一种集群智能控制系统和方法与流程

本发明属于机器人控制领域，更具体地，涉及一种集群智能控制系统和方法。

背景技术：

集群智能来源于群居性生物通过协作表现出的宏观智能行为，具有分布式、无中心、自组织的特点。将群体原理应用于机器人等控制对象上，每个机器人自身只具有相当简单的功能，但集群之后的群体行为则相当复杂多样。集群机器人可以被认为是一个分布式系统。集群机器人能够提高故障冗余度，集群机器人包括地面集群机器人、空中机器人也就是无人机集群、水面和水下集群机器人等多种形式。

集群控制系统要实现相互间的协同就必须确定个体对象之间逻辑上和物理上的信息关系和控制关系，针对这些问题而进行的体系结构研究可以将系统的结构和控制结合起来，保证系统中信息流和控制流的畅通，为机器人之间的交互提供框架。集群控制算法需要保证多个控制个体之间能有效地进行协同，应对紧急状况能够迅速做出反应。

目前的集群控制系统，普遍存在动态响应速度慢，控制过程复杂，控制精度低等问题。尤其在响应速度方面，很难达到实时控制的要求。

技术实现要素：

针对现有技术的以上缺陷或改进需求，本发明提供了一种集群智能控制系统和方法，能够根据要求实时调整和控制集群机器人的动作，优化集群机器人的总轨迹路径。

为实现上述目的，按照本发明的一个方面，提供了一种集群智能控制系统，其特征在于，包括上位机、wifi模块、微控制器、应变片、电机、陀螺仪和螺旋扇叶，其中，

所述上位机通过所述wifi模块与所述微控制器连接；

所述微控制器分别连接应变片、电机和陀螺仪；

集群机器人中每个个体上均安装所述应变片、电机和陀螺仪，每个个体上设置多个所述电机，每个所述电机上均连接所述螺旋扇叶，以用于推动个体移动，所述微控制器通过所述电机带动所述螺旋扇叶旋转，并且所述微控制器通过改变pwm占空比的方式控制所述电机的转速，以获得个体移动所需要的推力；

所述应变片用于测量每个风扇作用在个体上的推力值并传送给所述微控制器，所述微控制器基于获得的实际推力值与目标推力值进行比较，从而实时调整电机的转速；与此同时，所述微控制器通过陀螺仪获得个体的当前角速度，从而获得个体的当前姿态角度并实时调整电机的转速差，进而实现个体的转弯，以此方式，使集群机器人的每个个体均按设定轨迹运动，进而实现对集群机器人运动的总轨迹路径的控制。

按照本发明的另一个方面，还提供了一种集群机器人智能控制方法，其特征在于，包括以下步骤：

1)微控制器获取测量数据，所述测量数据包括所有个体的位置信息、速度信息、角度信息和加速度信息；

2)微控制器将数据传送给上位机，上位机根据上一次获得的测量数据和总轨迹路径是否异常，如果是，则进入步骤3)，如果否，则进入步骤4)；其中集群机器人中每个个体分别具有运动轨迹，所有个体的运动轨迹共同形成集群机器人的所述总轨迹路径；

3)混合粒子群万有引力算法接收异常信息，并根据异常状况重新计算集群机器人的最优总轨迹路径；

4)上位机根据当前的总轨迹路径、加速度信息、角度信息、位置信息和速度信息分析获得当前需要的每个个体的加速度大小ai，并根据个体加速度ai获得个体所需要的推力fi，然后将推力fi发送至微控制器；

