本发明属于机器人，具体地是涉及面向地下空间探测的多异构机器人自主任务分配系统。
背景技术：
1、近年来，随着地下非结构化不规则空间探测需求的增加，探测难度越来越高，探测机器人如何实现全域任务分配成为地下空间探测的关键。地下非结构化不规则空间探测任务，如城市地下管廊探测任务，具有时间空间约束、多源异质干扰、高动态多目标的特点，导致传统探测机器人任务分配效能受限等问题。面对如此复杂场景，现有技术中的单一智能体系统或同构机器人由于无法充分利用本体、环境、地理等信息，很难完成地下空间的探测任务，而多异构机器人可以克服以上问题完成探测任务。
2、由此可见，对多异构机器人全域任务分配成为探测成功的基础；然而，面对卫星拒止与非结构化地下空间环境下多目标任务分配，以往的任务分配方法：如线性规划相关的方法、启发式的方法、基于市场机制的方法和基于学习的方法等都难以适用。因此，研发一种面向地下空间探测的多异构机器人自主任务分配方法，显得尤为重要。
技术实现思路
1、本发明就是针对上述问题，弥补现有技术的不足，提供面向地下空间探测的多异构机器人自主任务分配系统；本发明有效提高地下空间探测的自主性、安全性和可靠性。
2、为实现上述目的，本发明采用如下技术方案。
3、本发明提供的面向地下空间探测的多异构机器人自主任务分配系统，包括分割区域与异构机器人集群关系建立单元、问题建模单元、故障在线监测单元、干扰在线观测与预测单元、迁移学习单元、任务与异构机器人映射单元；
4、所述分割区域与异构机器人集群关系建立单元通过有限时间bernstein网络建立分割区域与异构机器人集群关系，根据地下空间的探索区域工作量，划分为不同的子区域，根据异构机器人自身执行能力，将异构机器人划分多个异构机器人群落，形成功能互补型异构机器人集群；
5、在所述分割区域与异构机器人集群关系的基础上，通过所述问题建模单元刻画目标优化函数与约束条件；通过所述故障在线监测单元监测每台异构机器人的运行状态，一旦某台异构机器人发生故障，则该台异构机器人退出探测任务，其作为问题建模单元的约束条件；通过干扰在线观测与预测单元对任务分配中的干扰因素进行表征与预测，一旦观测到外界干扰，其同样作为问题建模单元的约束条件；
6、在所述问题建模单元、故障在线监测单元、干扰在线观测与预测单元的基础上，通过所述迁移学习单元进行以往相似案例推理与规则推理，利用过往经验加快任务分配速度；
7、在所述迁移学习单元的基础上，由所述任务与异构机器人映射单元通过市场拍卖机制构建分割区域内各任务与各群内异构机器人关系，完成任务分配。
8、作为本发明的一种优选方案，所述的有限时间bernstein网络由输入层、中间层和输出层构成，有限时间bernstein网络的表达式如下：
9、；
10、其中，为展开到次的bernstein网络；为展开次数；为有限时间项；；为符号函数；为权重系数；；为中间层节点数量；为定义在[0,1]上的实值函数；为网络输入；为输入项数。
11、作为本发明的另一种优选方案，所述的以往相似案例推理，包括通过计算源案例与目标案例的相似度，从案例库中检索与目标案例相似度最高的历史案例，计算公式如下：
12、；
13、其中，，分别代表源案例与目标案例；为源案例与目标案例的归一化处理后的欧氏距离； k为检索属性编号； n为检索属性总个数；为编号 ｋ属性权值；为源案例与目标案例在编号 ｋ属性维度上归一化处理后的距离。
14、作为本发明的另一种优选方案，所述的规则推理，包括建立规则库以及决策推理机制；规则库来源于以往任务分配案例所形成的分配规则，决策推理机制通过推理技术、专家系统、agent技术、知识获取和知识表示完成机制建设。
15、作为本发明的另一种优选方案，所述的任务与异构机器人映射单元，还包括根据群内异构机器人数量与群内任务数量的关系，分为如下情况：（1）群内任务数量等于异构机器人数量时，采用市场拍卖机制进行任务分配；（2）群内任务数量大于异构机器人数量时，任务分配效益需要考虑时序因素约束，按任务时序发布，然后采用市场拍卖机制进行任务分配。
16、作为本发明的另一种优选方案，所述的市场拍卖机制，包括通过竞价的方式将任务分配给各异构机器人，在拍卖算法中，每台异构机器人提交一个竞价，表示此台异构机器人愿意完成该任务的价格；最后，任务被分配给出价最高的异构机器人。
17、作为本发明的另一种优选方案，所述的有限时间bernstein网络利用学习算法优化其参数，学习算法采用levenberg-marquardt算法、递推最小二乘算法、反向传播算法、扩展卡尔曼滤波算法中的任意一种。
18、作为本发明的另一种优选方案，通过所述的信号处理技术对原始信号进行分析，去掉噪声信号；信号处理技术采用傅里叶变换或者小波分析法。
19、本发明有益效果：
20、本发明所提供的一种面向地下空间探测的多异构机器人自主任务分配方法，通过所述的分割区域与异构机器人集群关系建立单元、问题建模单元、故障在线监测单元、干扰在线观测与预测单元、迁移学习单元、任务与异构机器人映射单元相结合，完成地下空间探测任务，赋予异构机器人强自主、强适应、强生存的智能行为能力；从而能够有效提高城市地下管廊探测任务分配效率与安全性，具有自动化、数字化、智能化特性。
