一种采用多机器人的传感器网络优化部署方法
【专利摘要】本发明提出了一种采用多机器人的传感器网络优化部署方法，涉及机器人网络与传感器网络两个热点领域，根据特定的传感器网络部署和感知目标特点(如限制区域种类及分布，感兴趣区域分布)、感知性能指标需求(如覆盖与连通性、生存期、广义精度等)，结合不同机器人以及网络节点在通信距离、感知距离、重量、承载能力和能量等方面的约束条件，由母机器人承载子机器以及网络节点进入待部署与需感知区域，经智能规划，分别由母机器人直接协同(此时，与传统体系结构相似)网络节点感知，或(和)通过分级拓展协同，由母机器人部署子机器人、进而由子机器人协同网络节点部署与感知。在传感器节点的部署中，通过针对机器人设计的距离优化(DO，Distance?Optimization)、时间优化(TO，Time?Optimization)和能量优化(EO，Energy?Optimization)问题的启发式优化算法，以期达到网络部署与感知的整体优化目的。
【专利说明】一种采用多机器人的传感器网络优化部署方法
【技术领域】
[0001]本发明涉及机器人网络与传感器网络两个热点领域。根据特定的传感器网络部署和感知目标特点(如限制区域种类及分布，感兴趣区域分布)、感知性能指标需求(如覆盖与连通性、生存期、广义精度等)，结合不同机器人以及网络节点在通信距离、感知距离、重量、承载能力和能量等方面的约束条件，由母机器人承载子机器以及网络节点进入待部署与需感知区域，经智能规划，分别由母机器人直接协同(此时，与传统体系结构相似)网络节点感知，或(和)通过分级拓展协同，由母机器人部署子机器人、进而由子机器人协同网络节点部署与感知。
【背景技术】
[0002]传感器网络随机部署是最简单的一种部署方式，但可能会带来感知性能与需求不匹配，以及资源浪费等问题。实际上，从传统网络的规划部署，到早期传感器网络节点的任意部署、随机部署，再到网络节点的整体规划部署与局部随机部署相结合的优化部署，是对于优化部署与感知问题研究的螺旋式上升的过程。高质量的部署有助于将智能从高端、远程向传感器网络自身、本地迁移，从而更好地实现和体现传感器网络的分布式智能。通过移动机器人协同，可以实现传感器网络及其节点的逐渐扩展式部署，这一优势在未知环境探索等情境下尤为重要。
[0003]一般而言，机器人协同的传感器网络部署与感知是综合性较强、复杂程度较高的一类问题；而针对复杂作业任务，往往需要多个(或多种)机器人构成多机器人协作系统才能完成。进一步地，实际环境对于机器人协同的节点部署与感知作业往往造成各种限制；而各种机器人自身往往又各具特点(包括优势和不足等)。
[0004]例如，仅从机器人和障碍物的几何尺度的角度分析，小机器人在较大障碍(如深沟等)或较高作业面(如高台阶)等情境下进行传感器网络协同部署与感知作业较为困难，而大机器人在较低、较窄空间环境(如办公桌下、货架间、管道中)等情境下进行传感器网络协同部署与感知作业较为困难。
[0005]各种机器人进行协同网络感知作业时有其自身的适应场合。而实际待部署与需感知环境往往是较为复杂的，单一类型机器人可能无法有效应对协同部署与感知作业全过程中多种环境限制，需要多种机器人配合完成感知的全过程。
[0006]另外，由传感器网络自身特点所决定，移动网络节点在能量、对环境的适应能力、对复杂环境的辨识能力与决策能力等方面必然存在较大的局限性，而且其复用性通常也非常有限。因此，机器人协同的传感器网络部署与感知传统体系结构存在多方面的局限性，需要有新的体系结构加以补充。
【发明内容】
[0007]本发明的目的提出一种采用多机器人的传感器网络优化部署方法。
[0008]具体的技术方案为:[0009](I)采用城市分组的变形旅行商问题(TTSPGC, Transfigured TravellingSalesman Problem under Grouped Cities)模型作为描述基本感知作业(BDST, BasicDeploying and Sensing Task)问题的简化模型。
