基于改进基因调控网络的群体机器人协作围捕方法及系统

本发明涉及智能控制，具体是涉及一种基于改进基因调控网络的群体机器人协作围捕方法、系统、设备及存储介质。

背景技术：

1、群体机器人是一个协同整体，灵感来源于自然界的自组织系统，例如细菌、昆虫、鱼类或鸟群，它们都是基于简单本地交互规则的涌现性群体行为。群体机器人能够相互协调并协作解决问题或者执行任务，有着比单个机器人更加鲁棒、更强容错和更灵活的系统，并且能够通过调整自身的行为来适应环境变化。

2、基因调控网络作为一种模拟生物系统的控制模型，其描述细胞或细胞间基因的交互和作用，通过模仿基因调控来实现机器人集群行为的自主调节和协同工作。目前已有部分学者提出将基因调控网络应用到群体机器人协作围捕目标这一场景下，在使用基因调控网络的基础上，如何能够提高群体机器人对目标的跟踪性能以达到更好的协作围捕效果，更是这些学者的研究热点。

技术实现思路

1、本发明提供一种基于改进基因调控网络的群体机器人协作围捕方法、系统、设备及存储介质，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。

2、第一方面，提供一种基于改进基因调控网络的群体机器人协作围捕方法，所述改进基因调控网络包括上层网络和改进下层网络，所述方法包括：

3、当群体机器人在未知环境中探测到目标时，获取所述目标的当前位置、所述目标周围的所有障碍物的当前位置和所述群体机器人的当前位置；

4、在所述上层网络中，根据所述目标的当前位置和所述所有障碍物的当前位置，确定所述群体机器人的期望位置；

5、在所述改进下层网络中，结合滑模控制器对所述群体机器人的当前位置和期望位置进行处理，得到所述群体机器人的下一个位置；

6、按照所述群体机器人的下一个位置，控制所述群体机器人朝向所述目标运动以进行围捕。

7、进一步地，所述根据所述目标的当前位置和所述所有障碍物的当前位置，确定所述群体机器人的期望位置包括：

8、根据所述目标的当前位置和所述所有障碍物的当前位置，生成关于所述目标的当前形态梯度空间；

9、根据所述当前形态梯度空间，生成关于所述目标的当前围捕区域；

10、对所述当前围捕区域中包含的最大边界线进行均匀划分，得到所述群体机器人的期望位置。

11、进一步地，所述滑模控制器通过以下方式构建得到：

12、考虑到未知的外部干扰，构建机器人的状态空间模型；

13、考虑到机器人的跟踪偏差，构建滑模函数；

14、结合所述状态空间模型，对所述滑模函数进行一阶求导，得到导数函数；

15、将所述导数函数联立幂次指数趋近律，构建所述滑模控制器并确定其最终输出表达式。

16、进一步地，所述将所述导数函数联立幂次指数趋近律，构建所述滑模控制器并确定其最终输出表达式包括：

17、将所述导数函数联立幂次指数趋近律，构建所述滑模控制器并确定其初始输出表达式；

18、将所述初始输出表达式中包含的外部干扰替换为待求解参数，得到第一输出表达式；

19、结合所述第一输出表达式和所述导数函数，确定更新后的第一导数函数；

20、根据李雅普诺夫函数的约束条件，结合所述滑模函数、所述第一导数函数和给定的干扰范围，确定所述待求解参数的取值；

21、将所述待求解参数的取值代入所述第一输出表达式，得到最终输出表达式。

22、进一步地，所述根据李雅普诺夫函数的约束条件，结合所述滑模函数、所述第一导数函数和给定的干扰范围，确定所述待求解参数的取值包括：

23、所述李雅普诺夫函数的约束条件为所述滑模函数的取值和所述第一导数函数的取值的乘积小于零，所述干扰范围中包含最小干扰值和最大干扰值；

24、当所述滑模函数的取值大于零时，确定所述待求解参数的取值为所述最小干扰值，使得所述第一导数函数的取值小于零；

25、当所述滑模函数的取值小于零时，确定所述待求解参数的取值为所述最大干扰值，使得所述第一导数函数的取值大于零。

26、进一步地，所述结合滑模控制器对所述群体机器人的当前位置和期望位置进行处理，得到所述群体机器人的下一个位置包括：

27、对于所述群体机器人中的任一机器人，根据所述机器人的当前位置和期望位置，确定所述机器人的当前跟踪误差；

28、将所述机器人的当前跟踪误差输入至所述滑模控制器，得到所述机器人的当前位移量；

29、根据所述机器人的当前位移量和给定的安全距离的关系，结合所述机器人的当前位置，确定所述机器人的下一个位置。

30、进一步地，所述根据所述机器人的当前位移量和给定的安全距离的关系，结合所述机器人的当前位置，确定所述机器人的下一个位置包括：

31、当所述机器人的当前位移量未超过所述安全距离时，将所述机器人的当前位置和当前位移量相加，得到所述机器人的下一个位置；

32、当所述机器人的当前位移量超过所述安全距离时，将所述机器人的当前位置作为所述机器人的下一个位置。

