多机器人协同队形变换算法与实现

在面向任务的应用中,越来越多的任务需要多机器人协作才能完成.多机器人编队能有效提高任务完成效率并且保证可靠性,与单个机器人相比具有相当的优势.多个机器人要保持一个稳定的队形,其系统内部必须有信息的传递和交换.多机器人之间的队形保持难点在于每个机器人之间要实时获取其它机器人的位置坐标信息并且根据拓扑约束进行反馈调节.为解决上述问题,提出采用分布式控制和局部通信机制,避免使用全局绝对坐标.根据多机器人的物理约束、信息交换和控制策略建立并实现了多机器人编队的l-(φ)-l模型,与传统算法相比,实现了领航者根据跟随者的信息进行自身调节,提高了队形保持的稳定性.从仿真结果看,多个机器人能快速地进行队形变换,变换过程中没有相互的碰撞,并可以顺利通过障碍物,队形误差小.     

多机器人队形保持与变换仿真研究

针对多机器人的队形保持与变换任务,采用基于行为的控制方法,设计了五种子行为,即奔向目标、躲避障碍物、围绕障碍物、随机扰动和保持队形.对有障碍物环境下的队形保持进行了仿真,并针对机器人队伍无法保持队形通过的地形,采用邻居参照点法与领航参照点法相结合的策略,改进了控制方法.仿真结果表明,使用改进的控制方法,机器人队伍可以安全地通过大直径障碍物,并且提高了队形稳定性.     

基于行为的多机器人任意队形的控制

针对多机器人队形优化控制任务,提出一种快速收敛的机器人任意队形的控制算法。各机器人在奔向目标的过程中以队形的几何中心为参考点,自主地确定队形向量。在保持队形的过程中,采用动态死区法,通过对各个区域大小的控制达到对机器人速度的控制,维持规定队形。采用反向避碰、切线避障,根据各机器人间的位置,引入整体队形向量约束机器人的方向,达到机器人整体队形的方向与机器人运动方向一致。实验结果表明该算法可以快速、有效地完成各种编队任务。     

多移动机器人组成任意队形的控制研究

本文将多移动机器人组成队形的整体行为分解为机器人个体分别向对应目标点运动的子行为加以研究．提出了基于两层监控模式的分布式控制框架，监控模块作为统一的指挥协调中枢，确定各机器人合理的对应目标点，避免机器人在目标区域内绕路，使得多移动机器人能够快速流畅地组成任意队形．实验证明了控制方法的有效性．     

移动机器人队形控制关键技术及其进展

在明确了多机器人队形控制国内外发展现状的基础上,以地面移动机器人为研究对象,从系统结构、机器人模型、队形形状表示方法、参考框架及编队控制策略等方面,对多机器人编队控制的研究成果进行了概述.同时,对队形形状生成、编队跟踪与协调、队形变换与重组以及编队避障等队形控制子问题的国内外研究近况进行了总结和分析.最终指出:研究统一有效的编队控制框架、障碍环境下的队形优化变换、降低系统对通讯能力的要求以及编队控制在实际物理环境下的应用是移动机器人队形控制领域未来可能的研究主题.     

一种基于人工力矩的动态队形控制方法

本文首先定义了距离最优对应.给出了求距离最优对应的方法一淘汰法的模型、原理和详细步骤.从而得到了一种确定各机器人对应节点的较优准则.然后为了使机器人在运动过程中,既能避开各种障碍,又能最终得到目标队形,定义了两种新人工力矩.并基于人工力矩为各种机器人分别设计了运动控制器.最后基于上述成果.提出了一种一般性的动态队形控制方法.该方法不但能动态地控制机器人队形,且由于优化了机器人的对应节点,所以优化了队形的形成时间.仿真结果表明该方法是可行且有效的.     

机器人足球比赛防守与进攻队形转换的研究

随着机器人足球的发展,机器人防守和进攻的队形对于比赛显得尤为重要.为了加强机器人足球比赛中的防守和进攻,文章通过分析足球在不同区域时防守队形的选择、防守与进攻的队形转换、以及在极端情况下剩余机器人的有效利用等几个问题,研究和设计机器人防守和进攻队形转换的算法和策略.机器人队形的选择采用人性化的方法,大大提高了队形的形成...     