5)微控制器根据推力fi控制每个个体上的电机的转动，从而控制每个个体的运动，进而控制集群机器人运动的总轨迹路径。

优选地，在集群机器人遇到障碍物或集群机器人中的个体发生故障时，需要动态优化实时总轨迹路径，优化过程如下：

混合粒子群万有引力搜索算法的模型如下：

其中v^di(t+1)pso来自粒子群算法的速度更新公式，并且，

其中v^di(t+1)gsa来自万有引力搜索算法的速度更新公式，并且，

上述式(1)和式(2)中，为混合粒子群万有引力搜索算法的第i个粒子在迭代t+1次后的速度，v^di(t+1)pso为粒子群算法的第i个粒子在迭代t+1次后的速度，v^di(t)pso为粒子群算法的第i个粒子在迭代t次后的速度，x^di(t+1)为第i个粒子在迭代t+1次后的位置，x^di(t)为第i个粒子在迭代t次后的位置，c3和c4均为加速系数，用于调节混合粒子群万有引力搜索算法中粒子群算法的速度和引力搜索算法的加速度，φ3是[0，1]的任意数，并且φ3的大小决定了粒子群的速度和引力搜索算法的加速度对混合算法中粒子速度更新所占比重，t是当前迭代次数，d是搜索空间的维数；

式(3)和式(4)中，w为惯性权重，c1和c2均为加速度系数，φ1和φ2均为在[0，1]范围变化的随机数；xpbesti为个体最优粒子的位置，xgbest为全局最优粒子的位置；

式(5)中，β为[0，1]之间的任意数，ai为粒子的加速度；

优化时，随机初始化种群粒子位置及飞行速度；比较粒子当前位置和该粒子所经历过最好位置xpbesti的适应度值；若粒子当前位置的适应度值小于个体最好位置xpbesti的适应度值，则以当前粒子位置替换xpbesti；比较个体最优粒子位置xpbesti和全局最优粒子位置xgbest的适应度值，若xpbesti的适应度值小于xgbest的适应度值，则把xpbesti赋予xgbest；依据公式重新计算粒子位置和速度，若达到设定的迭代次数max_iter，则停止迭代，当前解即为最优解，从而获得集群机器人的最优总轨迹路径。

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

本发明提供了一种集群智能控制系统及方法，通过微控制器实时控制电机的转速，从而控制螺旋扇叶的转速，从而可以实现对个体的有效控制；通过实时控制机器人集群中个体的运动和动作，从而可以提高集群控制的控制精度；另外，在集群机器人遇到障碍时，还可以优化集群机器人的总轨迹路径，从而减少控制运动所用时间，提高集群控制的实时性和动态响应性能。

附图说明

图1是本发明中集群机器人控制系统的框图；

图2是本发明中集群机器人中个体的测量数据进行迭代的流程图；

图3是本发明控制方法优化总轨迹路径时的流程图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

参照图1～图3，一种集群智能控制系统，包括上位机、wifi模块、微控制器、应变片、电机、陀螺仪和螺旋扇叶，其中，

所述上位机通过所述wifi模块与所述微控制器连接；

所述微控制器分别连接应变片、电机和陀螺仪；微控制器以stm32系列单片机stm32f405为主控芯片；

集群机器人中每个个体上均安装所述应变片、电机和陀螺仪，每个个体上设置多个所述电机，每个所述电机上均连接所述螺旋扇叶，以用于推动个体移动，所述微控制器通过所述电机带动所述螺旋扇叶旋转，并且所述微控制器通过改变pwm占空比的方式控制所述电机的转速，以获得个体移动所需要的推力；

所述应变片用于测量每个风扇作用在个体上的推力值并传送给所述微控制器，所述微控制器基于获得的实际推力值与目标推力值进行比较，从而实时调整电机的转速；与此同时，所述微控制器通过陀螺仪获得个体的当前角速度，从而获得个体的当前姿态角度并实时调整电机的转速差，进而实现个体的转弯，以此方式，使集群机器人的每个个体均按设定轨迹运动，进而实现对集群机器人运动的总轨迹路径的控制。

本发明是通过得到加速度、角加速度、位置和角度信息之后经过pid控制，实时调整路径，并反馈到控制电机上，通过实时改变推力大小来实现轨迹的更改。

对于每一个个体来说，其运动规律是非常简单的，在接收到下位机反馈的实时信息之后，本发明采用以下分布式算法模型根据当前的运动路径来估算整体的运动过程：

第一步：所有个体进行周期性更新；

第二步：第一个个体使用测量获得的数据和总体路径，计算出新的数据之后发送给下一个个个体；测量获得的数据包括对个体实施定位后的中心点、个体所需的推力值、个体的当前角速度等数据；

