网络控制机器人的协调、集中和分散方法的比较研究

-沙特国王大学学报使用网络控制机器人的基于协调器的任务分配和碰撞避免的协调、集中和分散方法的比较研究[1] Rameez Raja Chowdharya，b，Manju K.Chattopadhyayb，Raj KamalcaDevi Ahilya大学工程技术学院电子和电信工程系，邮编452001，印度bDevi Ahilya大学电子学院，邮编452001，印度c计算机科学与工程系，Prestige Institute of Engineering and Science，Incident 452001，India阿提奇莱因福奥文章历史记录：收到2018年2018年8月22日修订2018年9月3日接受在线发售2018年关键词：机器人演示网络避免冲突A B S T R A C T我们报告了一个编排控制的机器人网络，组织和管理一组活动，通过机器人节点的任务分配模型的设计。该模型还有助于在集中和分散方法的帮助下研究机器人编排。此外，我们的模型采用了一种创新的碰撞避免算法，避免平行运行的机器人之间的碰撞，而无需任何通信。使用配对签署和Wilcoxon签署秩检验的结果进行比较的编排，集中和分散的方法。仿真结果表明，在通信带宽和性能一致性方面，协调方法优于分散方法。此外，在通信过载和任务执行时间方面，编排方法优于集中式方法。©2018作者制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。1. 介绍近年来，网络控制机器人（NCR）已经成为广泛研究的主题（Correll等人，2009; Zhang和Collins，2012; Hoy等人，2012年）。网络机器人系统是一组具有智能性和移动性的自主系统。 这些系统或者如在分散式网络机器人系统的情况下那样直接在它们之间通信，或者如在集中式网络机器人系统的情况下那样通过主控制器进行通信（Correll等人，2009; Chowdhary等人，2017年）。分布式超特征机器人被设计为执行合作任务（Khamis和Gindy，2012; Michael等人，2008），其胜利取决于个人之间的沟通。因此，机器人获得足够的网络连通性信息，并利用这一点*通讯作者：Devi Ahilya大学电子学院，印度，邮编电子邮件地址：rameez. gmail.com（R.R. Chowdhary）。沙特国王大学负责同行审查信息以便在执行其他任务时保持网络连接性（Michael等人，2008;Chopra 和 Egerstedt ， 2014; Kumar 等 人 ， 2004; Le 等 人 ， 2009;Cardozo等人， 2010;Lee等人，2015年）。一个巨大的挑战是发展一种模型架构，该模型架构将通信与控制耦合以实现这样的新能力，如云机器人、路径规划、移动机器人中的全局定位、车队管理、断言跟踪和隐蔽监视（Marin-Perianu等人，2010年; Xu等人，2017; Rolado等人，2014; He和Hirose，2013; Movahedi等人，2012年; Hu等人，2012; Akhtar等人， 2015年）。到目前为止，研究人员主要关注集中和分散两种类型的NCR相对较少的研究已经进行了NCRs使用编排。先前已经在面向服务的架构、虚拟化、供应、融合基础设施和动态数据中心的上下文中研究了编排的使用（ Mijumbi 等人，2016;Newman 和 Kotonya ， 2015;Javadi等人， 2013年）。 只有少数机器人学家使用编排的概念来重用服务和面向服务的机器人（Chul等人，2010; Ebenhofer等人，2013年）。在这项工作中，我们将在NCR中引入编排编排器控制的机器人网络执行编排。协调员能够调用和协调其他服务，https://doi.org/10.1016/j.jksuci.2018.09.0011319-1578/©2018作者。制作和主办：Elsevier B.V.代表沙特国王大学这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。制作和主办：Elsevier可在ScienceDirect上获得目录列表沙特国王大学学报杂志首页：www.sciencedirect.com1232R.R. Chowdhary等人/沙特国王大学学报X\通过利用典型的工作流模式，例如并行组合、排序和选择或管理器，来控制和协调节点（或从机器人）的功能和角色（Chowdhary等人， 2015年）。