不确定环境下多机器人的动态编队控制

提出了一种不确定环境下多机器人的动态编队控制方法．通过队形参数矩阵确立多机器人之间的相对 位置关系,将全局队形控制问题转化为跟随机器人离轴点对虚机器人（与领航机器人运动方向一致,且对领航机器 人保持期望的相对距离和观测方位角）离轴点的跟踪．基于建立的跟随机器人和领航机器人之间的误差跟踪系统模 型设计相应控制律实现队形保持,并提出了防止机器人与障碍物及其它机器人碰撞的避障策略．仿真结果表明了所 提方法的可行性和有效性．     

基于诱饵-捕食的分布式编队队形切换控制

队形切换是多机器人编队的重要研究内容。针对未指定各机器人ID与目标位置对应关系情况下如何实现分布式多机器人编队队形切换的问题,本文结合自然界鸟群、鱼群等群生物的觅食行为建立了一种新的诱饵-捕食者系统,并将该系统应用到分布式多机器人编队的队形切换控制中。视编队中各机器人为捕食者,各目标位置为诱饵,通过捕食者与诱饵之间的相互作用,实现不同队形之间的切换。同时针对捕食者所受到的各种影响都建立了具体的数学模型。该方法在解决队形切换过程中无需预先规划各机器人的运动路径,可在分布性较强的编队中应用。仿真实验表明该控制策略对于分布式多机器人编队的队形切换有较好的适用性,为多机器人编队进行队形切换提供了新的思路和方法。     

基于行为的机器人部队队形控制方案

提出了一种适用于实时动态环境下机器人力队的基于行为的分布式实时队形控制算法。研究了这种基于行为的方案在遇到大体积障碍物时行为,仿真过程表明该法既能使机器人动态分组、各自规划,又能机器人部队作为一个整体维持队形。该算法可使机器人形成和保持任意队形,同时集成了避障和导航的能力。最后指出了算法在控制机器人团队转向或避障运动时的问题出现的原因以及改进方法。     

基于用户行为的P2P-VoD多路径内容分发策略

通过对现有VoD用户行为的研究分析,认为VoD的用户行为具有一定的可预测性,如果分发中能考虑到用户行为的因素,可以提高分发的效率。提出了一种基于用户行为统计的内容分发方案,预测用户行为;采用提前预取的动态策略,达到系统整体性能的优化。对系统的仿真试验证明,基于用户行为的动态预取策略,相比缓存最新策略和F／CN替换策略,可以降低服务器端的带宽压力,提高用户的节点命中率,更好地发挥P2P的I陛能。     

Qualitative robust fuzzy control with applications to 1992 ACCbenchmark

Robust control has long been the purview of quantitative linear control techniques, while qualitative symbolic control has been deemed more suitable to obtaining complex control objectives that require only low-output precision. The intelligent techniques of fuzzy control have, however, shown promise in obtaining results comparable to those obtained from H_∞ and H₂ robust control techniques. Often though, these fuzzy control techniques ignore the original intent of fuzzy logic: implementation of symbolic linguistic control laws based on qualitative models of the plant and control behaviors. We show that robust control objectives, even for simple plants, can be achieved by first developing qualitative behaviors that stabilize the plant and then superimposing tracking behaviors that achieve control objectives. Specifically, by superimposing qualitative stability and tracking behaviors, we can achieve robustness and tracking stability comparable to the best published linear compensators for the 1992 ACC robust control benchmark     

基于系统调用和数据挖掘的程序行为异常检测

异常检测是目前入侵检测研究的主要方向之一。该文提出一种新的程序行为异常检测方法,主要用于Linux或Unix平台上以系统调用为审计数据的入侵检测系统。该方法利用数据挖掘技术中的序列模式对特权程序的正常行为进行建模,根据系统调用序列的支持度和可信度在训练数据中提取正常模式。在检测阶段,通过序列模式匹配对被监测程序的行为异常程度进行分析,提供两种可选的判决方案。实验结果表明,该方法具有良好的检测性能。     

P2P网络的节点状态研究

对等网络中,研究节点的行为差异有利于实现区分服务,激励节点共享资源,提高系统的性能.用节点状态表示节点行为表现,提出P2P节点状态模型,描述状态的动态变化规律,并将模型与节点行为评价机制结合,确定节点状态的约束条件,提高模型的可用性.实验证明模型有效地支持区分服务,能促进节点的资源共享,具有良好的扩展性和实用性.     