[0010]在TTSPGC中，将各个感兴趣区域作为城市(ctij)，并按其所处的限制区域(RAIIl?RA IIMjRAII为第II类限制区域，子机器人可以作业，母机器人不可以作业，可以部署网络节点，可以通信)进行分组(城市组GCl?GCM)，其中城市下标i和j分别代表城市所属的城市组编号和组内编号。
[0011]为解决母机器人与子机器人移动轨迹在限制区域边界的连续性问题，提出了虚拟城市(VC, Virtual City)的概念,其基本思想如下。
[0012]针对每个限制区域，母机器人部署子机器人，以及子机器人回归母机器人的位置设置一对虚拟城市。第i个限制区域的两个虚拟城市分别为(两个虚拟城市的下标j分别取O和限制区域内感兴趣区域总数加1，即把虚拟城市添加为限制区域的首“城市”和末“城市”)。需要说明的是，虚拟城市之间在位置上有可能互相重合。
[0013](2)根据具体优化目标不同，协同部署与感知用机器人的优化问题(可以分为距离优化(DO, Distance Optimization)、时间优化(TO, Time Optimization)和能量优化(E0,Energy Optimization)三类典型问题，即在完成网络节点分级异构拓展部署与感知作业过程中，针对协同部署与感知用母机器人和子机器人所经历的距离、所花费的时间或所消耗的能量的优化问题，并因此对于单母机器人和单子机器人系统建立距离优化、时间优化和能量优化目标函数。距离优化是基础，时间优化和能量优化在特定约束条件下可以转化为具有权重的距离优化问题。
[0014](3)优化算法设计具体包括规划与作业两个层面，重点包括虚拟城市定位和轨迹规划两类问题，在设计中兼顾实现协同部署与感知用母机器人和子机器人的规划、控制的实时性与优化效果之间的均衡。
[0015]I)协同部署与感知规划优化流程
[0016]本发明采用两级嵌套(TLN, Two-Level Nesting)的算法结构分别完成母机器人轨迹规划(即，城市组次序以及城市组首虚拟城市、末虚拟城市位置的确定)和子机器人轨迹规划(即，从首虚拟城市经城市组内各城市到达末虚拟城市的次序和路径)，规划的结果确定距离、时间和能量优化目标函数等各式中各城市组以及每个城市组内各城市的下标序号。
[0017]2)网络节点部署与作业流程
[0018]在确定虚拟城市位置后，母机器人与子机器人轨迹规划问题可以转化为以SP(既是起点也是终点)和各个城市的集合构成的城市分组的变形旅行商问题(TTSPGC)。具体进行子机器人轨迹规划时，采用自适应蚁群算法(ACA, Ant Colony Algorithm)解决该问题。
【专利附图】
【附图说明】
[0019]图1基本感知作业下城市分组的变形旅行商模型的一个直观表现图。
[0020]图2TTSPGC模型下多机器人与传感器网络协同部署与感知规划流程图。
[0021]图3网络节点部署与作业流程步骤I示意图
[0022]图4网络节点部署与作业流程步骤2示意图[0023]图5网络节点部署与作业流程步骤3示意图
[0024]图6网络节点部署与作业流程步骤5示意图
[0025]具体实施方法
[0026]为使本发明结构更加清晰完整，下面结合附图对本发明作进一步的说明。
[0027]参照图1，它是基本感知作业下城市分组的变形旅行商模型的一个直观表现图。
[0028]图中I是各个感兴趣区域(即为需要布置无线传感器的地方)，在TTSPGC(城市分组的变形旅行商模型)中，将各个感兴趣区域作为城市ctij，，对应图中各个带阴影的圆形。
[0029]图中2是城市组，按各个感兴趣区域所处的限制区域(RAII1?RAHM，RAII为第II类限制区域，子机器人可以作业，母机器人不可以作业，可以部署网络节点，可以通信)进行分组(城市组GCl?GCM)，其中城市下标i和j分别代表城市所属的城市组编号和组内编号。