1.面向地下空间探测的多异构机器人自主任务分配系统，其特征在于，包括分割区域与异构机器人集群关系建立单元、问题建模单元、故障在线监测单元、干扰在线观测与预测单元、迁移学习单元、任务与异构机器人映射单元；
2.根据权利要求1所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述的有限时间bernstein网络由输入层、中间层和输出层构成，有限时间bernstein网络的表达式如下：
3.根据权利要求2所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述分割区域与异构机器人集群关系建立单元，根据有限时间bernstein网得到的权值大小决定分割区域与异构机器人集群对应关系；建立的函数关系式：，，，其中，表示异构机器人群，表示异构机器人群数量，表示分割区域数量，为连接权重，表示分割区域；用有限时间bernstein网络描述。
4.根据权利要求1所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述问题建模单元，利用异构机器人的功能互补性，考虑时空约束条件，实现任务协同和信息共享；在所述分割区域与异构机器人集群关系的基础上，最大化每个集群的任务完成度和全局任务奖励，建立如下多目标优化函数：；其约束条件为：；式中，记任务分配矩阵为：；其中，，；s为分割区域的序号；为异构机器人i对任务的可执行能力；为异构机器人i的任务序列包，储存了异构机器人i计划执行的任务及其排序；为执行任务j的奖励值，是与和相关的一个非负函数；为每个组收敛时的迭代次数；为每个分割区域分配的异构机器人数量；为异构机器人i执行任务数量的上限。
5.根据权利要求2所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述故障在线监测单元，用于通过有限时间bernstein网络建立故障监控模型，结合信号处理技术以及历史数据，建立监测标准，转化为二分类问题，0代表无故障，1代表有故障，对每台异构机器人进行异常状态监测；其中，故障监控模型建立如下：利用有限时间bernstein网络作为故障分类器，输入层采用经过信号处理后的机器人运行监控数据，输出层分别为无故障数据和有故障数据，把无故障数据标记为“0”，把有故障数据标记为“1”，对网络进行训练；当监测并诊断出某台异构机器人出现故障，该台异构机器人退出探测任务，其它无故障异构机器人进行补位。
6.根据权利要求2所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述干扰在线观测与预测单元，用于通过有限时间bernstein网络建立干扰观测器，量化与表征干扰影响；其中，干扰观测器建立如下：利用有限时间bernstein网络，输入层采用经过信号处理后的观测数据，输出层为干扰数据，对网络进行训练；以及用于通过信号处理技术与历史数据，同时结合利用有限时间bernstein网络建立干扰预测模型，对干扰进行预测，完成对干扰的早期干预；其中，干扰预测模型建立如下：利用有限时间bernstein网络，输入层采用经过信号处理后的历史干扰数据，输出层为干扰预测数据，对网络进行训练。
7.根据权利要求1所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述的以往相似案例推理，包括通过计算源案例与目标案例的相似度，从案例库中检索与目标案例相似度最高的历史案例，计算公式如下：
8.根据权利要求1所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述的规则推理，包括建立规则库以及决策推理机制；规则库来源于以往任务分配案例所形成的分配规则，决策推理机制通过推理技术、专家系统、agent技术、知识获取和知识表示完成机制建设。
9.根据权利要求1所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述的任务与异构机器人映射单元，还包括根据群内异构机器人数量与群内任务数量的关系，分为如下情况：（1）群内任务数量等于异构机器人数量时，采用市场拍卖机制进行任务分配；（2）群内任务数量大于异构机器人数量时，任务分配效益需要考虑时序因素约束，按任务时序发布，然后采用市场拍卖机制进行任务分配。
10.根据权利要求9所述的面向地下空间探测的多异构机器人自主任务分配系统，其特征在于：所述的市场拍卖机制，包括通过竞价的方式将任务分配给各异构机器人，在拍卖算法中，每台异构机器人提交一个竞价，表示此台异构机器人愿意完成该任务的价格；最后，任务被分配给出价最高的异构机器人。