它可以自动安排，协调，管理复杂的机器人系统和服务。演示支持服务的重用并部署控制理论的组件（Lundh等人，2008; Ren和Sorensen，2008）。本文描述了一个任务分配模式为一组给定的任务。网络管理器协调和管理网络中的一组活动。协调器为机器人节点分配给定的任务。Robotic节点分为多个组。协调器以两种模式运行任务：并行和顺序。每组节点将给定的任务划分为子任务。然后，每个子任务在不同的机器人节点上顺序执行，同时避免碰撞。机器人可以在其通信范围内与协调器（或主协调器）交互，没有本地化的方法。 这种方法的优点组1组2组3m组开发大量小型且成本有效的单元来执行编排。采用自底向上方法的系统构建帮助我们开发鲁棒算法，该算法在更有能力的系统中处理传感器和致动器（Correll等人，2009; Chowdhary等人，2017年）。这种方法有助于我们更好地理解机器人任务的信息结构.所提出的方法的重要性在于，Fig. 1.任务分配模型为一个A¼ fa1;a2;. ; a kg4其中s是一组任务，重 点 是 在 机 器 人 群 中 系 统 资 源 的 最 小 使 用 和 较 少 的 信 息 交换（Chowdhary等人， 2017年）。此外，距离传感器（在这里，我们使用超声波千分之一秒我的天啊传感器）用于避免机器人之间的碰撞。距离测量（DM）算法也在这里开发。该算法采用了直角三角形算法，避免了两个并行点之间的碰撞运行机器人使用第3节中描述的算法模拟集中式、分散式和协调式方法。我们已经测量了NCR的性能参数，即任务执行时间，完成任务所需的消息数量和所需的通信带宽。编排方法的结果与现有的方法的结果进行了比较。2. 问题公式化2.1. 任务分配模型图 1给出了基于任务分配的NCR系统任务分配模式模型。Zeng等人（2012）对异构机器人使用了几乎相似的模型然而，我们正在使用同质机器人的模型。此外，在本模型中，相等的持续时间时隙（tsn-tsn-1）已被用于每个分配的任务（tn）。设H表示一组k个同构机器人节点（RN），T表示一组n个任务，这意味着，H <$f h1;h2; .. . ; h k g;1T ¼ f t1;t2;. ; t n g：100任务在固定的时间间隔内分配给RN，（ts1，ts2，）的方式并且Ts定义时间间隔的集合，T s¼ f t s1;t s2;. ; t sn g：100假设所有时隙都相等1ts2-ts1=ts 3-ts1=tsn-tsn-1，并且A表示分配：1时隙的持续时间等于给定任务集中最长子任务的最坏情况执行时间。这有助于任务同步和平滑的任务分配。asat1/4;20s- t 1/4;206/4并且将簇As分配给Hs。与A相关的成本由下式给出：KCAc sa s;7s1其中cs（as）是hs完成as任务集合的最小成本。在实践中，Eq. 可以表示机器人行进的总距离或消耗的总能量。协调器根据协调方法中的任务分配模型将任务分配给RN.任务分配器使用一个协调的算法进行任务分配。算法在第3节中解释。集中式和分散式方法分别使用相同的任务分配模型和集中式和分散式算法进行任务分配。集中和分散的算法也解释第3节。所有这些算法都使用DM和RAT算法以避免RN之间的冲突。此外，RAT算法使RN保持在赛道上。在第三节中定义了机器人接力赛的任务，以实现任务分配模型.2.2. DM算法距离算法给出距离d，并与di和dk。其中di和dk分别表示RN之间避免碰撞的最小距离和RN之间保持在轨道中心上的最大距离。轨道是一条RN，其用于根据任务要求从源点行进到目的地点。两种RN的赛道如图5所示。表2给出了di和dk的值。 图2示出了DM算法。DM算法使用距离传感器（超声波传感器）的输出来计算距离d。 DM算法针对距离ddi和d>dk的值调用RAT算法。t s1.t s1.t s1.t s1.H11h21h31----------hm1tskt sktsktskh1Kh2Kh3K----------hmKOrchestrator时间[R.R. Chowdhary等人/沙特国王大学学报1233开始没是距离ddi是啊移动c距离将θk转向相邻机器人取决于Vmax，V nom，Vmin移动c距离使θk远离相邻机器人取决于Vmax，V nom，Vmin开始没是距离d>dk是啊没是距离ddi是啊求出d的值。