1.一种未知环境下的群机器人多目标搜索方法,其特征在于,包括以下步骤:步骤一:构建未知环境模型、目标响应函数;步骤二:机器人检测目标信号,基于目标响应函数进行动态分工,搜索某个目标视为一个子任务,完成同一子任务的机器人所在的集合形成子联盟;步骤三:引入闭环调节,评估各个子任务的资源分配,形成新的子联盟;步骤四:未组成子联盟的的机器人进行漫游搜索;组成子联盟的机器人基于位置估计的粒子群算法和边界扫描的避障策略,对目标进行搜索。2.根据权利要求1所述的未知环境下的群机器人多目标搜索方法,其特征在于,所述步骤一中,构建未知环境模型过程为:有限的二维空间R2内,存在一个全集U={R∪T∪B},其中群机器人R={Ri|i=1,2,...,imax,imax≥10},Ri为第i个机器人,imax为机器人总数;目标T={Tj|j=1,2,...,jmax,jmax>1},Tj为第j个目标,jmax为目标总数;障碍物B={Bs|s=1,2,...,smax,smax≥1},Bs为第s个障碍物,smax为障碍物总数;Ri、Tj、Bs位置分别表示为Xi(t)、T(xj,yj)、B(xs,ys);在此环境中,群机器人R作为搜索主体,目的是搜索到所有待搜索对象目标T,即存在一个机器人与某个目标的距离小于目标到达阈值,同时避免与障碍物及其他机器人发生碰撞。3.根据权利要求2所述的未知环境下的群机器人多目标搜索方法,其特征在于,所述步骤一中,群机器人搜索目标时,通过自身传感器不间断地探测环境中的目标的信号,信号强度用目标响应函数表示如下:式中,Iij是机器人Ri探测到目标Tj的响应函数值;m是环境的衰减系数,0<m<1;Q是目标的恒定信号功率;η( )代表高斯白噪声,满足标准正态分布;Tdistance为机器人与目标的欧式距离,LT表示最大目标感知半径。4.根据权利要求3所述的未知环境下的群机器人多目标搜索方法,其特征在于,所述步骤二中,群机器人在搜索目标时,总任务是搜索到所有目标,而搜索某个目标视为一个子任务,完成同一子任务的机器人所在的集合形成子联盟,机器人按照以下方式组成子联盟:得知目标信息的机器人分为两类,由自身传感器探测到目标信号的机器人记为A类机器人,由机器人之间的通信得知目标信号的机器人记为B类机器人;设目标响应阈值为Imin,若A类机器人探测到多个目标的信号,则先选择Iij>Imin的目标作为备选目标,之后再按照轮盘赌法从备选目标中选择自己当前唯一的子任务搜索目标;轮盘赌法用下面两个等式表示:其中,ti表示被机器人Ri作为备选目标的数量;当P(i,j‑1)<Rand<P(i,j)时,Rand是满足0~1均匀分布的随机数,机器人Ri选择目标Tj作为子任务的搜索目标;其他A类机器人
根据同样的原则,选择目标搜索子任务,同样子任务的机器人组成子联盟;而B类机器人则直接加入与其通信的机器人中距离最小且已经组成子联盟的A类机器人所在子联盟。5.根据权利要求4所述的未知环境下的群机器人多目标搜索方法,其特征在于,所述步骤三中,在子任务分配后,引入闭环调节,即在初步的子任务分配结束后,再评估各个子任务的资源分配;判断此时每个子联盟的机器人数G是否大于最大允许个数Gmax,当G>Gmax,子任务以择优选取的原则选取Gmax个机器人作为该子任务的联盟个体,择优原则为:优先选择A类机器人,A类机器人中优先选择目标信号强者,B类机器人中选择距离通信机器人近者。6.根据权利要求5所述的未知环境下的群机器人多目标搜索方法,其特征在于,所述步骤四中,未组成子联盟的的机器人进行漫游搜索的过程为:首先构建机器人运动模型,考虑二维环境中的目标搜索,机器人的运动学方程表示为式中Vi(t)是机器人Ri在t时刻的运动速度,||Vi(t)||是机器人Ri在t时刻运动速度的大小,θi(t)是机器人Ri在t时刻运动速度的方向,xi(t)和yi(t)是速度的横轴与纵轴坐标,即Vi(t)=(xi(t),yi(t)),同时||Vi(t)||≤Vmax,Vmax为速度的最大值;群机器人在进行目标搜索时,搜索对象包括其他机器人、障碍物,搜索对象对机器人有虚拟力,且满足虚拟施力函数,如式(5)其中fvirtual为虚拟力,与距离的平方成反比,d为机器人与对象之间的欧氏距离,对象为机器人时d0=2LT,对象为障碍物时d0=LB,LB为最大障碍物感知半径,c为虚拟施力函数系数,lk为增强避障距离;在机器人与机器人之间存在斥力,障碍物边界对机器人存在吸引力;机器人Ri在漫游状态时,距离Ri最近的两个机器人对其有斥力,而在避障时,障碍物边界点对机器人有吸引力,构建简化虚拟受力模型,简化虚拟受力模型中fvirtual1和fvirtual2为离机器人Ri最近的两个机器人R1和R2对机器人Ri施加的虚拟力,fvirtual1和fvirtual2的大小||fvirtual1||和||fvirtual2||满足式(5),与横轴x夹角
式(6)中(xoni,yoni)为以(xi,yi)为圆心,di为半径的圆上的点,di满足式(7),i=i1,i2,i3;目标的估计点(x,y)满足方程(8):
三个圆的公共交点至多只有一个,因此方程(8)的解唯一;但环境中存在干扰的高斯白噪声,因此方程(8)无解,考虑最小二乘解,由式(8)两边开根号后得到式(9)中残量范数:即:
当f(x,y)取得最小值时,即残量范数取得最小值,此时(x,y)即为所求;求解f(x,y)的最小值及其Test(x,y)的取值方法采用基于杂交的粒子群算法,以100为种群大小迭代步100,即得到近似解Test(x,y);将群机器人的子任务搜索过程与粒子群算法迭代过程映射,每一步迭代的位移用粒子群算法中的速度表示;由于在群机器人搜索目标时,不能获取全局信息,只有子任务的目标信息,因此全局最优取单个子联盟的最优,即半全局最优,并加入由式(10)得到的目标位置估计,得到目标位置估计的粒子群算法,如式(11)所示:其中Vipso(t+1)为粒子群算法计算得到的t+1时刻速度,即下一步速度;Vi(t+1)为考虑机器人运动惯性后的下一步期望速度,Xi(t+1)为下一步理想位置,Vi(t)、Xi(t)为当前步的速度和位置;c1、c2、c3分别为认知系数、社会系数、目标位置估计系数;r1、r2、r3为满足区间在(0,1)均匀分布的随机数,ω为惯性权重,α为考虑运动学的惯性环节,pbi为个体历史最优,sgb为半全局最优,Test是由式(10)得到的目标位置估计。8.根据权利要求7所述的未知环境下的群机器人多目标搜索方法,其特征在于,所述步骤四中,边界扫描的避障策略的过程为:假设函数F(θ)的表达式如下:F(θ)=θ‑2π·sgn(θ)·δ(|θ|‑π)‑2π<θ<2π (12)其中:
避障方向分为两种逆时针避障或逆时针避障,考虑避障后得到的速度Vi(t+1),设定当F(