面向任務(wù)協(xié)作的多機(jī)器人分布式網(wǎng)絡(luò)系統(tǒng)設(shè)計(jì)

面向任務(wù)協(xié)作的多機(jī)器人分布式網(wǎng)絡(luò)系統(tǒng)設(shè)計(jì)項(xiàng)目背景隨著機(jī)器人學(xué)的快速發(fā)展，多機(jī)器人系統(tǒng)理論也因其廣泛的應(yīng)用前景成了智能系統(tǒng)理論中的研究熱點(diǎn)，在許多應(yīng)用領(lǐng)域，如大型復(fù)雜生產(chǎn)線（飛機(jī)裝配），危險(xiǎn)環(huán)境下有害廢物的清理，海底或太空等未知領(lǐng)域的探索等等，多機(jī)器人可以完成單個(gè)機(jī)器人所無(wú)法完成的任務(wù)，或者通過(guò)多機(jī)器人的協(xié)作提高工作效率。。面向倉(cāng)儲(chǔ)的揀貨機(jī)器人fetchRobocup公開(kāi)賽場(chǎng)景項(xiàng)目目標(biāo)項(xiàng)目目前預(yù)期實(shí)現(xiàn)的目標(biāo)是多機(jī)器人通過(guò)無(wú)線自組網(wǎng)協(xié)作實(shí)現(xiàn)自動(dòng)編隊(duì)控制，跟隨等簡(jiǎn)單任務(wù)協(xié)作，后期視項(xiàng)目進(jìn)度增添復(fù)雜地形下的多機(jī)器人協(xié)同等任務(wù)。項(xiàng)目開(kāi)發(fā)工作主要分為兩部分：

一：無(wú)線自組網(wǎng)通信協(xié)議的開(kāi)發(fā)（主要實(shí)現(xiàn)多節(jié)點(diǎn)的自由加入，退出，多機(jī)間的自主通信。）

二：分布式算法部分（針對(duì)不同的任務(wù)，實(shí)現(xiàn)多機(jī)器人的自主決策，完成預(yù)期目標(biāo)。）項(xiàng)目開(kāi)發(fā)方案選擇一：基于ROS開(kāi)發(fā)框架ros總體結(jié)構(gòu)：main核心部分（roscomm）：主要由WillowGarage公司和一些開(kāi)發(fā)者設(shè)計(jì)、提供以及維護(hù)universe部分，有不同國(guó)家的ROS社區(qū)組織開(kāi)發(fā)和維護(hù)（包括借鑒一些庫(kù)的代碼opencv，pcl等）

ROS的首要設(shè)計(jì)目標(biāo)是在機(jī)器人研發(fā)領(lǐng)域提高代碼復(fù)用率。使用ROS開(kāi)發(fā)，最重要的問(wèn)題是如何將已有成果加入ROS生態(tài)？

在明確加入ROS生態(tài)的目的之后，針對(duì)性的給自己已有系統(tǒng)與ROS的bridge無(wú)線自組網(wǎng)通信協(xié)議分布式算法ROS生態(tài)項(xiàng)目開(kāi)發(fā)方案選擇二：基于現(xiàn)有stm32機(jī)器人平臺(tái)

