动态环境中多机器人任务分配及规划的免疫理论和方法研究

多机器人系统可以通过合理安排资源来扩大任务完成能力，从而在时间、空间和功能上提高工作效率，实现单机器人无法完成的复杂任务。本项目拟将动态环境作为研究背景，以多移动机器人作为研究对象，基于独特型免疫网络假设，开展多移动机器人相互协作的关键技术研究，内容包括体系结构研究、多机器人系统任务分配研究以及分布式路径规划等研究。在体系结构方面，借助由分布式视觉系统和基于Zigbee技术的无线传感器网络构建智能空间，实现集集中式和分布式优点的多机器人混合体系结构；在任务分配方面，基于独特型免疫网络假设设计免疫协作算法，实现多个移动机器人的最优任务分配；在路径规划方面，将障碍物和机器人行为分别定义为抗原和抗体，借鉴免疫网络假设实现动态环境中多移动机器人的分布式最优规划。该项目旨在构建动态环境中基于生物免疫网络假设的多机器人任务分配和规划理论基础，该成果将对多移动机器人系统的相互协作具有重要理论和实践意义。

多机器人系统的内在并行性和功能叠加性，使得其具有更强的任务执行能力和更高的任务执行效率。围绕项目申报书，课题组针对动态环境中多机器人的系统协作，开展了多机器人的体系结构、免疫任务分配和免疫路径规划研究，并圆满完成了研究任务。在多机器人体系结构方面，课题组利用分布式视觉系统和基于Zigbee 技术的无线传感器网络，构建了一种集集中式和分布式优点的混合体系结构，并基于该结构开发了用于多机器人系统协作的实验平台。在该平台上，通过分布式视觉系统，并利用图像处理技术实现了多机器人的地图构建以及视觉定位。通过无线传感器网络实现了多机器人之间以及多机器人与监控中心之间的无线通信。在分布视觉的图像处理中，课题组重点提出了基于免疫神经网络的摄像机标定和矫正，基于Harris特征点的图像快速拼接，以及基于阈值反馈调节的多机器人分割与定位算法。多机器人体系结构的设计及实验平台的搭建为多机器人系统的协作技术提供了验证平台。在多机器人系统的任务分配方面，课题组基于独特型免疫网络理论，将多机器人系统所要完成的任务作为抗原，机器人作为B细胞，同时结合生物免疫系统中的优秀信息处理机制，提出了基于胸腺肽调节、干扰素调节和白细胞调节的若干免疫网络分配模型。这些模型基于抗体浓度选择实现了多机器人的最优任务分配，并在所开发的多机器人实验平台实现了实验测试。除了项目申报书中的免疫网络分配模型外，课题组还在组合拍卖式分配模型基础上，提出了基于爆发式进化的多机器人免疫任务分配，进一步拓宽了免疫任务分配模型。在多机器人路径规划方面，根据项目申报书内容，重点开展了多机器人的局部免疫网络路径规划研究。借鉴独特性免疫网络理论，将机器人四周的障碍物作为抗原，将机器人的环境处理行为作为抗体，提出了具有免疫记忆机制的互联耦合免疫路径规划、二次免疫响应路径规划，以及特异性免疫路径规划等，实现了基于抗原抗体匹配的最优路径规划，并在多机器人实验平台上进行了测试。同时课题组进一步拓宽了研究范围，开展了全局免疫路径规划，实现了基于等间距规则空间划分模型的烟花爆炸式免疫路径规划，以及在自由空间模型基础上，实现了融合阴性选择的多克隆免疫规划。体系结构是整个多机器人系统行为的基础，任务分配是多机器人系统行为的前提，而路径规划则是实现多机器人系统行为的保证。本项目的研究内容和所取得的成果可以为多机器人系统的进一步研究以及实际应用提供重要的理论