多机器人协同控制技术

本书是山东大学机器人研究中心在多机器人领域及以多机器人技术为基本支撑的移动式模块化机器人领域多年研究成果的总结，系统介绍了多机器人系统和移动式模块化机器人关键技术。主要内容包括：多机器人协同定位感知、协同通信、协同运动控制、协同导航关键技术；移动式模块化机器人的模型构建；模块化可重构机器人变构决策优化技术；模块化机器人并行变构最优轨迹规划技术；模块化机器人动态环境实时最优路径规划技术；分布式并行变构控制技术。
本书可供从事多机器人集群系统、模块化可重构机器人研究的科研技术人员参考，也可供高等院校机器人、自动控制等相关专业的师生阅读。

周乐来，男，工学博士，山东大学破格教授，博导，山东省杰出青年基金获得者，特种机器人教育部重点实验室副主任，山东大学机器人研究中心副主任。兼任中国自动化学会共融机器人专委会委员，中国自动化学会智能制造系统专委会委员，无人系统技术期刊青年编委。从丹麦奥尔堡大学（Aalborg University）获得博士学位，美国加州大学伯克利分校（University of California, Berkeley）访问学者。承担国家项目9项，省项目2项，包括国家重点研发计划课题、国家自然科学基金项目、国防类项目等，总研究经费2300万元。作为一作或通讯作者，在国内外重要学术刊物发表近60篇学术论文，其中近五年发表SCI收录论文28篇，EI收录论文13篇。发表在国际刊物IEEE TIE（IF：7.515）上的3篇代表作为本领域的中科院一区Top论文，具有较高的影响力。申请国家发明专利20项，授权国家发明专利16项（其中国际发明专利1项），学术水平高，影响力大。主要从事四足仿生机器人、人机交互、轻型机械臂优化设计、机器人运动学、动力学优化、变刚度驱动器等方面的研究工作。近年来承担的课题包括“人体碰撞安全评估系统研制”“基于旋量理论的变刚度柔顺机械臂建模方法研究”“面向装配作业的人机协作型双臂七自由度机器人的开发”等。取得了多项标志性交叉研究成果，开发了基于惯导的人机交互位置姿态信息监测系统，提高了人机交互协作的便利性和精度，该成果已经在中国机器人上市公司——新松机器人公司进行了实际应用。

集群行为是自然界中最常见的生物行为之一，大量的个体通过集群行为可产生强大的种群效能。对机器人领域而言，相较于单体机器人，多机器人系统能够决策调度任务并“分而治之”，各机器人协同执行子任务，可增加系统冗余度、增强扩展性，提高任务执行效率。多机器人协同运动作为机器人领域新的研究方向，逐渐引起国内外的关注。随着机器人应用领域不断扩展，作业层次不断深化，机器人所处的环境逐渐复杂，任务类型逐渐多样，单一形制的机器人平台难以满足多样的环境和任务需求，以多机器人技术为基本支撑的变构型机器人应运而生，可根据所处环境和设定任务要求改变形状尺寸或结构拓扑，实现自身构型和环境任务的最优匹配。
自2018年起，在多项国防项目的支持下，山东大学组成研究团队，研制了多款不同自重载重等级、不同驱动机构形制的电驱动四轮移动平台，开展了多机器人协同定位、导航、建图、编队控制等研究，以及移动式可重构模块化机器人自主最优变构、组合体协同运动控制、组合体越障控制等技术攻关，积累了丰富的理论、方法和技术手段。本书以山东大学机器人研究中心多年研究成果为核心，详细阐述了多机器人协同定位感知、协同通信、协同运动控制、协同导航关键技术，移动式模块化机器人模型构建，模块化可重构机器人变构决策优化，模块化机器人并行变构最优轨迹规划，模块化机器人动态环境实时最优路径规划，分布式并行变构控制等方面的内容，建立了多机器人协同控制与移动式模块化可重构机器人基础理论体系。全书内容分述如下。
第1章阐述了多机器人系统和模块化可重构机器人的发展现状，指出了当前多机器人系统和模块化可重构机器人发展中需要发展的关键技术和未来趋势。
第2章阐述了多机器人协同通信与定位感知技术，包括协同通信协议和ROS系统下多机器人通信机制、绝对式和相对式定位感知技术，基于滤波技术、优化技术的定位感知算法，以及分布式扩展卡尔曼滤波的多机器人相对定位方法。
第3章阐述了多机器人协同导航技术，主要包括协同导航的传感问题、控制问题和路径规划算法，以及在包含透明障碍物环境下的导航问题和移动机器人自主探索技术。
第4章阐述了多机器人编队协同运动控制技术，包括多移动机器人建模、编队协同运动策略、分布式编队控制算法等。
第5章聚焦室外复杂环境和崎岖地形内机器人环境感知与地图构建，阐述了传感器因子节点构建、多因子图算法等。
第6章介绍了机器人起伏地形轨迹规划与跟踪控制算法，包括崎岖地形路径规划、起伏地形轨迹跟踪算法和依据多智能体技术路线提出的多轮分布式协同控制方法等。
第7章阐述了模块化可重构机器人组合体在崎岖地形下的越障路径规划技术，介绍了沿越障路径移动的组合体最优越障构型规划与分析方法。
第8章讨论分层序列式多优化目标变构决策技术和同时空并行变构最优轨迹规划方法，主要介绍了模块化机器人组合体构型变换决策的帕累托最优解求解技术，以及多组元并行运动过程中解决运动冲突问题和运动时间最短的优化问题的技术。
第9章阐述了高动态环境下实时最优路径规划与分布式并行变构控制，介绍了高实时性去中心化全地图随机树、回环分支技术和动态环境快速响应机制，介绍了基于生物种群行为机理的异形组元分布式轨迹跟踪控制器。
全书由山东大学机器人研究中心的周乐来教授和李贻斌教授总体策划和撰写，研究中心的多机器人协同控制与模块化可重构机器人课题组人员，包括博士后张辰，硕士研究生隋明君、孙业镇、吴举名、黄双发、刘江涛、党婉莹、杨晓航、孙晓辉、尚福昊、曹路阳、高圣焜、王靖文、王帅、刘大宇、肖飞参与撰写，张辰、曹路阳、高圣焜、王靖文最后整理完成。山东大学机器人研究中心在多机器人协同控制与模块化可重构机器人研究初期得到了山东大学的大力资助，在此表示感谢。
限于笔者水平，书中难免存在不足之处，恳请广大读者和专家指正!