图二.距离测量算法2.3. RAT算法图3示出了RAT算法，其使RN保持在赛道的中心。当距离d >dk时，意味着RN正在向实验环境的固体壁移动，并且可能与壁碰撞。第3节详细描述了实验环境RAT算法还避免了两个并行运行的RN之间的冲突，当d di. RNj可以以三个速度Vmax（j）、Vnom（j）或Vmin（j）中的任何一个运行。 RNj花费tnom（j）时间以Vnom（j）的速度转动角度hi。类似地，RN分别以Vmin（j）和Vmax（j）的速度花费tmax（j）和tmin（j）时间。时隙的降序是tmax> tnom> tmin。在我们的创新方法中，临界转弯角hi是RN左转或右转的基础RN不能转动小于h i的这是RN的最小转弯限制。转向角h1是机器人2的速度和时间的函数。在该算法中，角度hi为15°，因为它正整除角度hk。转向的方向取决于距离di和dk3。所有RN都可以向前、向后、向左和向右移动。RAT算法使用等边直角三角形方法。为了保持轨道的中心线，RN需要转向在轨道上移动轨道的一半宽度的角度hk的角度hk为45°，履带宽度为1米。采用赤道直角三角形法计算轨道半宽b.这是一种几何方法。RN通过转动hk角度远离相邻机器人以移动轨道的宽度b来避免碰撞，如图4所示。RN行进c距离，而不是在轨道上移动宽度b。该技术帮助RN保持恒定的速度，因为为了在轨道上移动距离b，RN需要急转弯，这降低了RN的速度。距离c通过使用等式c2=（a2+b2）来确定。行驶距离c取决于行驶时间。方程式速度=距离/时间给出时间。RN需要在行进距离c之后在与先前的转向方向4相反的方向上转向hk角度，以在轨道上朝向终点线直线移动，如图2所示。图4A点。RAT算法避免了RN的碰撞，并使RN保持在赛道的中心。图4显示了一个等边直角三角形和RN的初始位置，C. RN在C5处转动角度hk。虚线框示出了机器人在转动hk角度后的新位置机器人从该位置行进距离c，如图所示。 四、 当机器人到达点A时，它再次转动hk。在相反的方向上的角度，以纠正对终点线的方向。RN在点A处的新位置由实线框示出。3. 实验细节表2给出了实验和模拟中使用的参数。通常，测量以下三个参数，以比较NCR中的结果。1. 给定任务的任务执行时间2. 在机器人网络中执行任务期间RN之间通信的消息数量3. 机器人网络中所需的通信带宽早期的研究人员（Zhang和Collins，2012;Marin-Perianu等人，2010; Ren和Sorensen，2008; Koes等人， 2006）已经采用了相同的三个参数，而没有编排方法用于RN的固定以及可变移动速度。这里有我没有重复他们的实验，因为不同的研究人员已经完成了不同类型的实验进行比较。端图三. RAT算法使用等边直角三角形方法将RN保持在轨道中心并避免碰撞。2RN的转向度（hi）取决于速度（V max（j）、V nom（j）和V min（j））和时间（t nom（j）、t min（j）和t max（j））。在相同的速度下，RN转30°比转15°3当d di时，RN远离另一RN移动，并且当d > dk时，RN朝向另一RN移动。RN在C点向左转弯45度，以避免与其他RN发生碰撞，如图所示。 四、 在A点，RN再次从之前的位置向相反方向（右）转向4 5度，以纠正朝向终点线的行驶方向。RN检测到距离d小于点C处的di，然后它将RAT算法应用于转弯角hk。端跟踪算法。跟踪算法。计算值C将θk角与前一个角度取决于Vmax、Vnom、Vmin计算值C根据Vmax、Vnom、Vmin，将θk角旋转到与先前角度相反的方向1234R.R. Chowdhary等人/沙特国王大学学报一Cθk一一C9045°BBCθk见图4。等边直角三角形显示RN的初始和最终位置。解释见正文结果。它们的模拟和实验环境也不同。我们吸取了它们算法的关键点，重新设计了算法以满足实验的需要。我们设计了一个机器人接力赛（RRR）的单一实验，比较所有三种方法。目前的实验假设所有RN都以固定的速度运动。根据协调的、集中的和分散的算法，存款准备金率表1给出了其他研究者3.1. RRR实验程序网络化机器人系统中的机器人演示执行RRR的任务RR类似于奥运会中的接力赛存款准备金率使用类似的规则，但有一些变化。大师（或指挥家）控制着比赛。每个从站（或RN）接受主站的命令，并在执行任务后，向主站作出答复。