导读:本文包含了协作围捕论文开题报告文献综述及选题提纲参考文献，主要关键词:多机器人,分布视觉,畸变校正,免疫网络
协作围捕论文文献综述
赵荣[1]（2017）在《分布视觉下多移动机器人的定位与协作围捕研究》一文中研究指出多移动机器人系统是研究机器人技术的重要课题,是研究群智能体技术的理想平台,被广泛用于研究多智能体群集行为、多机器人体系结构、多机器人协调协作等领域相关课题。此外,计算机视觉技术的运用进一步推动了智能机器人的智能化发展,使机器人具备了人的视觉功能。为了进一步研究多移动机器人系统,结合计算机视觉技术,针对多移动机器人在全局分布视觉下的定位及协调协作问题展开了相关的研究。首先,机器人的视觉分割定位是研究多移动机器人系统的前提。在实验室已有的小型移动机器人基础上,给出了移动机器人的色标板标定方案,分析并选择了YUV颜色模型作为色标的阈值分割空间;并针对外部光照变化对移动机器人色标分割产生影响的问题,通过对机器人色标图像进行局部直方图均衡化的预处理方法,降低光照变化带来的亮度变化干扰,根据圆形色标在图像中像素色阶值的分布,通过聚类分析得到了不同机器人色标的最佳分割阈值,在此基础之上进行了全局视觉下的移动机器人轨迹跟踪控制实验,验证了该视觉分割定位方法的有效性和实时性。然后针对分布视觉采集图像的桶形畸变会降低移动机器人视觉定位精度的问题,研究了接种二次多项式疫苗下的免疫神经网络对畸变图像的标定方法,通过对神经网络接种具有先验知识的免疫疫苗,并融合BP神经网络的误差反向传播与免疫理论的全局搜索进化优势对网络进行迭代优化,获得了高数量级的标定精度。避免了对摄像头内外参数复杂且难以保证精度的标定过程,得到的标定结果更精确,标定过程更简便。最后,基于该全局分布视觉下的多机器人系统平台,研究了基于人工免疫理论的多机器人协作围捕问题,将人工免疫理论运用到追捕机器人的追捕运动控制中,细化了抗体种群个体的种类,引入力学势场法对种群个体的Farmer动力学进化模型进行优化选择,在实验平台上进行了多机器人围捕实验。本课题的研究是对机器人视觉定位和多机器人协同合作的探索与实践,具有一定的理论意义和实际应用价值。(本文来源于《江苏科技大学》期刊2017-04-25）
韩庆芝[2]（2016）在《群机器人协作围捕多个入侵者的人工力矩方法》一文中研究指出群机器人系统因具有功能上的多样性、执行任务时的并行性和较强的容错能力等单机器人无法比拟的优越性而广受关注,并逐渐成为机器人学领域的研究热点。群机器人的协作围捕是群机器人系统中一个富有挑战性的问题,在工业、军事、航空航天、医学服务业等领域具有非常广阔的应用前景。该问题主要研究如何通过围捕者间的协作与协调,最终实现对入侵者的围捕并且使围捕效率尽可能高。本文主要针对群机器人协作围捕多个入侵者问题进行了研究并提出了一种基于人工力矩控制器的解决方法。通过MATLAB语言仿真验证了所提方法的正确性。本文的主要工作如下:首先设计了入侵者的人工力矩控制器,从而使得入侵者的运动方式不再是简单的随机运动而是智能躲避运动,以增加围捕算法的适用范围。然后针对现有群机器人协作围捕方法存在的问题,提出了一种基于人工力矩运动控制器的解决方法。所提方法通过分析围捕的最佳位置设计了吸引线段和围捕点。在运用本文提出的夹逼策略和接力原则确定各围捕者的目标围捕点后,运用本文围捕者的人工力矩控制器驱动各围捕者向着各自的目标围捕点运动以形成围捕队形。随着围捕圈逐渐缩小,最终逼迫入侵者停止运动。文章最后对提出的群机器人协作围捕多个入侵者的人工力矩法进行了仿真验证。通过观察仿真结果和对仿真结果的分析,以及对系统中每个机器人的安全性的详细分析,验证了所提方法的可行性和有效性。(本文来源于《辽宁科技大学》期刊2016-06-01）
袁凤霞[3]（2014）在《基于点镇定算法的多移动机器人协作围捕》一文中研究指出本文将围捕算法与避障算法有机的结合起来。通过点镇定控制算法对移动机器人进行路径规划,实现多移动机器人各自成不同角度围捕目标,并且在运动过程中引入模糊控制算法,既能实现静态障碍物的规避,也可以保证移动机器人之间的避碰。(本文来源于《黑龙江科技信息》期刊2014年35期）
