1.基于目标跟踪控制策略的单移动机器人最优巡回控制方法，包括地图构建、任务描述、拓扑构建、路径寻优、任务分解、目标跟踪控制和位姿信息反馈7个步骤，其特征在于：首先，对输入的环境信息进行建模，构建加权切换系统模型，同时输入描述任务需求的线性时序任务公式，并进行转换，输出任务图表；其次，将加权切换系统模型和任务图表进行融合，构建任务可行网络拓扑；接着，采用基于Dijkstra算法的最优路径搜索算法在任务可行网络拓扑上搜索出满足任务需求的最优路径，并将任务可行网络拓扑上的最优路径映射回加权切换系统模型，获得环境中满足任务需求的最优路径；之后，将实际环境中对应最优路径上的离散坐标点存储在缓存中，并结合当前任务完成情况，按序读取缓存中的目标点；

然后，采用目标跟踪控制策略，结合目标点坐标信息和实时反馈的机器人位置与朝向信息，根据机器人与目标点之间的距离和角度的偏差给出控制量，控制机器人完成最优路径跟踪；最后，实时采集机器人当前运行环境的图像信息，通过色块识别的方法，采用UDP通信的方式，反馈回机器人当前的位置坐标和朝向信息，具体实现步骤如下：步骤1，地图构建

将机器人当前运行环境构建为加权切换系统模型；将移动机器人所在的运行环境划分为有限多个方块区域，每个独立的区域用字母qi∈Q表示，其中i∈{1,2,3,...}，Q是区域的集合，Q0表示机器人的初始位置，机器人在环境中的移动对应区域的变化，表示为→；

从一个区域到相邻区域的移动距离或是机器人移动的成本(权值)，表示为ω，移动机器人在特定区域所执行的任务表示为πi∈Π，其中i∈{1,2,3,...}，Π是所有任务的集合；

如此构成一个转换系统模型，用字母T表示：T＝(Q,Q0,→,Π,ω)；

步骤2，任务描述

采用线性时序逻辑语言来描述指定任务，以线性时序任务公式的形式表达任务需求，并将任务公式转换为任务图表；线性时序逻辑语言产生的表达式基于切换系统的任务集合πi∈Π，线性时序逻辑语言的语法包括如下：线性时序逻辑语言的谓词包括 (非)、∨(或)、∧(与)、□(全局)、◇(最终)、U(直到)；用线性时序逻辑语言表述的任务需求用字母φ表示，φ是由切换系统模型中的子任务πi∈Π和谓词所组成的表达式：假设φ1和φ2为两个任务需求， 表示不能执行φ1， 表示执行φ2同时避免执行φ1，φ1∧(□φ2)表示执行φ1和φ2并最终执行φ2，(◇□φ1)∧(◇□φ2)表示循环执行φ1和φ2；采用线性时序逻辑语言表述的移动机器人巡回任务为：(◇□O)∧(◇□q1)∧(◇□q2)∧(◇□q3)∧...

其中，O为机器人运行环境中需要全局避开的区域，qi∈Q为环境中需要巡回的节点；在获得任务表达式后，采用LTL2BA工具箱将任务表达式φ转换成对应的Büchi自动机，Büchi自动机是可判断输入的路径序列是否满足任务需求的图表，用字母B表示：B＝(S,S0,∑B,δB,F)，其中S是有限状态集合， 是初始状态集合，∑B是输入字母表，δB是转换函数， 是最终状态集合；Büchi自动机可以保证路径满足任务需求；

步骤3，拓扑构建

将加权切换系统模型和任务图表相融合构建任务可行网络拓扑；把输入的加权切换系统模型T与任务图表B作笛卡尔乘积，得到任务可行网络拓扑，用字母P表示，即P＝T×B，其中T＝(Q,Q0,→,Π,ω)，B＝(S,S0,∑B,δB,F)，P＝(SP,Sp0,→P,FP)，SP＝Q×S为有限状态集合，Sp0＝Q0×S0为初始状态集合， 为转换函数，FP＝Q×F为最终状态集合；在任务可行网络拓扑上所包含的路径，既满足指定的任务需求，又符合机器人当前的运行环境；

步骤4，路径寻优

采用基于Dijkstra算法的最优路径搜索算法，根据线性时序逻辑任务公式中要求访问节点的出现顺序，在任务可行网络拓扑上搜索出最优路径；然后，将任务可行网络拓扑上的最优路径映射回加权切换系统模型上，获得实际环境中的最优路径；其中，搜索所得的最优路径为一个机器人运行环境中最优路径上对应的离散坐标点集；

步骤5，任务分解

将步骤4所得的最优路径存入缓存，并结合当前任务完成情况(已访问的点)，按序将离散坐标点集中的坐标信息发送给目标跟踪控制器，用以控制机器人实现路径跟踪，直到遍历离散坐标点集中的所有点，以确保机器人完成完整的路径跟踪；

步骤6，目标跟踪控制

* *

结合步骤5给出的目标点坐标(x,y)和实时反馈的机器人当前位置坐标(x,y)，根据两轮差动机器人运动学特性，可以得到机器人到目标点的距离偏差r为：根据全局摄像头实时采集的机器人上前后两个不同颜色的色块中心点坐标信息，换算得到坐标系X轴的正方向按顺时针旋转到机器人正面朝向所经过的角度θ，从而可以得到机器人与目标点之间的角度偏差φ为：其中， 可表示为：

根据上述获得的机器人与目标点之间的距离偏差r和角度偏差φ，采用具有如下形式的控制器，获得机器人的线速度和转动速度υ＝K1rcos(φ)

ω＝-K1sin(φ)cos(φ)-K2φ

其中，K1和K2为控制参数，υ为机器人向前运行的速度，ω表示机器人转向时的角速度；然后，再根据两轮差动机器人的运动学特性得到移动机器人左右两轮的控制量为：其中，υL和υR分别表示机器人的左右两轮速度，d为机器人左右两轮之间的距离；在控制量υL和υR的作用下，移动机器人朝着给定的目标点运行；

步骤7，位姿信息反馈

在机器人运行过程中，采用全局相机实时采集机器人当前运行环境的图像信息，通过图像处理记录并显示机器人的运行轨迹，并以色块识别的方法将机器人当前的位置坐标信息和朝向信息通过通信协议UDP反馈给步骤6中给出的目标跟踪控制器，从而实现闭环控制，其中，机器人的朝向通过获取机器人上两个不同颜色的色块的中心坐标来换算得到；此外，当机器人运动到当前给定的目标点时，重复执行步骤5，给出下一个目标点的坐标，实现分段目标跟踪，最终达到路径跟踪的效果。

2.根据权利要求1所述的基于目标跟踪控制策略的单移动机器人最优巡回控制方法，其特征在于所述的步骤6中，目标跟踪控制器υ＝K1rcos(φ)

ω＝-K1sin(φ)cos(φ)-K2φ

中的控制参数K1和K2必须都大于零，以满足李雅普诺夫稳定性判据，使得在有限的时间内，机器人到目标点的距离r和机器人与目标点之间的角度偏差φ能够收敛到0，即，使得目标跟踪控制器能够控制机器人向目标点运动；而且，控制参数K1和K2取值的差值不可过大，以免K1和K2差值过大时机器人会产生很高的角速度，导致机器人蛇形前进，影响控制效果。