摘要：多机器人系统协同控制作为人机交互的核心内容之一，具有良好的应用前景，因此对其研究很有必要。分析了多机器人系统协同控制的结构形式、协同控制方法的国内外研究现状。针对网络化、分布式、开放式、面向多目标的多机器人协同控制系统，总结了各自的优缺点及其研究方法。最后对多机器人系统协同控制的未来研究方向进行了展望。
关键词：多机器人系统；网络化；分布式；开放式；面向多目标；协同控制
中文分类号：TH39 文献标识码：A
一、引言
随着机器人技术的发展，人机交互方式越来越受到人们的青睐[1]。机器人在人类各个领域中的应用逐渐深入，但是，在一些具有特殊需要的场合中，单个机器人的能力有限，这就需要多机器人协同完成任务[2]。因此，多机器人系统需要进行广泛研究。
本文简要概述了多机器人系统协同控制的结构形式以及协同控制方法的国内外研究现状，并针对网络化、分布式、开放式、面向多目标的多机器人系统协同控制，对近年来国内外学者的研究成果分别进行了总结和归纳。
二、多机器人系统协同控制
（一）多机器人系统协同控制体系结构
多机器人系统协同控制结构是指相互之间在控制方式和信息交互的关系模型，是多机器人系统研究领域一项重要内容[3]，王醒策等[4]针对多机器人系统编队提出了分层式的体系结构，陈卫东等[5]针对多机器人系统编队和收集垃圾提出了一种混合式的体系结构。
多机器人系统协同控制集中式的体系结构是由中央处理单元集中控制整个系统，通过处理所有个体的数据，策划出系统的全局规划方案后发送命令给每个机器人，是一种自上而下的规划与决策的层次控制结构。分层式的体系结构是一种全局上各机器人平等的结构，机器人之间不存在主控与被控关系，每个机器人都可以依靠通信与其他机器人交换信息。混合式的体系结构集中了以上两种结构的优点，既能够让机器人自主地决策规划，又能保证在必要时全局规划进行控制，确保机器人之间的行为不发生冲突。
（二）多机器人系统协同控制方法
国内外已经有大量学者对多机器人系统协同控制进行了研究，并获得了诸多研究成果。赵玲等[6]建立了两轮移动机器人运动学模型，接收网络反馈的主、从机器人的状态信息，通过调节从机器人的速度输入实现对给定运动状态的主机器人的有效协同控制，运用Matlab仿真实验检验了控制效果。黄英节[7]基于机器视觉，从视觉定位、目标搜寻和协同搬运控制三部分内容研究了多机器人的协同控制。陆大勇[8]结合大量本地控制实验和移动机器人运动学模型，掌握了该类移动机器人的运动特性，实现了无线传感器网络多目标跟踪定位，并构建了基于无线传感器网络反馈的多移动机器人协同控制系统，从而保持主、从机器人之间的同步运动。钟练宗[9]利用定位跟踪反馈系统实现了多目标的定位跟踪，基于网络化反馈的多移动机器人协同控制，构建了一个全实物多移动机器人实验平台，对传感定位、通信、路径规划、控制器设计等关键技术进行全面的开发与集成，从而实现了多目标的实时跟踪。杨纪寿[10]针对多台焊接机器人采用协同控制策略，提出了一种区域联动策略的改进型粒子群算法，实现多台机器人协同工作效率的最优化。
L. Chaimowicz等提出了一种协同控制系统结构，包括领导和跟随机器人，两者之间的关系可以互换，从而提高了系统的容错能力。R. Simmons等提出了一种多机器人分层次协同控制框架结构，将相互之间的协作行为分成不同的层次，并加以应用。A. Farinelli等针对多机器人系统协同行为进行分类，从认知层面出发系统地将其分为有无意识，协调层面分强、弱或无协调以及组织形式集中、分散式划分。T. Dierks等以反演法为基础提出了一种的反馈控制方式，应用于领航-跟随的队形控制中，设计了神经网络观测器，用来估算跟随者及其领导者的线速度和角速度，并验证了队形的一致性。
三、多机器人协同控制研究方法
（一）网络化多机器人协同控制