图5示出了一个RRR设置，其中协调器作为主设备，四个RN作为从设备。该装置用于进行实验。图5中的实验环境的外部边界显示了固体壁，并且粗中间水平线仅表示两个平行轨道的分离。跑道是RN的一米宽的走廊。RN分为“1 0”和“2 0”两组。 每组有两名成员。 组“% 1%0” 的 成 员 是 % 1a 和 % 1b ， 组 “% 2% 0 " 的 成 员 是 % 2a 和 %2b 。RN1a和2a在RRR的第一阶段中运行到它们的终点线，类似地RN1b和2b在RRR的第二阶段中运行到它们的终点线，如图5所示。这些齐次RN的组由等式表示。（1）在第2节。当orchestrator开始竞争时，它会在时间ts1分配任务集。任务集和时间间隔集由方程给出（2）和（3）。两个RN组同时（并行地）接收任务集合，然后每个RN组将给定的任务集合划分为相等数量的子任务并给予每个RN6。这里在本场景中，RN具有任务集，并且RN将该任务集划分为两个任务t1和t2。任务t1被给予组一的RN第二组对RN“2a”和“2b”使用类似的任务t1和t2分配我们将相同的任务簇分配给两个RN组，用于测试DM算法，并检查同构RN在所有三种算法中的比较性能，这将在下一小节中解释。任务的分配和聚类由方程表示。（4）和（5），分别为1y。 同时，组“10”成员“1a”和组“20”成员“2a”开始从它们的初始位置移动，因此两个组以并行方式开始执行它们各自的第一任务“10”。 当他们到达终点线时，两个RN在时间t2将接力棒传递给他们的团队成员，以按顺序方式执行下一个任务t20。然后，RN1b和RN 2b继续比赛直到终点线。换句话说，RN 1b和RN 2b在时间ts 3完成任务t 2 0的执行。方程中as和at的交点对于目前的工作，（6）不等于零，因为我们对两个RN的组7使用相同的任务集群图中的虚线。 5显示RN的路径。3.2. 算法本节介绍了用于执行RRR的协调、集中和分散算法。集中式方法使用主机，而编排式方法使用编排器来执行任务。两者都是任务分配和监督当局。不同之处在于，集中式算法中的主机知道完整的任务计划。主服务器将任务分配给RN并监控给定任务的执行状态，而在编排算法中，编排器仅监控给定任务的执行。换句话说，在编排算法中，所有RN都知道他们的任务计划。orchestrator和master之间的详细差异在其各自的算法中进行了解释。所 有 算 法 都 使 用 三 个 消 息 。 它 们 是 task_initiat- ing_msg 、task_execution_msg和task_finish_msg。所有这些消息都包含二进制值，并用于在算法中做出决策。协调器（或主服务器）使用消息计数器来计算每种方法中的消息数量。设计了消息表，消息编号为8。当RN向另一个RN发送消息时，它还将消息表中的消息数量通知给协调器（或主机）。这里，协调器（或主设备）和RN仅发送消息的数量，而不是发送全部消息，以减少通信延迟。每当orchestrator（或master）收到消息时，它会将消息计数器递增9。此外，它使用定时器来测量任务执行时间。协调的、集中的和分散的算法还结合了DM算法以执行给定的任务。表3中给出了使用消息的算法的系统执行。task_initiating_msg：任务发起消息是广播消息。主机或协调器根据算法使用此消息开始NCR中任务的执行。如果该消息的值是task_execution_msg：任务执行消息是表示当前任务是否正在执行的消息。如果该消息的值是Task_finish_msg：RN使用此消息通知它已执行给定的任务。如果此消息的值为7在等式中（6）s和t不代表两个不同的任务簇。我们选择这一点是为了对所有三种算法进行公平的比较。8.所有RN都有内置的消息表和消息号。9.实验器（或主机）递增计数器，以计算每个实验中的消息数量。●●●R.R. Chowdhary等人/沙特国王大学学报1235表1其他研究人员的工作总结方法和作者条件实验环境优点缺点集中式SCA（cSCA）、贪婪式cSCA（gcSCA）和分散式SCA（dSCA）（Zhang et.（2012年））基于扩展一致性算法的分布式编队控制体系结构。(Ren et. al.（2008年））领导者跟随者的方法用于自主车辆协调。（Marin-Perianu et.（2010年））采用约束优化技术的分布式协调方法。(Kose et.（2006年））● 算法的比较是基于计算成本和通信要求。● 建议的架构容纳多个组领导者，并允许机器人之间的任意信息流。