Development of A Behavior‐Based Cooperative Search Strategy for Distributed Autonomous Mobile Robots Using Zigbee Wireless Sensor Network

To achieve efficient and objective search tasks in an unknown environment, a cooperative search strategy for distributed autonomous mobile robots is developed using a behavior‐based control framework with individual and group behaviors. The sensing information of each mobile robot activates the individual behaviors to facilitate autonomous search tasks to avoid obstacles. An 802.15.4 ZigBee wireless sensor network then activates the group behaviors that enable cooperative search among the mobile robots. An unknown environment is dynamically divided into several sub‐areas according to the locations and sensing data of the autonomous mobile robots. The group behaviors then enable the distributed autonomous mobile robots to scatter and move in the search environment. The developed cooperative search strategy successfully reduces the search time within the test environments by 22.67% (simulation results) and 31.15% (experimental results).     

一种增强XCP协议在多瓶颈网络拓扑环境下性能的方法

XCP协议具有很高的效率和良好的最大最小公平性,已成为基于显式反馈的拥塞控制协议的一种标准.进一步研究表明,XCP协议在多瓶颈网络拓扑环境下,当下游存在瓶颈链路时,其性能变差,表现为带宽浪费、收敛时间延长以及公平性迅速恶化.深入分析了XCP协议在单瓶颈拓扑和多瓶颈拓扑环境下的收敛过程,指出了其性能变化的原因,进一步给出了一种结合相对反馈的改进方案,使端系统在收敛阻塞时,能根据瓶颈链路的网络相对负载更新其拥塞窗口.仿真实验表明,改进方案有效地提高了XCP协议在多瓶颈网络拓扑环境下的性能.     

Application of voting to fusion of purposive modules: An experimental investigation

Control in behavior-based systems is distributed among a set of specialized behaviors. To achieve efficient implementation, behaviors exploit specific assumptions about a given task and environment. Thus they become vulnerable to deviations that render these assumptions invalid. Yet it is important to provide appropriate responses to unforeseen situations.

We demonstrate that, using voting techniques, a model-free approach may be provided to construct reliable behaviors from a multitude of less reliable ones. A team of complementary behaviors vote for the set of possible actions, and the action which is most favored is selected for controlling the system. We conjecture that selecting actions according to this scheme can improve the probability of success.

Our conjecture is investigated through two sets of experiments. In the first, a team of obstacle avoidance behaviors vote to guide a mobile robot platform in the most appropriate direction. In the second, four object tracking modules are integrated to perform smooth pursuit with a camera head.     

人工鱼群算法在桥梁传感器优化配置中的应用

为了实现桥梁结构健康监测传感器的优化配置,用尽可能少的传感器获取尽可能多的反映桥梁结构健康状况的信息,将人工鱼群算法应用于一座拱桥的传感器配置中,利用人工鱼的三种典型行为,解决桥梁传感器优化配置问题。结果表明,人工鱼群算法自适应能力强,收敛精度高,可以实现桥梁结构健康监测传感器优化配置。     

Regression-based resource provisioning for session slowdown guarantee in multi-tier Internet servers

Autonomous management of a multi-tier Internet service involves two critical and challenging tasks, one understanding its dynamic behaviors when subjected to dynamic workloads and second adaptive management of its resources to achieve performance guarantees. We propose a statistical machine learning based approach to achieve session slowdown guarantees of a multi-tier Internet service. Session slowdown is the relative ratio of a session’s total queueing delay to its total processing time. It is a compelling performance metric of session-based online transactions because it directly measures user-perceived relative performance and it is independent of the session length. However, there is no analytical model for session slowdown on multi-tier servers. We first conduct training to learn the statistical regression models that quantitatively capture an Internet service’s dynamic behaviors as relationships between various service parameters. Then, we propose a dynamic resource provisioning approach that utilizes the learned regression models to efficiently achieve session slowdown guarantee under dynamic workloads. The approach is based on the combination of offline training and online monitoring of the Internet service behavior. Simulations using the industry standard TPC-W benchmark demonstrate the effectiveness and efficiency of the regression based resource provisioning approach for session slowdown oriented performance guarantee of a multi-tier e-commerce application.     

RTS游戏中用户行为的神经网络预测模型

即时战略游戏(简称RTS游戏)中,用户的行为由于游戏自身庞大的决策空间而难以预测.针对这个问题,提出了通过对RTS游戏的对战记录进行分析,建立5种结构的神经网络模型来预测用户行为的方法.模型考虑了不同时间片的状态对于决策行为的影响,设计了单时间片输入和双时间片输入的神经网络,并与基于动态贝叶斯网络的模型进行了比较.实验结果表明,基于单时间片输入的神经网络模型能够更加快速地完成训练过程并达到满意的预测准确度.