本发明涉及生物群体智能与群体机器人系统控制，特别是涉及一种基于动态群体感知与阈值演化的群体机器人自适应协同涌现控制方法及系统。

背景技术：

1、在群体机器人系统中，大量机器人个体需依靠局部信息交互完成协同感知、定位建图、任务分配及集群控制等复杂任务。

2、然而，在复杂动态环境下，现有协同控制方法大多依赖于集中式通信或固定规则进行机器人控制。这容易因通信拥塞、局部决策冲突及环境扰动导致群体协同效率下降，进而造成任务执行延迟或失败、系统能耗增加以及整体鲁棒性不足等问题。尤其当机器人规模扩大或部分节点失效时，传统方法难以实现群体行为的自主重构与全局有序协同，限制了群体机器人在灾害搜救、无人巡检及复杂环境自主作业等任务中的应用能力。自然界中，生物蕴含着生物智能，例如细菌群体能够通过群体感知机制，利用信号分子的产生、扩散、浓度累积及阈值响应，实现个体间低成本、自组织的信息交互与群体行为协同，为群体机器人协同控制提供了新的仿生思路。

3、然而，现有群体机器人研究大多仅停留于简单行为模仿阶段，缺乏对细菌群体感知中动态信号反馈、自适应协同调节及群体行为涌现机制的深层次融合，尚未形成一种能够通过局部交互驱动全局协同行为自主涌现，并可依据环境变化实现动态优化的群体机器人协同涌现控制系统及方法。

技术实现思路

1、为了解决上述现有技术存在的问题，本发明的目的是一种基于动态群体感知与阈值演化的群体机器人自适应协同涌现控制方法及系统，可根据机器人个体状态信息及环境感知数据，构建数字信号分子驱动的仿生协作交互模型，实现机器人个体间自主信息交互与协同行为调节，促进群体由局部协作向全局有序行为自主涌现；并通过协同反馈机制对控制参数进行动态优化，达到提升群体协同效率、增强系统鲁棒性及提高复杂环境适应能力的目的，拓展群体机器人在目标搜索、聚集和目标围捕等现实工程应用。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于动态群体感知与阈值演化的群体机器人自适应协同涌现控制方法，包括：

4、获取群体机器人的个体状态信息和局部群体密度，根据所述个体状态信息和所述局部群体密度构建数字信息记忆场；

5、利用所述数字信息记忆场确定局部综合感知值，并设置双阈值规则，基于所述双阈值规则对所述局部综合感知值进行行为判断，通过行为判断结果进行协同涌现控制；在协同涌现控制过程中，定义和计算协同效率指标和协同涌现稳定度，以更新所述双阈值规则中的阈值中心和阈值宽度，同时更新扩散半径参数。

6、可选地，构建所述数字信息记忆场包括：

7、获取所述群体机器人的个体状态信息，利用所述个体状态信息构建机器人群体状态空间模型，并模拟细菌群体感知中的信号分子释放机制生成局部群体密度，建立数字信号分子的生成与扩散模型；

8、基于所述生成与扩散模型定义机器人释放数字信号分子的强度，获得任意位置处群体机器人释放数字信号分子叠加浓度；

9、通过群体机器人释放数字信号分子叠加浓度，得到机器人群体的数字信号浓度场分布，并利用所述机器人群体的数字信号浓度场分布构建所述数字信息记忆场。

10、可选地，获得所述任意位置处所有机器人释放数字信号分子叠加浓度包括：

11、；

12、其中，c( x， y)为当前位置( x， y)所有机器人释放数字信号分子叠加浓度， δ为扩散半径参数， qi为机器人 i的信号释放强度，( xi， yi)为第 i个机器人位置，n为机器人数量。

13、可选地，利用所述机器人群体的数字信号浓度场分布构建所述数字信息记忆场包括：

14、；

15、其中， mi( t)为机器人 i在当前位置 t时刻的数字信息记忆场， mi( t-1)为机器人 i在当前位置 t-1时刻的数字信息记忆场， ci( t)为机器人 i在当前位置 t时刻的数字信号浓度， ρ为记忆衰减因子。

16、可选地，确定所述局部综合感知值包括：

17、；

18、其中，s i为局部综合感知值， ω1和 ω2为感知融合权重， li为目标环境刺激。

19、可选地，基于所述双阈值规则对所述局部综合感知值进行行为判断包括：

20、基于所述双阈值规则对所述局部综合感知值进行行为判断，当所述局部综合感知值不高于所述双阈值规则中的扩散搜索阈值时，则驱动机器人进入扩散搜索状态，当所述局部综合感知值不低于所述双阈值规则中的协同聚集阈值时，则驱动机器人进入协同聚集状态，当所述局部综合感知值位于所述扩散搜索阈值和所述协同聚集阈值之间时，则驱动机器人进入过渡协同状态；在所述机器人处于过渡协同状态阶段时，生成过渡协同控制项。

21、可选地，生成所述过渡协同控制项包括：

22、；

23、其中，为群体协同聚集行为控制项，为机器人 i扩散搜索控制项，λ为聚集权重。

24、可选地，定义所述协同效率指标和所述协同涌现稳定度包括：

25、协同效率指标：

26、；

27、协同涌现稳定度：

28、；

29、其中， nc为完成任务机器人数量； n为机器人数量； tf为任务完成时间； eavg为平均能耗进行归一化； β1， β2， β3为评价权重且和为1；ζ为群体稳定度；为机器人在 t-1时刻的控制输入。

30、可选地，更新所述双阈值规则中的阈值中心包括：

31、；

32、；

33、；

34、；

35、其中，为更新后的阈值中心，k1为效率增益；k2为稳定性增益，为原上下阈值差值即阈值宽度，为原阈值中心，为协同效率指标，为更新后的协同聚集阈值，为更新后的阈值宽度，为更新后的扩散搜索阈值。

36、为实现上述目的，本发明还提供了一种基于动态群体感知与阈值演化的群体机器人自适应协同涌现控制系统，包括：

37、数字信息记忆场模块，用于获取群体机器人的个体状态信息和局部群体密度，根据所述个体状态信息和所述局部群体密度构建数字信息记忆场；

38、群体状态感知模块，用于利用所述数字信息记忆场确定局部综合感知值，并设置双阈值规则；

39、协同涌现控制模块，用于基于所述双阈值规则对所述局部综合感知值进行行为判断，通过行为判断结果进行协同涌现控制；

40、参数自适应修正模块，用于在协同涌现控制过程中，定义和计算协同效率指标和协同涌现稳定度，以更新所述双阈值规则中的阈值中心和阈值宽度，同时更新扩散半径参数。

41、本发明的有益效果为：

42、本发明通过目标环境刺激和构建数字信号分子记忆场，进而机器人获得局部群体状态与环境变化信息；通过双阈值协同行为触发策略，实现机器人个体在扩散搜索、过渡协同及协同聚集状态之间的自主切换与动态调节；通过机器人个体间的信息交互、行为耦合及协同反馈，实现群体机器人由局部规则协同向全局有序行为的自主涌现；并结合协同效率与群体稳定度对行为响应阈值及信号扩散半径参数进行自适应修正，从而实现复杂动态环境下群体机器人系统的自主组织、自适应协同与高鲁棒性协同控制，拓展群体机器人在目标搜索、聚集和目标围捕等现实工程应用。