● 作者设计了三种不同的驾驶试验，即直线试验、方波试验和随机试验，来检验该方法的性能。在每个测试中，领导者广播其数据，而追随者收听数据。● 标题睾丸用于从保持一个特定的标题根据领导人。● 作者比较了三种重规划策略，即无重规划、完全重规划和选择性干扰最小化。并通过简单的实验分析了通信中断对系统的影响.● 作者用数值实验进行了模拟。● 10000米×10000米竞技场采用机器人匀速运动● 实验使用Ami-goBot和先锋3-DX多机器人平台进行。● 编队控制实验进行了使用一个和多个组长。● 作者进行了模拟和实验。实验中使用了两个机器人，每个机器人都配备了一个基于MSP430单片机的传感器节点。● 作者在随机生成的环境中用五个机器人进行了仿真.● 对于较大的冷却计划比，gcSCA在性能和收敛性方面优于cSCA。● dSCA在平均成本方面不断提高全球性能。● 在动态dSCA中，由于TPI更大，平均成本效率更高，并且它为dSCA提供了鲁棒性，同时增加了通信成本。● dSCA比gcSCA在计算上更密集。● 与单点故障相比，多组引导器的引入增加了鲁棒性，并且还增加了编队维护性能。● 机器人之间的通信增加相比，单一的组长的方法。● 提出的隐式避免碰撞的方法。● 仿真结果表明，跟随者紧密地跟随着引导者的运动轨迹.● 该方法在通信期间遭受分组丢失。● 跟随器能够从任何初始或中间断层方向校正航向。● 实验结果表明，随机检验和平方检验的航向误差比线性检验的航向误差大.● 算法提供了通信故障的鲁棒性。● 与集中协调相比，略微增加了● 在最小通信故障的通信环境中，完全重规划策略优于不重规划策略。● 如果在选择性中断最小化策略中通信失败的次数增加，则性能收敛到无重规划策略。表2实验和模拟中使用的参数。参数单位1. master使用task_initiating_msg启动任务。2. 主控器具有针对每个RN的任务计划RN只执行分配的任务。机器人数量hk4个slave和1个Master3. 所有RN使用单个通信信道。4. RN之间不能直接通信。他们只能通过主人互相交流。3.2.2. 分散算法分散式RRR使用分散式算法。去中心化算法使用相同的三个消息，在第3.2节中解释。与集中式算法不同，RN可以修改该算法中的task_execution_msg和task_finish_msg消息。以下是分散式算法的场景3.2.1. 集中式算法集中式算法用于集中式RRR情况。该算法使用所有三个消息，这将在第3.2节中解释。只有主站可以在集中式算法中修改（更改消息的值）这些消息。主站使用以下场景进行集中式算法：1. 与集中式方法不同，所有RN都能够相互通信，并且它们不需要master作为中介。2. 每个RN必须知道网络中其他RN的状态，以执行协作任务。实验环境轨道长度L15米机器人通信范围C10最大机器人的可移动速度Vmax0.4 ms-1机器人的正常速度Vnom0.2 ms-1分钟机器人之间避免碰撞的距离di0.3m最大保持在轨道中心的机器人之间的距离dk1m1236R.R. Chowdhary等人/沙特国王大学学报3. 主人只启动任务。之后，RN协作地执行给定任务。4. 主服务器作为虚拟主服务器来统计消息的数量。5. 所有RN都知道任务计划。task_execution_msg和task_finish_msg消息。以下是编排算法的场景：1. 协调员的角色是分配任务并监视任务的状态算法1：用于主设备和RN两者的集中式算法详见文字内容task_initating_msg = 0;//RN发送task_initating_msg的集中式算法task_execution_msg = 0;启动计时器task_finish_msg = 0;调用msg计数器while while等待RN响应如果task_initating_msg = 1，则检查task如果ack_msg则开始任务执行，ack_msg到主分配任务或子任务到RN使用距离算法执行给定任务调用消息计数器子任务完成消息。