[0030]图中3是虚拟城市VC，为解决两类机器人移动轨迹在限制区域边界的连续性问题，提出了虚拟城市VC的概念，对应图中各个带阴影的菱形。针对每个限制区域，母机器人部署子机器人，以及子机器人回归母机器人的位置设置一对虚拟城市。第i个限制区域的两个虚拟城市分别为CtiO和cti (Ni+1)(两个虚拟城市的下标j分别取O和限制区域内感兴趣区域总数加1，即把虚拟城市添加为限制区域的首“城市”和末“城市”)。需要说明的是，虚拟城市之间在位置上有可能互相重合。
[0031]图中4是母机器人的起点(SP)，为了保持处理上的统一性，将母机器人的起点(SP)同时定义为GCO (即第O号城市组)，CtOO和CtO (N0+1)(即第O号城市组的首虚拟城市和末虚拟城市)。
[0032]图2为TTSPGC模型下多机器人与传感器网络协同部署与感知规划流程图。在此流程图中，首先初步规划母机器人的移动轨迹，进而规划子机器人的移动轨迹；通过子机器人在城市组内路径的优化，在必要时调整虚拟城市的位置，进而调整子机器人、母机器人的规划移动轨迹，从而达到针对特定目标函数优化的目的。需要强调的是，在实际规划过程中，母机器人与子机器人轨迹规划关系通常较为复杂；图中，步骤①?步骤⑧各环节之间通常并非简单的串行关系。
[0033]图3至图6为网络节点部署与作业流程示意图。在此示意图中，网络节点部署与作业流程的步骤为:
[0034]I)母机器人承载子机器人及网络节点按照规划路径到达一个城市组(如在图3中，从GCtl出发，沿实线到达GC1中的虚拟城市Ctltl位置)并部署子机器人；
[0035]2)子机器人在某个城市组中按照规划路径移动并依次访问各个城市(如在图4
中，子机器人从GC1的首虚拟城市Ctltl移动到第I个真实城市Ct11......)进行网络节点协
同部署(或信息感知)作业；
[0036]3)如图5所示，子机器人按照规划路径遍历某个城市组(B卩，在某个限制区域内完成所有感兴趣区域的网络节点协同部署/协同信息感知作业)后，按照规划路径(如，在图5中，沿着双点划线的方向，从GCl的最后一个真实城市叫〃,移动到末虚拟城市叫w+υ)回归母机器人；
[0037]4)判断是否完成全部城市组的访问(即，全部限制区域的网络节点协同部署/协同信息感知作业)任务，若未完成，则返回I);
[0038]5)母机器人承载子机器人及剩余的网络节点按照规划路径回到SP(如在图6中，从最后一个城市组GCm的末虚拟城市沿实线回到Ctcici)。
【权利要求】
1.一种采用多机器人的传感器网络优化部署方法，其特征在于，该方法包括: 采用城市分组的变形旅行商问题(TTSPGC, Transfigured Travelling SalesmanProblem under Grouped Cities)模型作为描述基本感知作业(BDST,Basic Deploying andSensing Task)问题的简化模型。 根据具体优化目标不同，协同部署与感知用机器人的优化问题可以分为距离优化(D0，Distance Optimization)、时间优化(TO, Time Optimization)和能量优化(EO, EnergyOptimization)三类典型问题,即在完成网络节点分级异构拓展部署与感知作业过程中，针对协同部署与感知用母机器人和子机器人所经历的距离、所花费的时间或所消耗的能量的优化问题。距离优化是基础，时间优化和能量优化在特定约束条件下可以转化为具有权重的距离优化问题。 优化算法设计具体包括规划与作业两个层面，重点包括虚拟城市定位和轨迹规划两类问题，在设计中兼顾实现协同部署与感知用母机器人和子机器人的规划、控制的实时性与优化效果之间的均衡。