33、第二方面，提供一种基于改进基因调控网络的群体机器人协作围捕系统，所述改进基因调控网络包括上层网络和改进下层网络，所述系统包括：

34、第一模块，用于当群体机器人在未知环境中探测到目标时，获取所述目标的当前位置、所述目标周围的所有障碍物的当前位置和所述群体机器人的当前位置；

35、第二模块，用于在所述上层网络中，根据所述目标的当前位置和所述所有障碍物的当前位置，确定所述群体机器人的期望位置；

36、第三模块，用于在所述改进下层网络中，结合滑模控制器对所述群体机器人的当前位置和期望位置进行处理，得到所述群体机器人的下一个位置；

37、第四模块，用于按照所述群体机器人的下一个位置，控制所述群体机器人朝向所述目标运动以进行围捕。

38、第三方面，提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序以实现如第一方面所述的基于改进基因调控网络的群体机器人协作围捕方法。

39、第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述的基于改进基因调控网络的群体机器人协作围捕方法。

40、本发明至少具有以下有益效果：通过将基于幂次指数趋近律设计出的滑模控制器引入到原有基因调控网络中包含的下层网络使用，可以在保留原有基因调控网络中包含的上层网络所体现的避碰避障优势的情况下，提高群体机器人在未知环境中以聚合围捕形态进行协同运动的稳定性、鲁棒性和高效性，实现群体机器人对目标的跟踪性能；并且在滑模控制器中进一步考虑物理约束和模型不确定性等的外部干扰，可以提高改进基因调控网络在实际应用中的可行性。

技术特征：

1.一种基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述改进基因调控网络包括上层网络和改进下层网络，所述方法包括：

2.根据权利要求1所述的基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述根据所述目标的当前位置和所述所有障碍物的当前位置，确定所述群体机器人的期望位置包括：

3.根据权利要求1所述的基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述滑模控制器通过以下方式构建得到：

4.根据权利要求3所述的基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述将所述导数函数联立幂次指数趋近律，构建所述滑模控制器并确定其最终输出表达式包括：

5.根据权利要求4所述的基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述根据李雅普诺夫函数的约束条件，结合所述滑模函数、所述第一导数函数和给定的干扰范围，确定所述待求解参数的取值包括：

6.根据权利要求1所述的基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述结合滑模控制器对所述群体机器人的当前位置和期望位置进行处理，得到所述群体机器人的下一个位置包括：

7.根据权利要求6所述的基于改进基因调控网络的群体机器人协作围捕方法，其特征在于，所述根据所述机器人的当前位移量和给定的安全距离的关系，结合所述机器人的当前位置，确定所述机器人的下一个位置包括：

8.一种基于改进基因调控网络的群体机器人协作围捕系统，其特征在于，所述改进基因调控网络包括上层网络和改进下层网络，所述系统包括：

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序以实现如权利要求1至7任一项所述的基于改进基因调控网络的群体机器人协作围捕方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于改进基因调控网络的群体机器人协作围捕方法。

技术总结本发明公开一种基于改进基因调控网络的群体机器人协作围捕方法、系统、设备及存储介质，改进基因调控网络包括上层网络和改进下层网络，其方法包括：当群体机器人在未知环境中探测到目标时，获取目标的当前位置、在目标周围的所有障碍物的当前位置和群体机器人的当前位置；在上层网络中，根据目标的当前位置和所有障碍物的当前位置，确定群体机器人的期望位置；在改进下层网络中，结合滑模控制器对群体机器人的当前位置和期望位置进行处理，得到群体机器人的下一个位置；按照群体机器人的下一个位置，控制群体机器人朝向目标进行围捕。本发明可提高群体机器人在未知环境中以对目标形成的聚合围捕形态进行协同运动的稳定性、鲁棒性和高效性。技术研发人员：王栋梁,温子灵,王诏君,李文姬,范衠受保护的技术使用者：汕头大学技术研发日：技术公布日：2024/7/9