著者

第1章　绪论 001
1.1　多机器人协同定位发展现状 004
1.2　多机器人协同通信发展现状 006
1.3　移动机器人环境感知与自主探索发展现状 007
1.4　移动机器人轨迹跟踪控制技术 008
1.5　移动机器人分布式控制技术 010
1.6　模块化机器人国内外发展现状 011
参考文献 017

第2章　多机器人协同通信与定位技术 023
2.1　概述 023
2.2　多机器人协同通信技术 024
2.2.1　基于TCP/IP 协议的多机器人协同通信 027
2.2.2　基于UDP 协议的多机器人协同通信 029
2.2.3　基于ICMP 协议的多机器人协同通信 030
2.2.4　基于ROS 的多机器人协同通信 032
2.2.5　复杂场景下的协同通信 036
2.3　定位感知技术 037
2.3.1　绝对式定位感知技术 037
2.3.2　相对式定位感知技术 045
2.4　基于滤波的多机器人定位感知算法 052
2.4.1　卡尔曼滤波算法 052
2.4.2　粒子滤波算法 053
2.5　基于优化的多机器人定位感知算法 054
2.5.1　滚动时域法 054
2.5.2　粒子群优化法 056
2.5.3　梯度下降法 057
2.6　基于分布式扩展卡尔曼滤波算法的相对位姿优化估算 058
2.6.1　多平台扩展卡尔曼算法集中建模 059
2.6.2　分布式扩展卡尔曼滤波耦合 061
2.6.3　分布式滤波系统自适应误差优化 065
2.7　多机器人相对位姿估计方法与协同定位方法 066
2.7.1　初始相对位姿估计解算 066
2.7.2　基于定位置信度的传感器信息融合 070
2.7.3　基于扩展容积卡尔曼滤波的协同定位 072
2.7.4　仿真与物理平台实验 073
参考文献 080

第3章　多机器人协同导航与自主探索技术 081
3.1　概述 081
3.2　多机器人协同导航技术 082
3.2.1　传感器技术在多机器人导航中的应用 082
3.2.2　多机器人导航控制策略概述 084
3.3　多机器人导航中的路径规划算法 087
3.3.1　常见的全局路径规划算法 087
3.3.2　常见的局部路径规划算法 091
3.3.3　多机器人导航技术发展趋势 093
3.4　基于多线激光雷达的透明障碍物识别与重建方法 094
3.4.1　基于反射强度特征和局部结构特征的透明障碍物识别方法 094
3.4.2　基于环境信息的透明障碍物重建方法 103
3.5　透明障碍物环境地图构建方法      106
3.5.1　基于对称特征的反射错误点识别与修正方法 106
3.5.2　透明障碍物场景优化SLAM 方法 112
3.6　透明障碍物环境下机器人自主探索策略 114
3.6.1　基于双RRT 的局部探索 115
3.6.2　目标点评估模型 120
3.6.3　基于拓扑路径图的全局调整 122
3.6.4　透明障碍物环境探索优化策略 122
3.7　综合实验验证与分析 123
3.7.1　实验平台 123
3.7.2　实验验证 124
3.7.3　结果分析 127
参考文献 128

