[發明專利]一種基于改進的行為特征對群體機器人的故障檢測方法

在審

• 申請號: 202210064121.7
• 申請日: 2022-01-20
• 公開（公告）號: CN114397822A
• 公開（公告）日: 2022-04-26
• 發明（設計）人: 張崇明;張磊
• 申請（專利權）人: 上海師范大學
• 主分類號: G05B13/04
• 分類號: G05B13/04
• 代理公司: 北京百年育人知識產權代理有限公司 11968
• 代理人: 劉朋

1.一種基于改進的行為特征對群體機器人的故障檢測方法，其特征在于，包括以下步驟：

S1、行為特征設計，設計新的行為特征F₁(t)、F₂(t)、F₃(t)、F₄(t)、F₅(t)、F₆(t)，新的行為特征F₁(t)、F₂(t)、F₃(t)、F₄(t)、F₅(t)、F₆(t)如下所示：

其中，N_i(t)和N_j(t)分別是t時刻，|N_i(t)-N_j(t)|機器人i與鄰居機器人j之間的鄰居總數差，設置鄰居個數差的絕對值小于2，因為在一定范圍，鄰居的個數差別不大，因此設置鄰居個數差為2；

其中，分別是t時刻，機器人i與機器人j到鄰居機器人的平均距離，由于機器人行為偏離正常機器人的行為時，與機器人的正常行為軌跡會發生偏離，則到鄰居的平均距離會之差會變大，因為本文所假設模擬的場景大小3m，因此設置0.5m的距離差；

對于F₃(t)、F₄(t)的設置，是表示的t時刻機器人的速度和角度是否達到最大速度和角速度的10％，如果成立則是1，反之則為0，其設置公式如下：

對于F₅(t)和F₆(t)傳統方案設計是時間t下，機器人在感知是否有鄰居機器人的情況下，航向發生改變的行為特征，定義事件U_m(t)，U_n(t)如下：

U_m(t)＝S(|n_a(t)+n_b(t)|)∧M(t)

其中，表達的是用角加速度表示航向的轉變牟其中如果事件成立，則設置F₅(t)和F₆(t)為1，反之為0；

其中針對有鄰居的情況下和無鄰居的情況，航向發生轉變時，選擇F₅(t)作為代表，因為當感知到鄰居機器人的時候，航向發生改變的行為比較明顯，這相當于是一種避障行為，對F₆(t)進行重新設計，為了更好的貼近傳感器與執行器之間的互動，設置機器人在感知鄰居機器人的情況下，速度大小的變化，定義事件V_m(t)為：

V_m(t)＝S(|n_a(t)+n_b(t)|)∧V_i(t)

其中，V(t)是t時刻機器人的速度，V(t-1)前一秒的時間下的速度，當前速度小于前一刻速度的60％說明機器人感知到鄰居機器人并且做出減速避障行為，若V_m(t)成立，則設置F₆(t)為1，即；

使用重新設計的F₁、F₂、F₃、F₄、F₅和F₆對機器人的行為進行表征，更加精確的描述了群體機器人中行為，串聯在一起形成一個特征編碼；

S2、交叉調節模型分類特征行為為正常/異常，CRM描述了適應性免疫系統中細胞的種群動態，允許系統只根據體內抗原的密度和持久度來區分抗原，從而使整個系統保持免疫耐受，對外來病原體產生免疫反應，是由三種相互作用的細胞類型組成：抗原呈遞細胞、效應細胞以及調節細胞，三者之間相互作用，通過C_ij的常微分數學公式描述三種細胞種群之間相互作用的動力學關系；

其中，C_ij是第i個克隆T細胞和第j個APC子群之間相互作用的結合物，γ_c、γ_d和θ_ij分別是T細胞克隆和APC子群之間的結合率、解離率以及親和力，結合物C_ij的數量會受到結合率、解離率以及親和力的影響，T_i是T細胞克隆類型i的子細胞群，并且會受到新細胞涌入、單細胞分裂增殖生長以及細胞的死亡衰落的影響，在初始條件下，對于任意i，確

通過該微分方程求解出激活的效應細胞T_E和激活的調節細胞T_R，根據CRM的免疫耐受原理可知，當處于低濃度的APC時，免疫系統表現的是由T_E細胞主導的免疫反應，當在較高的APC濃度時，系統處于雙穩態狀態，即可為耐受反應也可為免疫反應，此時，當克隆的T細胞子群中含有足夠的T_R細胞情況下，會變成由T_R細胞為主導的耐受狀態，因此，在較高的APC濃度以及體內擁有足夠的T_R細胞的情況下，系統會有一個良好的容忍響應；

將以上原理運用到多機器人系統上，在控制周期內，集群中的每一個機器人計算鄰居機器人的特征向量并且估計其特征向量的分布，每個特征向量所對應的鄰居機器人的個數，在每個機器人的內部實施CRM算法，生成感知到每個特征向量所對應的APC，每個APC向T細胞提供一個單獨的特征向量，生成APC的數量是A_j＝FV_j，其中j∈{1，...，M}，M＝2⁶是機器人所能感知到的最大數目的特征向量；

每個克隆的T細胞(T₁，...，T_M)都有編碼為二進制串的不同受體，因此決定了受體與APC之間的親和力θ_ij，表示為：

通過對C_ij進行數字積分，根據親和力公式，計算出激活的效應細胞T_E和激活的調節細胞T_R分別為：

當T_R＞T_E時此特征被分類為正常的行為特征，反之，當T_E＞T_R時，此特征被分類為異常行為特征；

S3、聯合每個機器人優化的CRM檢測結果，做出群體決策，大多數機器人表現的行為為正常行為，少數的則為異常行為。