主检查任务子任务状态结束如果结束如果if（（task_execution_msg task_finish_msg）=1）then如果所有任务子任务完成，则task_finish_msg到主呼叫msg计数器退出环路向RN结束if退出循环else结束if主停止定时器的goto开始任务执行结束，同时end elseend while算法2：用于RN和主设备两者的分散式算法详情见正文task_initating_msg = 0;//RN发送task_initating_msg的分散算法task_execution_msg = 0;启动计时器task_finish_msg = 0;调用msg计数器while while等待RN响应如果task_initating_msg = 1，则调用msg计数器启动任务执行停止计时器给所有近RN的消息。end while使用距离算法执行给定任务end if如果task_execution_msg =1，则task_finish_msg发送到所有最近RN。出口回路结束，如果否则MSG. to all near RNgoto start task executionend elseend while3.2.3. 简化算法编排算法使用orchestrator来执行RRR。协调器有权修改第3.2节中描述的所有三个消息，而RN可以修改这两个消息2. 任务计划被预加载到RN中。3. RN彼此之间的通信能力有限4. 每个RN有两个通信通道，一个用于管弦乐队，另一个用于组成员。R.R. Chowdhary等人/沙特国王大学学报1237算法3：RN和Restrator的协调算法详情见正文task_initating_msg = 0; //RN发送task_initating_msg的示例算法//示例算法task_execution_msg = 0;启动计时器task_finish_msg = 0;调用msg计数器while while等待RN响应如果task_initating_msg = 1，则检查任务子任务状态开始任务执行如果所有任务子任务完成，到orchestrator的ack_msg呼叫msg计数器执行给定的任务使用距离算法退出循环结束如果结束如果如果task_execution_msg = 1，则否则task_finish_msg到orchestrator调用消息计数器出口循环如果结束则结束，否则否则停止计时器消息到下一个RN结束，goto启动任务执行end elseend while........1aOrchestrator........2a1a和2a机器人的起点1b和2b机器人的起点和1a和2a机器人的终点图五、环境中使用的机器人接力赛的飞行员控制的RN。表3算法中使用的消息的详细信息留言号码集中式方法分散式方法解释方法1师父，启动任务。（广播）师父，启动任务。（广播）师父，启动任务。（广播）21a开始移动并确认。掌握。1a开始移动并通知1b和2a。（2条留言）.1a开始移动并确认。掌握。32a开始移动并确认。掌握。2a开始移动并通知2b和1a。（2条留言）.2a开始移动并确认。掌握。41a完成任务消息。 掌握。不适用因不适用因5启动消息。1B的主人。接力棒传递信息。从1a到1b接力棒传递信息。从1a到1b61b开始移动并确认。掌握。不适用因1b开始移动并确认。掌握。72a完成任务消息。 掌握。不适用因这会自动确认。1a完成了任务。不适用因8启动消息。2B是主人。接力棒传递信息。从2a到2b接力棒传递信息。从2a到2b92b开始移动并确认。掌握。不适用因2b开始移动并确认。掌握。这会自动确认。2A完成了任务。101b完成任务消息。掌握。1b完成任务消息。1A和2B。（2条留言）.1b完成任务消息。掌握。11Ack大师到1B。不适用因不适用因122b完成任务消息。掌握。2b完成任务消息。2a和1b。（2 msg.）.2b完成任务消息。掌握。13Ack大师到2B。不适用因不适用因1b2b1238R.R. Chowdhary等人/沙特国王大学学报3.3. 硬件描述安装包括英特尔Galileo Gen 2开发板（IGG，2014）。与基于英特尔凌动处理器和英特尔酷睿处理器的设计相比，这些主板提供了一个简单、经济高效的开源开发环境。图6示出了实际的协调器机器人。RN我们的机器人是两轮驱动的机器人。它使用两个120 rpm，12 V直流电机作为动力传动系。机器人与机器人网络中的蓝牙无线电进行交互的见图6。机器人接力赛的机器人助跑器。见图7。 机器人接力赛的机器人节点。蓝牙模块是完全合格的蓝牙V2.0 EDR，3 Mbps的调制与完整的2.4GHz无线电收发器和基带。 我们早期的工作解释了orchestrator和RN的硬件实现细节（Chowdhary等人， 2017年）。