然后找到指向移動目標 的垂直方向，從而得到最外圍兩個追捕者下一步的移動方向，即
[0024] 曰=angle (化a,化b)白ha=白hb=曰+90
[0025] 更進一步地，所述步驟（1)的angle{.}函數(shù)具體為：
[0026]
[0027] 且函數(shù)angleC)將計算出的角限制在[0,231)之間。
[0028] 進一步地，所述方法四包括：在形成包圍圈并進入最后的抓捕階段后，抓捕隊中所 有的追捕者都要向移動目標聚猶，并且形成某種隊形，規(guī)定最終的隊形為追捕者與移動目 標的距離為Rc且相鄰追捕者之間的夾角為§3 = 1^，通過計算移動目標周圍均勻分布的 N。個虛擬勢能點，它們是抓捕者最終應(yīng)該到達的位置也是對抓捕者的引力源泉，使得追捕 者到達既定位置，完成抓捕。
[0029] 進一步地，所述方法四還包括：要解決最終的抓捕問題，需要進行W下的步驟：
[0030] 首先，計算出每個虛擬勢能點Wi，i= 0, 2,…，n-1 (n等于Nc)的位置；
[0031] 然后利用上述中提到過的angle{.}函數(shù)計算出每個追捕者到移動目標的角度；
[0032] 最后，為每個追捕者分配用于指導(dǎo)其運動的虛擬勢能點，計算出每個追捕者的移 動方向。
[0033] 進一步地，所述方法四還包括：計算虛擬勢能點時，虛擬勢能點橫縱坐標的計算公 式為：
[0034]
[0035]
[0036] 其中：〇〇。、（yJti是目標位置在t-1時亥U的橫縱坐標，由于t時亥U的移動還未 進行，所W只能知道移動目標在t-l時刻的位置；V。和R。分別是移動目標的速度和完成抓 捕半徑；（0。)t是t時刻移動目標還未進行的移動角度；a1是移動目標和虛擬勢能點連線 與X軸的夾角，定義為：
[0037] 。，二早，？' =化L..，;V, - 1 .八C
[0038] 進一步地，對于多個追捕者和多個勢能點，要對虛擬勢能點如何進行分配，對于此 種情況使用的策略
[0039]為：
[0040] 首先將每個追捕者到移動目標的角度從小到大排序；
[0041] 然后取最小角angmin，用胃/機0 = 2；7/A^.計算出最小角對應(yīng)追捕者處于哪 兩個勢能點之間；
[0042] 為每個追捕者分配完虛擬勢能點后，若距離大于追捕者一步的距離，則用 angle{.}函數(shù)計算出追捕者到虛擬勢能點的角度作為下一步的移動方向；若追捕者與虛 擬勢能點的距離小于等于追捕者一步的距離，則直接一步到達，完成抓捕。
[0043] 本發(fā)明的有益效果是：
[0044] 本發(fā)明將圍捕過程劃分成不同的階段，在追逐階段利用仿生神經(jīng)網(wǎng)絡(luò)方法來解決 環(huán)境的未知性、動態(tài)性和實時性，完成高效的避障追逐過程；在包圍階段通過調(diào)整追捕者之 間的角度關(guān)系對移動目標進行有效包圍；在抓捕階段采用虛擬勢能點的方法對多追捕者的 抓捕過程進行引導(dǎo)，實現(xiàn)了機器人在即時環(huán)境中任何情況下的高效圍捕。
[0045]W下將結(jié)合附圖對本發(fā)明的構(gòu)思、具體結(jié)構(gòu)及產(chǎn)生的技術(shù)效果作進一步說明，W 充分地了解本發(fā)明的目的、特征和效果。
【附圖說明】
[0046] 圖1是本發(fā)明的追逐任務(wù)的神經(jīng)網(wǎng)絡(luò)模型示意圖；
[0047] 圖2是本發(fā)明的神經(jīng)元活動圖；
[0048] 圖3是本發(fā)明的計算最外圍追捕者移動方向示意圖；
[0049] 圖4是本發(fā)明的利用虛擬勢能點抓捕過程示意圖；
[0050] 圖5是本發(fā)明的虛擬勢能點分配計算示意圖。
【具體實施方式】
[0051] 本發(fā)明提供了多機器人追捕者圍捕單移動目標的自適應(yīng)圍捕裝置與方法：
[00閲具體實施例1
[0053] 首先對圍捕任務(wù)進行形式化描述，將一次圍捕任務(wù)設(shè)為T={N。，As}，其中，N。是圍 捕一個移動目標需要的追捕者數(shù)，Ag表示圍捕任務(wù)的區(qū)域。追捕隊Q中的追捕者初始位置 隨機