在机器人科技高速发展的今天,协作多机器人技术越来越受到人们的广泛关注,它在环境探测、目标搜索、跟踪、围捕、机器人足球以及国防军事等领域,具有十分重要的现实意义。其中编队围捕问题是人们讨论多机器人技术研究的重点问题之一。协作多机器人的编队围捕是指一群具有协作机制的机器人,通过一定的编队策略,加以优化算法,成功的围捕目标。该议题的核心是设计智能编队算法,并应用到具体的追捕场景,可以“快速低耗”的围捕目标。刚性结构算法是编队问题的经典算法之一,目的是协调各机器人单元保持稳定的整体结构,有效的解决了目标跟随、编队一致性等问题,对于队形的保持与稳定具有重要的应用价值和意义,但却在一定程度上产生了追捕死角。事件触发机制可以降低多机器人系统采样频率,减少通信消耗,其广泛应用于多机器人的采样通信问题中,但该机制仅减少了采样次数却没有涉及采样结果的优化,依然存在大量的冗余无效信息,这称为事件触发机制的非智能性。对于围捕问题,国内外开展了大量的研究,但由于刚性结构的稳固性和事件触发机制的非智能性,仍然存在如下问题:(1)过于追求稳固性,却忽视了队形的灵活性,是刚性结构算法的矛盾之处。各追捕者之间构成稳定的刚性结构,追捕系统容易产生追捕死角,使追捕者无法准确高效地完成追捕。在这种情况下,刚性编队会造成资源的极大浪费甚至导致死循环。(2)传统的事件触发机制缺乏智能性,虽然根据触发条件在一定程度上降低了采样次数,但却未直接对结果进行优化,仍然存在冗余无用的采样信息。(3)目前逃跑目标的智能性普遍较低,且追捕速度往往大于逃跑速度,最优情况是二者相等,对于围捕实验的有效性,说服力较低。针对以上不足,本文开展深入研究,主要研究内容和创新点如下:(1)针对刚性结构算法的追捕死角问题,本文提出一种自适应刚性编队算法,追捕者可根据目标所在位置,利用边界、障碍物等环境条件,自适应的调整队形来完成围捕。通过构造编队中心控制器,使编队中心逐渐趋近目标,以求合围;队形控制器可根据目标所处位置动态调整队形,避免死角的产生。(2)对于目前的事件触发机制,无法精确提高采样结果的准确率,从而不能较好的降低通信量,无法提高信息的有效性,本文设计基于预测的事件触发机制,力求提高采样结果的有效性和降低通信开销。(3)对于目标的低能化问题,本文设计智能逃跑方案,避免单一逃跑方向,目标可在探测到追捕者时选择没有追捕者的方向逃跑。另外通过阿波罗尼奥斯圆讨论追捕者和目标的速度关系,并在合理的范围内,使追捕速度小于目标的逃跑速度,增加的目标的智能性和追捕的难度。(4)本文基于Netlogo研发多机器人追逃仿真平台,将论文算法和策略加以仿真验证,可直观展示实验过程及结果。