黄天云,陈雪波,徐望宝,周自维,任志勇[4]（2013）在《基于松散偏好规则的群体机器人系统自组织协作围捕》一文中研究指出针对群体机器人协作围捕,提出了一种基于松散偏好规则的自组织方法.首先给出了个体机器人的自由运动模型和围捕行为的数学描述.通过对围捕行为的分解,构造松散偏好规则来使个体机器人在自组织运动过程中相互协调最终形成理想的围捕队形.在此基础上,设计了个体自组织运动控制器.最后运用Lyapunov稳定性定理证明系统的稳定性.仿真和实验结果表明,本文给出的自组织方法对于群体机器人协作围捕是行之有效的.(本文来源于《自动化学报》期刊2013年01期）
王斐,魏巍,闻时光,吴成东[5]（2011）在《基于势点的未知动态环境下多移动机器人协作围捕》一文中研究指出提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案。为成功实现围捕,设计了基于势点的夹击策略,势点由效率最优原则获得。同时为躲避围捕过程中遇到的动态随机障碍,提出了基于碰撞风险的随机避障策略。围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得。在Microsoft Robotic Studio(MRS)仿真环境下进行了模拟实验,获得的不同条件下的围捕结果证明了围捕策略的有效性和鲁棒性。(本文来源于《中国科技论文在线》期刊2011年07期）
郝博,秦丽娟,赵慧静[6]（2011）在《未知环境下的多机器人协作围捕方法》一文中研究指出针对未知环境下的多机器人协作围捕进行了研究。首先介绍了围捕任务,然后给出了在未知环境下多机器人协作围捕的算法思想及控制流程。围捕任务中,对机器人设计了4种队形,采用有限状态机在不同队形之间进行切换。最后,在VC++平台下进行了动态围捕仿真,验证了算法的有效性。(本文来源于《火力与指挥控制》期刊2011年03期）
刘艳秋,龚荣[7]（2011）在《一种多机器人协作围捕策略的研究》一文中研究指出在二维受限环境中,研究多机器人对移动目标的协作围捕问题,结合追捕者与逃逸者的相对位姿,对多机器人围捕的初始状态条件进行划分,针对多机器人群体规模、速度、成功围捕条件进行讨论,并对目标机器人的逃逸策略和围捕机器人的围捕策略进行协调性动态调整,提出了采用夹角最大原则的逃逸策略,确定了迎面对角阻截与虚拟势点相结合的围捕策略。课题对分别将新提出的逃逸策略和围捕策略与原有逃逸策略和围捕策略相比较进行仿真实验,结果表明所提出的动态调整策略的有效性。(本文来源于《科技信息》期刊2011年06期）
王斐,闻时光,吴成东,魏巍[8]（2011）在《基于模糊逻辑的多移动机器人自适应协作围捕》一文中研究指出提出一种在未知动态环境下实现多移动机器人自适应协作围捕运动目标的整体方案,为成功实现围捕,设计了基于模糊逻辑的钳型夹击策略,模糊规则通过遗传算法学习获得.同时为躲避围捕过程中遇到的动态随机障碍,提出了基于碰撞风险的随机避障策略.围捕机器人的综合行为通过融合避障行为、合围行为和抓捕行为获得.在MRS仿真环境下进行了模拟实验,获得的不同条件下的围捕结果证明了围捕策略的有效性和鲁棒性.(本文来源于《智能系统学报》期刊2011年01期）
张奇松[9]（2010）在《基于虚拟现实技术的多移动机器人协作围捕研究》一文中研究指出随着社会需求和科技的发展,机器人技术得到了纵深发展,移动机器人的应用范围越来越广泛。而且机器人的应用环境也变的越发复杂,任务要求越发精确,因此多机器人系统逐渐成为机器人学研究的一个重要分支。多机器人协作围捕作为一个常用于检验机器人学习策略优劣的平台,对智能移动机器人产业化有着重大实际意义。本文利用虚拟现实技术实现了多移动机器人协作围捕仿真以及部分环境的数字化和特效化等功能。本文首先对机器人体系结构进行了研究,针对单体机器人,采用基于行为分解结构设计方式,设计了一种基于行为的混合式体系结构,该体系结构能以较快速度对外界环境变化做出反映,同时提高了输出行为的针对性;针对多机器人群体,采用分层式体系结构,分层式结构综合了集中式结构和分布式结构的优点,总体上有一个主控机器人掌握全局信息,局部上各受控机器人可以相互交流信息,该结构使群体机器人适合在复杂多变的环境下作业。