这里，RN使用单个超声波传感器来避免冲突，并使用蓝牙无线电来进行通信，如图1所示。 7，而在先前的工作中（Chowdhary等人， 2017年），我们使用三个超声波传感器和Wi-Fi调制解调器进行通信。超声波收发器用于测量RN之间的距离。其正常工作范围为2 cm-4. 模拟和实验结果本节给出了每种方法的性能。RN的轨道长度和数量分别固定为L= 15m和hk=4。每个RN的行程长度也可以从E. （七）、如果我们知道每个RN的任务分配时间tsn和任务完成时间，那么我们也可以确定RN的平均移动速度。4.1. 仿真一个2.44 GHz的系统用于仿真目的。任务执行时间仅在模拟中测量。图8（a）示出了针对所有三种方法的仿真的任务执行时间的值的分布。每种方法进行二十次模拟。在每次模拟中，一组RN完成相同的任务所花费的时间不同。时间差的范围从1 s到20 s。for different不同approaches方法.Matlab用于仿真。在模拟和实验中使用的参数在表2中给出。图9显示了对中央存款准备金率性能的定性研究。集中式方法使用集中式算法执行RRR。所有RN在主设备的控制下执行给定的任务图10示出了分散式方法的模拟结果。根据分散算法进行仿真。去中心化的RRR意味着主人不控制比赛。(a)（b）第（1）款见图8。两个图都显示了任务执行时间值的分布。水平黑线表示任务执行时间的中值，黑点表示任务执行时间的平均值。须线代表最极端的数据点，其不超过方框四分位距的1.5倍。（一）.任务执行时间的模拟值。（b）.任务执行时间的实验值。R.R. Chowdhary等人/沙特国王大学学报1239图9.第九条。集中式RRR。（一）. RR中RN的初始位置（b）. RN的初始（c）. RN 1a和2a遵循的路径（d）. RN 2a和2b的初始移动（e）. RN 1b和2b遵循的路径在比赛的下半场，大师迫使RN彼此靠近在此之后，两个RN都应用DM算法以避免冲突。（f）.所有RN的最终位置。见图11。仿真结果表明，该方法是可行的。示意图说明见图9、图10。在每组实验期间测量RN之间通信的任务执行时间和消息数量。执行时间是在每个实验性试验中完成RRR所需的时间。主机使用计时器来测量任务执行时间。每种方法进行了10次实验。试验的持续时间取决于每种方法中使用的算法。使用相同的RN（“1a”、“1b”、“2a”和“2b”）在所有三种方法中进行实验。图8（b）示出了所有三种方法的实验的任务执行时间的值的分布。RN和主设备之间的消息通信细节如表3所示。图12示出了在任务执行期间在网络中的RN集中式方法传递13条消息，分散式方法传递11条消息，协调式方法传递9条消息以完成给定的任务。图13示出了通道1上的触发脉冲的读数（图中的上部信号）和通道2上的回波脉冲的读数（图中的下部信号）。它显示了当RN出现在距离其他0.32 m处时的触发和回波脉冲注册护士回波脉冲宽度：500ms。见图10。去中心化存款准备金率（一）. RR中RN的初始位置。（b）. RN的初始移动（c）. RN 1a和2a遵循的路径（d）. RN 2a和2b的初始移动（e）. RN 1b和2b遵循的路径。在比赛的下半场，大师迫使RN彼此靠近在此之后，两个RN都应用DM算法以避免冲突。（f）.所有RN的最终位置。每个RN具有专用通信信道以彼此通信。图图11示出了协调器控制的RRR的定性结果。在仿真中使用了协调算法每组RN具有专用通信信道以与主设备通信。4.2. 真实机器人实验是在室内环境中进行的，通过使用实际RN的所有三种方法。这两个参数，1413留言数量121110986420集中分散式管理不同的方法图12个。在所有三种方法中，任务执行期间RN之间传递的消息数留言数量1240R.R. Chowdhary等人/沙特国王大学学报图13岁超声波收发器的触发和回波脉冲5. 讨论本节分析了每种方法的性能。图8中的实验和仿真结果显示了所有三种方法的任务执行时间值的分布所有三种方法的结果进行了比较，彼此使用两个标准的统计方法，即配对符号检验和Wilcoxon符号秩检验。在仿真和真实机器人的情况下，协调和分散的方法比集中的方法显着更有效10，置信度为95%11。在这里，我们假设如果任务执行时间更短，则该方法更好。换句话说，如果算法的复杂度和资源依赖性较小，则算法执行给定任务所需的时间较少。协调和分散的方法在模拟和真实机器人的情况下同样有效两种方法13之间的性能没有统计差异，因为两种方法的RN不完全依赖于控制权限（主或协调器）来执行给定任务。