第4章　多机器人编队协同运动控制 129
4.1　概述 129
4.2　多机器人协同运动建模 129
4.3　协同跟随控制器 130
4.4　最优控制参数选取 132
4.4.1　遗传算法 132
4.4.2　种群初始化 132
4.4.3　适应度函数 133
4.4.4　精英选择 133
4.4.5　交叉和突变 134
4.5　多机器人编队协同运动策略 135
4.5.1　编队控制相关方法 135
4.5.2　基于行为法 141
4.5.3　系列优化方法 143
4.5.4　图论概念 149
4.5.5　队形结构描述 150
4.5.6　聚合靠拢 151
4.5.7　分散队形变换 152
4.5.8　协同队形控制流程 154
4.6　分布式多机器人编队控制策略      155
4.6.1　多机器人系统图论及编队模型 155
4.6.2　领航者机器人路径生成 156
4.6.3　编队控制律分析 158
4.6.4　编队形成仿真实验 159
4.7　基于改进APF 的多机器人系统分布式避障算法 160
4.8　多机器人行为决策设计 162
4.8.1　行为加权融合方法 162
4.8.2　避障与队形切换仿真实验 163
参考文献 164

第5章　机器人户外复杂环境感知与地图构建 166
5.1　概述 166
5.1.1　感知定位与建图方法 167
5.1.2　基于因子图优化的状态估计方法 167
5.1.3　传感器因子节点构建方法 168
5.1.4　多因子图优化设计 174
5.1.5　基于SegNet 的动态环境建图方法 177
5.2　机器人户外环境感知与规划方法实验分析 183
5.2.1　系统硬件选型设计 184
5.2.2　仿真平台搭建 186
5.2.3　仿真实验 188
5.2.4　样机实验分析 192
参考文献 198

第6章　机器人起伏地形轨迹规划与跟踪控制 199
6.1　概述 199
6.1.1　规划问题描述与RRT??算法 200
6.1.2　RRT??算法改进 201
6.2　面向崎岖地形的路径规划方法 204
6.2.1　基于A??算法的2.5D 路径规划方法 204
6.2.2　基于非线性模型预测控制算法的2.5D 轨迹跟踪控制方法 207
6.3　起伏地形轨迹跟踪算法研究与方法设计 212
6.3.1　起伏地形机器人姿态误差补偿控制问题分析 212
6.3.2　基于模型预测控制的机器人轨迹跟踪方法 214
6.3.3　基于反馈控制的机器人姿态角误差动态补偿方法 218
6.3.4　避障规划算法研究与方法设计 221
6.4　多轮移动机器人多轮分布式协同控制方法 228
6.4.1　分布式协同控制算法研究与方法设计 228
6.4.2　基于扩张状态观测器的未知扰动补偿控制方法 236
6.5　轮式移动机器人运动控制系统实验验证 240
6.5.1　仿真实验 240
6.5.2　样机实验 253
参考文献 259

第7章　组合体越障规划与构型分析 261
7.1　概述 261
7.2　崎岖地形建模与越障路径规划 262
7.2.1　基于可变构模块化机器人越障特征的几何通过性与地形 262
7.2.2　地形语义分割 268
7.2.3　语义地图与栅格地图结合的越障路径规划方法 270
7.3　地形与负载约束下的越障能耗与时间最优构型生成方法 273
7.3.1　越障构型规划问题建模 273
7.3.2　基于遗传算法的构型规划求解 276
7.3.3　基于BP 神经网络的构型规划 283
参考文献 287

第8章　模块化可重构机器人最优变构决策与规划 288
8.1　概述 288
8.2　多目标变构决策层次优化 290
8.2.1　模块化机器人平面构型表达 290
8.2.2　最大公共子构型匹配 291
8.2.3　组元拆分树结构启发式搜索 293
8.2.4　变构移动距离估计 297
8.2.5　帕累托最优性证明 298
8.2.6　时间复杂度 300
8.3　大规模组合体的分组变构优化策略      302
8.4　模块化机器人并行变构最优轨迹规划技术 302
8.4.1　构建最优执行路径 305
8.4.2　并行变构运动的路径-时间维映射 305
8.4.3　运动约束下分段平滑时刻表模型 308
8.4.4　启发式偏移粒子群算法的时刻表优化器 310
8.5　仿真与物理平台实验 312
8.5.1　最优变构规划仿真与分析 312
8.5.2　面向大量模块的分组变构规划仿真与分析 314
8.5.3　模型仿真与结果分析 316
8.5.4　算法性能仿真 316
8.5.5　对比仿真 317
8.5.6　物理平台对比实验 319
参考文献 322

第9章　模块化机器人变构实时路径规划与并行控制 325
9.1　概述 325
9.2　变构实时路径规划 326
9.2.1　高实时性去中心化全地图随机树 326
9.2.2　回环分支迭代的实时路径优化 328
9.2.3　动态环境快速响应机制 333
9.2.4　概率完备性 337
9.3　包围逃逸 338
9.4　分布式并行变构控制技术 339
9.4.1　本地共识的异形组元分布式轨迹跟踪控制 341
9.4.2　分布式控制器的递归可行性与渐近稳定性 348
9.5　仿真与物理平台实验 349
9.5.1　模型仿真与结果分析 349
9.5.2　物理平台对比实验 355
9.5.3　组合体变构对比测试 357
9.5.4　组合体连续变构 358
参考文献 360