在已有的stm32機(jī)器人硬件平臺(tái)和點(diǎn)對(duì)點(diǎn)通信協(xié)議?；A(chǔ)上進(jìn)行無(wú)線自組織通信協(xié)議以及分布式控制算法的開(kāi)發(fā)。1：自組織通信協(xié)議的開(kāi)發(fā)ADHOC網(wǎng)絡(luò)具有無(wú)固定網(wǎng)絡(luò)設(shè)施、自組織（self-organization）、節(jié)點(diǎn)對(duì)等等特性。其強(qiáng)調(diào)在不依賴固定基礎(chǔ)網(wǎng)絡(luò)設(shè)施的前提下由一定范圍內(nèi)的移動(dòng)終端節(jié)點(diǎn)動(dòng)態(tài)地建立可以互聯(lián)互通的無(wú)線分組交換網(wǎng)絡(luò)，屬于邏輯意義上的組網(wǎng)方式。針對(duì)ADHOC模式，本項(xiàng)目著重于對(duì)adhoc路由協(xié)議的選擇與實(shí)現(xiàn)和以及鏈路層網(wǎng)絡(luò)協(xié)議的實(shí)現(xiàn)。表驅(qū)動(dòng)路由協(xié)議：DSDV，CGSR，WRP等其網(wǎng)絡(luò)中每個(gè)節(jié)點(diǎn)都維護(hù)一致的，最新的全網(wǎng)路由信息。網(wǎng)內(nèi)鄰居節(jié)點(diǎn)之間通過(guò)周期性的廣播自身?yè)碛械穆酚尚畔?lái)實(shí)時(shí)更新全網(wǎng)路由信息按需路由協(xié)議：AODV，DSR，TORA等只有在源節(jié)點(diǎn)發(fā)起一個(gè)數(shù)據(jù)傳輸任務(wù)時(shí)才會(huì)發(fā)起路由請(qǐng)求，并建立路由。當(dāng)網(wǎng)絡(luò)中一個(gè)節(jié)點(diǎn)需要向另外一個(gè)節(jié)點(diǎn)進(jìn)行數(shù)據(jù)傳輸時(shí)，其會(huì)發(fā)起一個(gè)路由發(fā)現(xiàn)過(guò)程。通常，按需路由包括3個(gè)過(guò)程：路由發(fā)現(xiàn)過(guò)程、路由維護(hù)和路由銷毀。網(wǎng)絡(luò)接口層協(xié)議：CSMA/CA,帶沖突避免的載波偵聽(tīng)多路訪問(wèn)。dataaodv首部datadataaodv首部CSMA/CA首部應(yīng)用層網(wǎng)絡(luò)層網(wǎng)絡(luò)接口層…………2：分布式算法的學(xué)習(xí)與實(shí)現(xiàn)機(jī)器人路徑規(guī)劃算法基于模型的全局路徑規(guī)劃基于傳感器的局部路徑規(guī)劃1、粒子群算法2、拓?fù)浞?、神經(jīng)網(wǎng)絡(luò)法4、人工勢(shì)場(chǎng)法5、遺傳算法6、蟻群算法7、模擬退火法4、柵格解耦法粒子群算法1.簡(jiǎn)介粒子群算法(PSO)是通過(guò)追隨當(dāng)前搜索到的最優(yōu)值來(lái)尋找全局最優(yōu)。PSO初始化為一群隨機(jī)粒子。然后通過(guò)迭代找到最優(yōu)解。粒子通過(guò)跟蹤兩個(gè)"極值"來(lái)更新自己。第一個(gè)就是個(gè)體極值pBest。另一個(gè)是全局極值gBest。粒子公式在找到這兩個(gè)最優(yōu)值時(shí)，粒子根據(jù)如下的公式來(lái)更新自己的速度和新的位置：v[]=w*v[]+c1*rand()*(pbest[]-present[])+c2*rand()*(gbest[]-present[])(1)present[]=present[]+v[](2)2.圖示人工勢(shì)場(chǎng)法1.簡(jiǎn)介人工勢(shì)場(chǎng)法是由Khatib提出的一種虛擬力法。它的基本思想是將機(jī)器人在周圍環(huán)境中的運(yùn)動(dòng)，設(shè)計(jì)成一種抽象的人造引力場(chǎng)中的運(yùn)動(dòng)，目標(biāo)點(diǎn)對(duì)移動(dòng)機(jī)器人產(chǎn)生“引力”，障礙物對(duì)移動(dòng)機(jī)器人產(chǎn)生“斥力”，最后通過(guò)求合力來(lái)控制移動(dòng)機(jī)器人的運(yùn)動(dòng)。應(yīng)用勢(shì)場(chǎng)法規(guī)劃出來(lái)的路徑一般是比較平滑并且安全，但是這種方法存在局部最優(yōu)點(diǎn)問(wèn)題。2.圖示蟻群算法2.圖示1.簡(jiǎn)介事先告訴螞蟻食物在什么地方，讓其開(kāi)始尋找食物。當(dāng)一只找到食物以后，它會(huì)向環(huán)境釋放信息素來(lái)實(shí)現(xiàn)的，吸引其他的螞蟻過(guò)來(lái)，這樣越來(lái)越多的螞蟻會(huì)找到食物。有些螞蟻并沒(méi)有象其它螞蟻一樣總重復(fù)同樣的路，他們會(huì)另辟蹊徑，如果另開(kāi)辟的道路比原來(lái)的其他道路更短，那么，漸漸地，更多的螞蟻被吸引到這條較短的路上來(lái)。單位時(shí)間內(nèi)通過(guò)的螞蟻越多，說(shuō)明路徑越短。模擬退火算法2.圖示1.簡(jiǎn)介模擬退火算法可以看成優(yōu)化了的爬山算法，即退火算法以一定的概率來(lái)接受一個(gè)比當(dāng)前解要差的解，因此有可能會(huì)跳出這個(gè)局部的最優(yōu)解，達(dá)到全局的最優(yōu)解。每一步先選擇一個(gè)“鄰居”，然后再計(jì)算從現(xiàn)有位置到達(dá)“鄰居”的概率。根據(jù)熱力學(xué)的原理，在溫度為T時(shí)，出現(xiàn)能量差為dE的降溫的概率為P(dE)，表示為：P(dE)=exp(dE/(kT))模擬退火算法描述：

若J(Y(i+1))>=J(Y(i))

(即移動(dòng)后得到更優(yōu)解)，則總是接受該移動(dòng)

若J(Y(i+1))<J(Y(i))

(即移動(dòng)后的解比當(dāng)前解要差)，則以一定的概率接受移動(dòng)，而且這個(gè)概率隨著“時(shí)間”推移逐漸降低（逐漸降低才能趨向穩(wěn)定）遺傳算法2.圖示1.簡(jiǎn)介遺傳算法是模擬達(dá)爾文生物進(jìn)化論的自然選擇和遺傳學(xué)機(jī)理的生物進(jìn)化過(guò)程的計(jì)算模型。按照適者生存和優(yōu)勝劣汰的原理，逐代演化產(chǎn)生出越來(lái)越好的近似解，在每一代，根據(jù)問(wèn)題域中個(gè)體的適應(yīng)度大小選擇個(gè)體，并借助于自然遺傳學(xué)的遺傳算子進(jìn)行組合交叉和變異，產(chǎn)生出代表新的解集的種群。這個(gè)過(guò)程將導(dǎo)致種群像自然進(jìn)化一樣的后生代種群比前代更加適應(yīng)于環(huán)境，末代種群中的最優(yōu)個(gè)體經(jīng)過(guò)解碼，可以作為問(wèn)題近似最優(yōu)解。數(shù)據(jù)采集與通信示意圖Stm32單片機(jī)距離傳感器串口數(shù)據(jù)收發(fā)模塊數(shù)據(jù)采集另一移動(dòng)機(jī)器人節(jié)點(diǎn)技術(shù)難