换句话说，协调和分散的方法在任务执行时间方面同样出色图8示出了集中式方法的任务执行时间的值比分散式和分散式方法中的值更分散。实验中，集中式、分散式和协调式方法的平均值和中位数分别为（109.5，110）、（100.5，97.5）和（99，98）。此外，在模拟中，集中式、分散式和协调式方法的平均值和中位数分别为（103，100）、（84.5，85）和（84，84）。我们观察到，任务执行时间的中位数和平均值在与集中式方法相比，分散式和协调式方法。我们测试的实验解释是，与集中式方法不同，协调式和分散式方法都具有较少的通信过载。图8显示了协调方法中的任务执行时间值比分散方法收敛得更多。这显示了协调方法性能的一致性。的10与集中式方法相比，协调和分散式方法需要更少的任务执行时间。经过测试的实验解释是，编排方法中的RN已经知道任务计划，并且与分散方法相比具有更少的通信开销。 从图8中可以看出，模拟结果的中值和平均值均小于实验值。超声波收发器信号计算和致动器（马达）回路延迟两者所需的时间可能是该观察结果14的可能原因。图12显示了协调方法需要较少数量的通信消息来完成任务，而分散和集中的方法都需要大量的消息。这提供了减少通信过载以及通信信道的优点。这在分散式方法中是不可能的，因为它为每个RN使用专用通信信道。另一方面，集中式方法具有通信带宽的优点，因为它使用用于主设备和RN的单个通信信道，但是它需要更多的时间来执行给定任务。 换句话说，与集中式方法不同，协调和分散式方法使用大量的通信信道15我们推断，如果主机在集中式方法中失败，则机器人系统网络无法完成给定的任务。集中式方法是强烈的主依赖性。而在编排方法中，每个RN都知道自己的任务，因此更换编排器并不是一项繁琐的工作。与分散式方法不同，任务可以在执行期间修改DM算法在仿真和实验中取得了较好的效果。所有三种方法中的DM算法都不会增加任何额外的通信过载，因为它不会在两个并行运行的RN之间传递任何消息。这是距离算法的一个优点。使用DM算法，为了平稳进行RRR，所需的最小轨道宽度为0.79 m。该限制是由于表2中给出的实验参数的选择。通过减小表示RN16之间的最小距离的di的值，可以进一步减小最小所需轨道宽度。6. 结论集中，分散和协调的方法进行了研究，在目前的工作。实现了距离测量算法和任务分配模型。距离测量算法避免了机器人节点之间没有消息传递时的碰撞。当两个或多个机器人节点（RN 1b和2b）在机器人接力赛的第二阶段以相同的速度移动时，它工作得很好。然而，它也避免了在机器人接力赛的第一阶段中以可变速度发生碰撞（对于RN 1a和2a）。实验和仿真结果的所有三种方法进行了比较。结果表明，与集中式和分散式方法相比，协调式方法在通信过载、任务执行时间、通信带宽和性能一致性等方面具有各自的优势。该编排可用于军事、灾难管理和需要监控权限的类似应用。在我们未来的工作中，我们将使用机器人节点在执行给定任务期间的反馈，我们在这里没有采取。图11配对符号检验，假设：性能相同。 替代假设：性能不同。12配对符号检验，假设：任务执行时间相同。备择假设：任务执行时间不同。13Wilcoxon符号秩检验、检验假设和备择假设与符号检验相同。14在致动器从“开”到“关”的状态转换中需要环路延迟，反之亦然。15.分布式使用两个通信信道，分布式使用四个通信信道。16di的值不能等于零，因为RN必须停在安全距离处以避免碰撞。R.R. Chowdhary等人/沙特国王大学学报1241引用Akhtar，A.，Nielsen，C.，Waslander，S.L.，2015.类车机器人动态横向反馈线性化路径跟踪。IEEE Trans. Robot. 31（2），269-279。Cardozo，E.，Guimaraes，E.，罗查湖，Souza R，Paolieri，F.，Pinho，F.，2010年。网络机器人的平台。IEEE/RSJ智能机器人与系统国际会议（IROS）1000-1005Chopra ， S. ， Egerstedt ， M. ， 2014. 异 构 多 机 器 人 路 由 。 American ControlConference，Portland，OR，pp. 5390-5395。乔杜里，R. R.，Chattopadhyay，M.K.，Rajkamal 2015年。集中式与分散式网路机器人系统之协调器研究在：信息工程