多机器人系统具有自适应性,并行性和可扩展性等优势,在制造、军事、教育和服务业具有广阔的应用前景。机器人之间的协同合作问题在该领域具有良好的研究价值和应用前景。机器人之间通过有效的协调机制分配巡逻任务来确保巡逻区域被机器人有序的进行访问覆盖。本文主要对多机器人系统的巡逻算法进行了研究,确保机器人可根据收集到的信息自主规划路径,以系统的空闲时间、目标点的访问频率作为对全局任务的评价标准对提出的巡逻算法进行验证,主要研究内容如下:(1)针对多机器人系统执行巡逻任务过程中的数量优化问题,构建了一种基于全局平均最大空闲时间的分布式巡逻算法来解决多机器人系统执行巡逻任务过程中的数量优化问题。每个机器人利用共享的信息来估算全局平均最大空闲时间,并结合机器人在当前顶点收集的信息来决策、选择下一个将要被机器人访问的顶点。然后根据全局平均最大空闲时间的大小来估算在巡逻任务过程中多机器人团队的表现,可得知完成此巡逻任务所需的最优机器人数量。通过仿真实验与几种现有的分布式巡逻算法进行比较,该算法的收敛速度更快,得到的全局平均最大空闲时间值更小,使用此算法来完成多机器人巡逻任务得到的效果更好。(2)针对多机器人在巡逻过程中的覆盖率问题,构建了一种基于覆盖率的分布式巡逻算法。机器人之间通过协调来选择合适的巡逻路径对环境进行覆盖,同时减少相邻机器人之间的重叠率以及对地图中各个顶点的访问频率趋于一致,通过提高多机器人系统在执行巡逻任务过程中对环境中目标点的覆盖率,降低巡逻区域的重叠率,从而进一步降低多机器人系统的空闲时间,提高巡逻效率。利用ROS仿真平台验证了该算法的有效性。(3)针对多机器人系统在动态环境中的巡逻问题,构建了一种基于全局平均空闲时间的分布式巡逻算法。在执行巡逻任务过程中,机器人之间通过共享的信息来估计全局平均空闲时间,根据自己在当前节点收集的信息以及动态环境中路径的选择策略,来决策出下一个被访问的目标点。通过提高对巡逻环境中重要程度较高和空闲时间较大节点的访问频率,来降低多机器人系统巡逻的全局平均空闲时间。仿真实验对该算法在动态环境和静态环境中的表现进行了对比分析,验证了该算法的有效性和稳定性。