基于K-means聚类算法的群体机器人聚集队形控制
2012-02-05郭春阳李翠明
组合机床与自动化加工技术 2012年8期
关键词:控制策略
杨 萍,郭春阳,李翠明
(兰州理工大学机电工程学院,兰州 730050)
基于K-means聚类算法的群体机器人聚集队形控制
杨 萍,郭春阳,李翠明
(兰州理工大学机电工程学院,兰州 730050)
针对未知环境下的群体机器人形成聚集动态队形的问题进行研究,分析了群体机器人运动控制策略,将K-means聚类算法与复合机体结构队形控制策略相结合,确定群体机器人聚类中心;个体机器人根据局部感知自主产生队形控制行为矢量,奔向目标,躲避障碍物;产生四种行为控制参数,确定机器人运动速度大小及方向;聚集成为圆形并排列成为三角形队形。仿真实验表明了K-means聚类算法与复合机体结构控制策略相结合的可行性和有效性。
群体机器人;K-means聚类算法;聚集队形;行为控制
0 引言
在自然界的众多群体中,如蜜蜂,鸟群、鱼群等不存在一个协调者来协调大量自主的个体,但他们在运动时普遍存在着编队行为,即他们形成某一集合形状或者在运动过程中保持一种相对不变的位置关系,从而使得这些动物能够联合起来更加有效地发现、围捕猎物和抵御捕食者,这对于它们的生存和繁衍具有重要的生物学意义[1]。人们受到自然界中生物的启发:如果群体机器人在执行任务的过程中保持某种队形,可以发挥较大的作用,其中聚集队形控制问题受到广泛的关注。
目前队形控制方法主要有基于行为法、基于leader的队形控制方法、虚拟结构法等[2]。这些方法侧重于使机器人严格的保持某种特定的几何形状,涉及的机器人数量通常较少,当机器人数量发生变化时需要对队形控制方法做出改进。……
登录APP查看全文