其次阐述了传统人工势场法在机器人路径规划中的应用,着重分析了一种机器人路径规划中的特殊局部最小值问题,提出了一种新的机器人路径规划的斥力场函数,给出一种基于动态目标的新引力场函数。通过仿真实验验证了改进式人工势场法在机器人路径规划中的有效性和优越性。再次,在群的层次上,采用改进式人工势场法与Leader-Follower法相结合的办法来解决多机器人系统队形控制问题。在多机器人系统围捕过程中使用有限状态机概念,对围捕过程中机器人的行为进行合理分解,使复杂的系统简单化。最后,利用可视化仿真建模软件Creator、实时叁维视景仿真软件Vega以及利用Vega的API函数在VC++6.0的编译环境下编程,完成了基于虚拟现实技术的多移动机器人协作围捕,实现了四个捕食机器人对一个移动被捕食机器人的围捕仿真功能。(本文来源于《沈阳理工大学》期刊2010-12-27）
蔡云飞,唐振民,张浩峰[10]（2010）在《基于Cross-EKF定位的多机器人协作围捕策略研究》一文中研究指出针对目前多机器人协作围捕过程中收敛速度慢、稳定性差、定位精度低的问题,提出一种新的围捕策略.设计出Cross-EKF定位算法,对目标位置的后验估计协方差进行交叉计算,以取得最小协方差区域.以区域边缘点到均值中心最大距离为半径,构建收敛圆,将对动态点的收敛扩展为对动态面的收敛.实验结果表明,系统能快速平稳地收敛该圆,从而实现对目标的精确围捕,该方法具有较高的实用价值.(本文来源于《控制与决策》期刊2010年09期）
协作围捕论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
群机器人系统因具有功能上的多样性、执行任务时的并行性和较强的容错能力等单机器人无法比拟的优越性而广受关注,并逐渐成为机器人学领域的研究热点。群机器人的协作围捕是群机器人系统中一个富有挑战性的问题,在工业、军事、航空航天、医学服务业等领域具有非常广阔的应用前景。该问题主要研究如何通过围捕者间的协作与协调,最终实现对入侵者的围捕并且使围捕效率尽可能高。本文主要针对群机器人协作围捕多个入侵者问题进行了研究并提出了一种基于人工力矩控制器的解决方法。通过MATLAB语言仿真验证了所提方法的正确性。本文的主要工作如下:首先设计了入侵者的人工力矩控制器,从而使得入侵者的运动方式不再是简单的随机运动而是智能躲避运动,以增加围捕算法的适用范围。然后针对现有群机器人协作围捕方法存在的问题,提出了一种基于人工力矩运动控制器的解决方法。所提方法通过分析围捕的最佳位置设计了吸引线段和围捕点。在运用本文提出的夹逼策略和接力原则确定各围捕者的目标围捕点后,运用本文围捕者的人工力矩控制器驱动各围捕者向着各自的目标围捕点运动以形成围捕队形。随着围捕圈逐渐缩小,最终逼迫入侵者停止运动。文章最后对提出的群机器人协作围捕多个入侵者的人工力矩法进行了仿真验证。通过观察仿真结果和对仿真结果的分析,以及对系统中每个机器人的安全性的详细分析,验证了所提方法的可行性和有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
协作围捕论文参考文献
[1].赵荣.分布视觉下多移动机器人的定位与协作围捕研究[D].江苏科技大学.2017
[2].韩庆芝.群机器人协作围捕多个入侵者的人工力矩方法[D].辽宁科技大学.2016
[3].袁凤霞.基于点镇定算法的多移动机器人协作围捕[J].黑龙江科技信息.2014
[4].黄天云,陈雪波,徐望宝,周自维,任志勇.基于松散偏好规则的群体机器人系统自组织协作围捕[J].自动化学报.2013
[5].王斐,魏巍,闻时光,吴成东.基于势点的未知动态环境下多移动机器人协作围捕[J].中国科技论文在线.2011
[6].郝博,秦丽娟,赵慧静.未知环境下的多机器人协作围捕方法[J].火力与指挥控制.2011
[7].刘艳秋,龚荣.一种多机器人协作围捕策略的研究[J].科技信息.2011
[8].王斐,闻时光,吴成东,魏巍.基于模糊逻辑的多移动机器人自适应协作围捕[J].智能系统学报.2011
[9].张奇松.基于虚拟现实技术的多移动机器人协作围捕研究[D].沈阳理工大学.2010
[10].蔡云飞,唐振民,张浩峰.基于Cross-EKF定位的多机器人协作围捕策略研究[J].控制与决策.2010