第三步：对于其余的所有个体执行第二步；

第四步：若有必要，譬如时间充裕或者结果明显与实际不符，则可以再迭代第二步和第三步，以获得每个个体更准确的轨迹；

最终得到的状态即为沿当前路径进行实时控制的结果，将其以推力形式输出到下位机，达到实时控制的目的，具体算法流程图参照图2。

按照本发明的另一个方面，还提供了一种集群机器人智能控制方法，具体包括以下步骤：

1)微控制器获取测量数据，所述测量数据包括所有个体的位置信息、速度信息、角度信息和加速度信息；

2)微控制器将数据传送给上位机，上位机根据上一次获得的测量数据和总轨迹路径是否异常，如果是，则进入步骤3)，如果否，则进入步骤4)；其中集群机器人中每个个体分别具有运动轨迹，所有个体的运动轨迹共同形成集群机器人的所述总轨迹路径；

3)混合粒子群万有引力算法接收异常信息，并根据异常状况重新计算集群机器人的最优总轨迹路径；

4)上位机根据当前的总轨迹路径、加速度信息、角度信息、位置信息和速度信息分析获得当前需要的每个个体的加速度大小ai，并根据个体加速度ai获得个体所需要的推力fi，然后将推力fi发送至微控制器；

5)微控制器根据推力fi控制每个个体上的电机的转动，从而控制每个个体的运动，进而控制集群机器人运动的总轨迹路径。

进一步，在碰到需要优化的情况之后立即作出反应，并动态替换实时路径，同时实时控制算法针对当前路径进行重新计算，并将推力控制信息反馈到下位机，具体优化过程如下：

混合粒子群万有引力搜索算法的模型如下：

其中v^di(t+1)pso来自粒子群算法的速度更新公式，并且，

其中v^di(t+1)gsa来自万有引力搜索算法的速度更新公式，并且，

上述式(1)和式(2)中，为混合粒子群万有引力搜索算法的第i个粒子在迭代t+1次后的速度，v^di(t+1)pso为粒子群算法的第i个粒子在迭代t+1次后的速度，v^di(t)pso为粒子群算法的第i个粒子在迭代t次后的速度，x^di(t+1)为第i个粒子在迭代t+1次后的位置，x^di(t)为第i个粒子在迭代t次后的位置，c3和c4均为加速系数，用于调节混合粒子群万有引力搜索算法中粒子群算法的速度和引力搜索算法的加速度，φ3是[0，1]的任意数，并且φ3的大小决定了粒子群的速度和引力搜索算法的加速度对混合算法中粒子速度更新所占比重，t是当前迭代次数，d是搜索空间的维数；

式(3)和式(4)中，w为惯性权重，c1和c2均为加速度系数，φ1和φ2均为在[0，1]范围变化的随机数；xpbesti为个体最优粒子的位置，xgbest为全局最优粒子的位置；

式(5)中，β为[0，1]之间的任意数，ai为粒子的加速度；

优化时，随机初始化种群粒子位置及飞行速度；比较粒子当前位置和该粒子所经历过最好位置xpbesti的适应度值；若粒子当前位置的适应度值小于个体最好位置xpbesti的适应度值，则以当前粒子位置替换xpbesti；比较个体最优粒子位置xpbesti和全局最优粒子位置xgbest的适应度值，若xpbesti的适应度值小于xgbest的适应度值，则把xpbesti赋予xgbest；依据公式重新计算粒子位置和速度，若达到设定的迭代次数max_iter，则停止迭代，当前解即为最优解，从而获得集群机器人的最优总轨迹路径。

本发明能实时监控状态和实时处理数据，并采用了混合粒子群万有引力算法和集群控制算法，能够根据要求实时调整和控制集群机器人中单个个体的动作，并且可以通过混合粒子群万有引力算法优化集群机器人的总轨迹路径。

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。