[發(fā)明專利]一種集群智能控制系統(tǒng)和方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710301002.8
• 申請(qǐng)日: 2017-05-02
• 公開(kāi)（公告）號(hào): CN107422637B
• 公開(kāi)（公告）日: 2019-06-07
• 發(fā)明（設(shè)計(jì)）人: 胡濤;張俐;丁林山;王鄭亞;邵修;金聰;徐陽(yáng)陽(yáng);劉熠;杜謙
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 周磊;曹葆青

1.一種集群智能控制系統(tǒng)，其特征在于，包括上位機(jī)、WIFI模塊、微控制器、應(yīng)變片、電機(jī)、陀螺儀和螺旋扇葉，其中，

所述上位機(jī)通過(guò)所述WIFI模塊與所述微控制器連接；

所述微控制器分別連接應(yīng)變片、電機(jī)和陀螺儀；

集群機(jī)器人中每個(gè)個(gè)體上均安裝所述應(yīng)變片、電機(jī)和陀螺儀，每個(gè)個(gè)體上設(shè)置多個(gè)所述電機(jī)，每個(gè)所述電機(jī)上均連接所述螺旋扇葉，以用于推動(dòng)個(gè)體移動(dòng)，所述微控制器通過(guò)所述電機(jī)帶動(dòng)所述螺旋扇葉旋轉(zhuǎn)，并且所述微控制器通過(guò)改變PWM占空比的方式控制所述電機(jī)的轉(zhuǎn)速，以獲得個(gè)體移動(dòng)所需要的推力；

所述應(yīng)變片用于測(cè)量每個(gè)風(fēng)扇作用在個(gè)體上的推力值并傳送給所述微控制器，所述微控制器基于獲得的實(shí)際推力值與目標(biāo)推力值進(jìn)行比較，從而實(shí)時(shí)調(diào)整電機(jī)的轉(zhuǎn)速；與此同時(shí)，所述微控制器通過(guò)陀螺儀獲得個(gè)體的當(dāng)前角速度，從而獲得個(gè)體的當(dāng)前姿態(tài)角度并實(shí)時(shí)調(diào)整電機(jī)的轉(zhuǎn)速差，進(jìn)而實(shí)現(xiàn)個(gè)體的轉(zhuǎn)彎，以此方式，使集群機(jī)器人的每個(gè)個(gè)體均按設(shè)定軌跡運(yùn)動(dòng)，進(jìn)而實(shí)現(xiàn)對(duì)集群機(jī)器人運(yùn)動(dòng)的總軌跡路徑的控制。

2.一種集群機(jī)器人智能控制方法，其特征在于，包括以下步驟：

1)微控制器獲取測(cè)量數(shù)據(jù)，所述測(cè)量數(shù)據(jù)包括所有個(gè)體的位置信息、速度信息、角度信息和加速度信息；

2)微控制器將數(shù)據(jù)傳送給上位機(jī)，上位機(jī)根據(jù)上一次獲得的測(cè)量數(shù)據(jù)和總軌跡路徑是否異常，如果是，則進(jìn)入步驟3)，如果否，則進(jìn)入步驟4)；其中集群機(jī)器人中每個(gè)個(gè)體分別具有運(yùn)動(dòng)軌跡，所有個(gè)體的運(yùn)動(dòng)軌跡共同形成集群機(jī)器人的所述總軌跡路徑；

3)混合粒子群萬(wàn)有引力搜索算法接收異常信息，并根據(jù)異常狀況重新計(jì)算集群機(jī)器人的最優(yōu)總軌跡路徑；

4)上位機(jī)根據(jù)當(dāng)前的總軌跡路徑、加速度信息、角度信息、位置信息和速度信息分析獲得當(dāng)前需要的每個(gè)個(gè)體的加速度大小a_i，并根據(jù)個(gè)體加速度a_i獲得個(gè)體所需要的推力F_i，然后將推力F_i發(fā)送至微控制器；

5)微控制器根據(jù)推力F_i控制每個(gè)個(gè)體上的電機(jī)的轉(zhuǎn)動(dòng)，從而控制每個(gè)個(gè)體的運(yùn)動(dòng)，進(jìn)而控制集群機(jī)器人運(yùn)動(dòng)的總軌跡路徑。

3.根據(jù)權(quán)利要求2所述的一種集群機(jī)器人智能控制方法，其特征在于，在集群機(jī)器人遇到障礙物或集群機(jī)器人中的個(gè)體發(fā)生故障時(shí)，需要?jiǎng)討B(tài)優(yōu)化實(shí)時(shí)總軌跡路徑，優(yōu)化過(guò)程如下：

混合粒子群萬(wàn)有引力搜索算法的模型如下：

其中V^d_i(t+1)_pso來(lái)自粒子群算法的速度更新公式，并且，

其中V^d_i(t+1)_GSA來(lái)自萬(wàn)有引力搜索算法的速度更新公式，并且，

上述式(1)和式(2)中，為混合粒子群萬(wàn)有引力搜索算法的第i個(gè)粒子在迭代t+1次后的速度，V^d_i(t+1)_pso為粒子群算法的第i個(gè)粒子在迭代t+1次后的速度，V^d_i(t)_pso為粒子群算法的第i個(gè)粒子在迭代t次后的速度，x^d_i(t+1)為第i個(gè)粒子在迭代t+1次后的位置，x^d_i(t)為第i個(gè)粒子在迭代t次后的位置，C₃和C₄均為加速系數(shù)，用于調(diào)節(jié)混合粒子群萬(wàn)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]的任意數(shù)，并且Φ₃的大小決定了粒子群的速度和引力搜索算法的加速度對(duì)混合粒子群萬(wàn)有引力搜索算法中粒子速度更新所占比重，t是當(dāng)前迭代次數(shù)，d是搜索空間的維數(shù)；

式(3)和式(4)中，w為慣性權(quán)重，C₁和C₂均為加速度系數(shù)，Φ₁和Φ₂均為在[0，1]范圍變化的隨機(jī)數(shù)；X_pbesti為個(gè)體最優(yōu)粒子的位置，X_gbest為全局最優(yōu)粒子的位置；

式(5)中，β為[0，1]之間的任意數(shù)，a_i為粒子的加速度；

優(yōu)化時(shí)，先隨機(jī)初始化種群粒子位置及飛行速度，比較粒子當(dāng)前位置和該粒子所經(jīng)歷過(guò)最好位置X_pbesti的適應(yīng)度值；若粒子當(dāng)前位置的適應(yīng)度值小于個(gè)體最好位置X_pbesti的適應(yīng)度值，則以當(dāng)前粒子位置替換X_pbesti；比較個(gè)體最優(yōu)粒子位置X_pbesti和全局最優(yōu)粒子位置X_gbest的適應(yīng)度值，若X_pbesti的適應(yīng)度值小于X_gbest的適應(yīng)度值，則把X_pbesti賦予X_gbest；依據(jù)公式重新計(jì)算粒子位置和速度，若達(dá)到設(shè)定的迭代次數(shù)Max_Iter，則停止迭代，當(dāng)前解即為最優(yōu)解，從而獲得集群機(jī)器人的最優(yōu)總軌跡路徑。