网络化多机器人系统通过网络将控制对象的测量信息传送到控制器输入端，控制器对送达的数据进行解析，结合控制目标进行控制量计算，将计算结果通过网络输送至执行器终端，并作用于控制对象。
网络化多移动机器人协同控制的研究方法主要有模型控制法、预测控制法、随机控制法、切换控制法等[11]。夏永峰[12]提出了网络控制机器人的构想，可支持用户通过Web浏览器远程操作机器人。L. W. Liou等通过研究传感器与控制器之间存在的时间偏差，分析了随机调节器问题，并设计了LQ最优控制器。J. Nilsson等假设整个系统的网络延时小于一个采样周期，在离散时间域上分析网络控制系统最优控制问题，并进行了随机稳定性分析，得出了一个修正的控制策略。J. Mu等在改进的模型预测控制算法的基础上，提出了一种新型的预测控制算法，具有较高的适应性。张奇智等[13]研究了网络控制系统的随机延迟问题，在网络延时小于一个采样周期的前提下，提出了分段时间戳预测控制算法。曹永灿等[14]提出了高阶模糊控制方法，利用模糊控制理论对控制器参数进行自适应调节，并应用于非线性随机延时网络控制系统。
网络化机器人协同控制系统具有便捷通用的网络、标准的通讯方式等更实际的应用前景，但同时也存在着网络时延、测量噪声、丢包、网络安全等方面的问题。
（二）分布式多机器人协同控制
分布式多机器人系统中的各机器人只拥有局部信息，可以自己决定相应的行为，可以分担计算压力，不需要一个中央控制器作为高性能计算。
杨茂等[15]针对同步现象，利用局部信息交互下的分布式控制，研究多机器人系统的协同适应性，并对分布式控制器的相关参数进行了优化。V. Gazi等针对一维离散时间下的异构群体，建立了运动学模型并分析其稳定性，研究过程中使用了并行和分布式计算中压缩映射的结果。R. Ordonez等研究多机器人系统以特定队形捕获动态目标问题，提出了一种稳定的分布式策略，利用人工势场法来实现跟踪和保持队形的协同控制。李绍宝[16]提出了一种有效的分布式控制算法，建立了实际的通信拓扑与所提出的控制策略之間的联系，并证明了控制策略的有效性。
分布式多机器人协同控制系统具有较好的自主性、灵活性、可扩展性及环境适应性，但它无法保证全局目标的最优，时延严重，且整体协调能力不足，机器人之间容易因过于自我而发生冲突[17]。
（三）开放式多机器人协同控制
开放式多机器人系统由一组独立的智能体组成，能够相互通信完成共同任务。由机器人群体与周围环境中的智能设备和人共同构建了一个开放式多机器人系统。
J. S. Albus针对开放式多机器人协同控制系统，将任务分解成多个子任务，遵循感知-规划-执行的反馈行为规则，对其各子任务的运行和交互进行控制。R. A. Brooks提出了一种基于行为的子包容控制结构，针对给定的任务，选择有一个合理的行为集，从而产生对运行有严格时间要求的实时响应。G. Beccari等提出了一种开放式多机器人复合控制结构，包含规划模块和反应式行为模块，由规划模块对反应式行为进行交互式管理，根据任务状态激活或关闭相应的行为集，对外部变化做出响应。
开放式的机器人控制系统具有良好的平台兼容性，能够与其他应用系统进行交互，并为用户提供一致的交互方式。在开放式多机器人协同控制过程中，开放式控制器起到了关键性的作用，它具有可扩展性、可移植性、互操作性、可裁剪性等特点[18]。
（四）面向多目标的多机器人协同控制
面向多目标，多机器人系统具有一定的自主能力，适应多种环境，能够通过协作高效、稳定地完成共同任务，但在执行任务的过程中容易发生相互冲突[19]。多机器人系统的协作机制包括机器人通信系统、任务分配、协作定位等三个任务阶段。