2.根据权利要求1所述的方法，其特征在于，所述采用城市分组的变形旅行商问题(TTSPGC, Transfigured Travelling Salesman Problem under Grouped Cities)模型作为描述基本感知作业(BDST, Basic Deploying and Sensing Ta`sk)问题的简化模型,此模型建立的过程为: 在TTSPGC中，将各个感兴趣区域作为城市(ctij)，并按其所处的限制区域(RA II I~RA II M,RA II为第II类限制区域，子机器人可以作业，母机器人不可以作业，可以部署网络节点，可以通信)进行分组(城市组GCl~GCM)，其中城市下标i和j分别代表城市所属的城市组编号和组内编号。 为解决母机器人与子机器人移动轨迹在限制区域边界的连续性问题，提出了虚拟城市(VC, Virtual City)的概念，其基本思想如下。 针对每个限制区域，母机器人部署子机器人，以及子机器人回归母机器人的位置设置一对虚拟城市。第i个限制区域的两个虚拟城市分别为Ctici和(两个虚拟城市的下标j分别取O和限制区域内感兴趣区域总数加1，即把虚拟城市添加为限制区域的首“城市”和末“城市”)。需要说明的是，虚拟城市之间在位置上有可能互相重合。
3.根据权利要求1所述的方法，其特征在于，所述协同部署与感知用机器人的优化问题可以分为距离优化、时间优化和能量优化三类典型问题，对于此三类典型问题，所建立的优化数学模型为: (I)距离优化数学模型。 单母机器人-单子机器人系统基本距离优化目标函数可以用式(I)描述。 W f A’.、Jd = Y Y + D,(N-+,) + D(i+1)0 + D^m +nD ^ij?(Ν.+1)M(N +1) i=0 J=O1MVJ(D- 其中，M代表城市组的总数(i从O开始是为了能够包括起点SP)； Ni代表第i号城市组内城市的个数(j从O开始是为了包括城市组的首虚拟城市)；代表子机器人在第i号城市组内，从第j号城市到第j+Ι号城市(包括末虚拟城市)之间所经历的距离；DP+"代表母机器人从第i号城市组的首虚拟城市到末虚拟城市之间所经历的距离； jcCi=代表母机器人从第i号城市组的末虚拟城市到第i+Ι号城市组的首虚拟城市之间所经历的距离；
代表母机器人从第M号城市组(即，最后一个城市组)的末虚拟城市回到起点SP所经历的距离。 (2)时间优化数学模型。 单母机器人-单子机器人系统基本时间优化目标函数可以用式(2)描述。
4.根据权利要求1所述的方法，其特征在于，优化算法设计具体包括规划与作业两个层面，重点包括虚拟城市定位和轨迹规划两类问题，在设计中兼顾实现协同部署与感知用母机器人和子机器人的规划、控制的实时性与优化效果之间的均衡。 协同部署与感知规划优化的基本步骤为:首先初步规划母机器人的移动轨迹，进而规划子机器人的移动轨迹；通过子机器人在城市组内路径的优化，在必要时调整虚拟城市的位置，进而调整子机器人、母机器人的规划移动轨迹，从而达到针对特定目标函数优化的目的。 网络节点部署与作业流程的步骤为: 1)母机器人承载子机器人及网络节点按照规划路径到达一个城市组并部署子机器人； 2)子机器人在某个城市组中按照规划路径移动并依次访问各个城市进行网络节点协同部署(或信息感知)作业； 3)子机器人按照规划路径遍历某个城市组(即，在某个限制区域内完成所有感兴趣区域的网络节点协同部署/协同信息感知作业)后，按照规划路径回归母机器人； 4)判断是否完成全部城市组的访问(即，全部限制区域的网络节点协同部署/协同信息感知作业)任务，若未完成，则返回I)； 5)母机器人承载子机器人及剩余的网络节点按照规划路径回到SP。
【文档编号】H04W16/18GK103533553SQ201210222776
【公开日】2014年1月22日 申请日期:2012年7月2日 优先权日:2012年7月2日
【发明者】路海龙, 邴志刚, 田立国, 杨丽 申请人:天津职业技术师范大学