[发明专利]一种基于改进的行为特征对群体机器人的故障检测方法

说明书

本发明涉及群体机器人技术领域，且公开了一种基于改进的行为特征对群体机器人的故障检测方法，包括以下步骤：S1、行为特征设计，设计新的行为特征F₁(t)、F₂(t)、F₃(t)、F₄(t)、F₅(t)、F₆(t)，新的行为特征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)分别是t时刻，|N_i(t)‑N_j(t)|机器人i与邻居机器人j之间的邻居总数差；本发明通过设计一套新的行为特征，使得其行为特征能够更加精确的描述群体行为，相对于传统的行为特征，从而能够提高群体机器人故障检测性能。

技术领域

本发明涉及群体机器人技术领域，具体为一种基于改进的行为特征对群体机器人的故障检测方法。

背景技术

群体机器人是机器人领域中的重要领域之一，其灵感来源于对大自然里群居性动物，例如：蚂蚁、蜜蜂的观察。群体机器人是有一群智能的、相同的机器人组成，每个机器人都配有相关的传感器和执行器等。并且具有鲁棒性和可扩展性。鲁棒性是群体非常稳定，可扩展性是群体在增加或者减少机器人的时候，对执行群体行为影响较小。但由于群体机器人由大量的机器人组成，导致其中的个体出现故障的可能性比较高，由于存在故障机器人，从而导致在执行任务的时候无法正常进行。因此尽可能早的检测出故障，并且进行进行移除，对群体机器人的健壮与稳定来说都十分重要。

目前的故障检测方法包括内源性以及外源性。其中内源性故障检测方法只能检测出一般的故障，但例如断电，通信，完全损坏等故障出现时，则无法自检。外源性故障检测方法是群体中的其他机器人一起协作观察检测故障，因此外源性故障检测方法更加符合群体机器人的理念。其中外源性故障检测方法又可以分为区块链、人工免疫系统以及预测模型三个领域进行故障检测。

在采取预测模型的故障检测时，首先要预测出机器人的行为，在进行与实际的对比，此方法不能在线检测故障，在进行新的群体行为比较麻烦。有通过萤火虫的同步闪烁行为进行故障检测，但是只考虑了完全故障即机器人死亡，故障类型比较单一。通过对机器人表现出的性能进行统计的故障检测方法，难以有一个容易量化的标准来判断，不易使用。在人工免疫系统方法有基于肉芽肿形成来进行故障检测和基于t细胞的故障检测方法，但是这些方法不具有实时性，虽然有一定效果，但不利于使用。随即有一种故障检测方法，通过观察群体机器人的行为，赋予一些行为特征，实施交叉调节模型，当出现异常行为的时候，交叉调节模型就出判断出异常行为。这种方法在线的、实时的。但是其中采用的行为特征对群体机器人的行为并不是非常精确的描述。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于改进的行为特征对群体机器人的故障检测方法，解决了上述背景技术中所存在的问题。

(二)技术方案

为实现上述目的，本发明提供如下技术方案：一种基于改进的行为特征对群体机器人的故障检测方法，包括以下步骤：

S1、行为特征设计，设计新的行为特征F₁(t)、F₂(t)、F₃(t)、F₄(t)、F₅(t)、F₆(t)，新的行为特征F₁(t)、F₂(t)、F₃(t)、F₄(t)、F₅(t)、F₆(t)如下所示：