吴军等[20]研究了面向多目标时的任务分配，系统高层组织形式及其运行机制，最大限度地发挥多机器人系统中各机器人自身的能力，从而提高整个系统的运行效率。任燚等[21]研究了多机器人系统协同控制过程中，可以通过强化学习的方法来避免执行过程中出现的相互冲突。丁滢颖等[22]研究多机器人系统协同控制过程中的死锁问题，可以通过衰减因子来解决。B. P. Gerkey等根据任务分配的静态性、动态性，总结了多机器人系统任务分配问题基本特征及其分类。
面向多目标多机器人系统，需要建立合适的机器人群体结构模型，有利于提高系统的运行效率，减少机器人之间交互的通信量，从而降低协调难度[23]。
四、结语
多机器人协同控制系统一直是机器人研究领域的重难点。本文主要研究了网络化、分布式、开放式、面向多目标的多机器人协同控制，综述了各自的研究方法并总结了其优缺点。目前对于多机器人系统协同控制的研究还处在初级阶段，且主要停留在理论层次上，需要进一步深入研究，将理论知识与实践相结合，研究其实用性。
参考文献：
[1]徐超立，林科，杨晨，等.基于小腿表面肌电的智能机器人协同控制方法[J].中国生物医学工程学报，2016，35（04）：385-393
[2]刘政强.面向多目标追捕的多机器人协同控制研究[D].山东师范大学，2017
[3]岑斌斌.多机器人编队的分布式协同控制方法研究[D].南京大学，2015
[4]王醒策，张汝波，顾国昌.多机器人动态编队的强化学习算法研究[J].计算机研究与发展，2003（10）：1444-1450
[5]陈卫东，席裕庚，顾冬雷，等.一个面向复杂任务的多机器人分布式协调系统[J].控制理论与应用，2002（04）：505-510
[6]赵玲，叶景志，廖鑫江.基于网络反馈的多移动机器人协同控制[J].自动化与仪表，2012，27（09）：11-13+60
[7]黄英杰.基于视觉的多机器人协同控制研究[D].济南大学，2015
[8]陆大勇.网络化的多机器人协同控制[D].华南理工大学，2012
[9]钟练宗.基于分布式异步测量的传感器网络机器人协同控制[D].华南理工大学，2011
[10]杨纪寿.多台焊接机器人协同控制系统设计[J].广西科技师范学院学报，2016，31（02）：145-147
[11]李洪波，孙增圻，孙富春.网络控制系统的发展现状及展望[J].控制理论与应用，2010，27（02）：238-243
[12]夏永锋.基于Web的群体机器人远程控制系统研究与实现[J].微型电脑应用，2013，（2）：13-15
[13]张奇智，张卫东.随机延迟网络中的时戳预测函数控制[J].东南大学学报（英文版），2005，（2）：149-152
[14]曹永灿，张奇智，张卫东.高阶模糊控制器在网络控制系统中的应用[J].计算机仿真，2006，（8）：278-282
[15]杨茂，李成凤，田彦涛.群体机器人同步问题的分布式协同控制及优化[J].智能系统学报，2010，5（03）：247-253
[16]李绍宝.多智能体系统多目标群集控制与分布式编队拓扑优化[D].燕山大学，2012
[17]蒲华燕.多足步行机器人分布式分层控制系统研究[D].华中科技大学，2007
[18]潘炼东.开放式机器人控制器及相关技术研究[D].华中科技大学，2007
[19]洪炳镕，朴松昊.基于冲突消解的群体智能机器人协作研究[J].哈尔滨工业大学学报，2003（09）：1053-1055
[20]吴军，徐昕，连传强，等.协作多机器人系统研究进展综述[J].智能系统学报，2011， 6（01）： 13-27
[21]任燚，陈宗海.基于强化学习算法的多机器人系统的冲突消解策略[J].控制与决策，2006（04）：430-434+439
[22]丁滢颍，何衍，蒋静坪.基于蚁群算法的多机器人协作策略[J].机器人，2003（05）： 414-418
[23]赵慧静.面向任务的多移动机器人体系结构优化的研究[D].沈阳理工大学，2010
作者简介：潘涨（1997-），男，漢，湖北武汉人，本科，研究过程装备与控制。