CN104865826B - 一种基于合作预测控制的多机器人环境监测方法 - Google Patents

一种基于合作预测控制的多机器人环境监测方法 Download PDF

Info

Publication number
CN104865826B
CN104865826B CN201510121747.7A CN201510121747A CN104865826B CN 104865826 B CN104865826 B CN 104865826B CN 201510121747 A CN201510121747 A CN 201510121747A CN 104865826 B CN104865826 B CN 104865826B
Authority
CN
China
Prior art keywords
mrow
msub
robot
mover
moment
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN201510121747.7A
Other languages
English (en)
Other versions
CN104865826A (zh
Inventor
吕强
刘士荣
张波涛
谢小高
王坚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Rongdi Environmental Protection Technology Co ltd
Original Assignee
Hangzhou Dianzi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Dianzi University filed Critical Hangzhou Dianzi University
Priority to CN201510121747.7A priority Critical patent/CN104865826B/zh
Publication of CN104865826A publication Critical patent/CN104865826A/zh
Application granted granted Critical
Publication of CN104865826B publication Critical patent/CN104865826B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Abstract

本发明涉及一种基于合作预测控制的多机器人环境监测方法。本发明采用径向基函数网络建立环境质量参数模型，对于每一个机器人，在每一时刻，都可以使用自己和他的邻居机器人通过网络传输过来的新的质量参数数据来更新建立的环境质量参数模型；再在环境质量参数模型的基础上，建立环境质量参数优化问题，采用预测控制方法，获得机器人理想的最优运动轨迹；最后建立多机器人合作控制优化问题，基于机器人的理想的最优运动轨迹，采用预测控制方法，产生机器人实际最优的控制序列，并采用实际最优控制序列中第一个控制输入到机器人，控制机器人的运动。本发明在保证多机器人追踪环境质量参数最优值的同时，可以保持多机器人运动避碰以及速度相差有界。

Description

一种基于合作预测控制的多机器人环境监测方法
技术领域
本发明属于自动化技术领域，涉及一种面向环境质量参数监测的多机器人合作控制方法。
背景技术
环境质量对人类安全有着非常重要的意义，如海洋环境中的盐分浓度分布、Ph值分布、温度分布，陆地上的有毒气体浓度分布等等。这些环境参数能够很好地表征环境的质量特征，因此，统称为环境质量参数。如何快速有效地追踪环境质量参数中的最优值，是建立环境质量参数分布模型的一个极其重要的问题。然而，环境质量参数的分布在不同的环境下，呈现出不同的特点。通常的情况，可以采用梯度的方法控制多机器人系统追踪环境质量参数的最优值，从而建立合适的环境质量参数分布模型。然而，实际的环境中，由于洋流、温度、风力等不同因素的影响，使得环境质量参数分布极其复杂，采用梯度的方法由于不确定因素的存在，使得多机器人系统建立的环境质量参数模型仅具有局部特征。在这一背景下，本发明弥补了现有技术的不足。
发明内容
本发明的目标是针对现有技术的不足之处，提供了一种有效地环境质量参数监测方法，使得建立的环境质量参数模型具有全局特征。首先采用径向基函数网络建立环境质量参数模型，对于每一个机器人，在每一时刻，都可以使用自己和他的邻居机器人通过网络传输过来的新的质量参数数据来更新建立的环境质量参数模型；然后，在环境质量参数模型的基础上，建立环境质量参数优化问题，采用预测控制方法，获得机器人理想的最优运动轨迹；最后，建立多机器人合作控制优化问题，基于机器人的理想的最优运动轨迹，采用预测控制方法，产生机器人实际最优的控制序列，并采用实际最优控制序列中第一个控制输入到机器人，控制机器人的运动。本发明弥补了传统控制的不足，设计的合作预测控制的环境监测方法，在保证多机器人追踪环境质量参数最优值的同时，可以保持多机器人运动避碰以及速度之间的协调。本发明采用的控制方法可以有效地保证多机器人更好地监测环境质量参数，从而更准确地建立环境质量参数模型。
本发明方法的步骤包括：
第一步：采用径向基函数网络建立环境质量参数模型，具体步骤如下：
a、对于第i个机器人的环境质量参数模型fi(x)，即径向基函数网络如(1)式所示，其中：i＝1，2，...，n，n是机器人的数量；
其中：αkk是径向基函数的权重；m是径向基函数的个数；x是机器人的位置；fi(x)表示在机器人在位置x，径向基函数网络输出的环境质量参数预测值；pkk(x)是第kk个径向基函数，具体如(2)式所示。
其中：γ是归一化常数；ukk是径向基函数中心；σkk是径向基函数的宽度；exp(·)是指数函数；||·||表示2范数。
b、对于第i个机器人的所有邻居，即可以和第i个机器人通信的机器人集合用表示，那么第i个机器人的环境质量参数模型中径向基函数的权重αkk(kk＝1，2，...，m)根据(3)式更新。
其中：min表示取最小值；|·|表示绝对值；由于第j个机器人在第i个机器人的邻域内，即因此，能和第i个机器人通信，可以将第j个机器人的位置xj和环境实际质量参数数值z(xj)(z(xj)表示第j个机器人在位置xj的环境质量参数实际数值)发送给第i个机器人；fi(xj)表示第i个机器人的环境质量参数模型对第j个机器人的位置xj上的环境质量参数预测值；(3)式的目的是找到环境质量参数模型权重的一组值使得环境质量参数模型的预测值和环境质量参数实际数值的均方误差最小。
第二步：基于环境质量参数模型，建立环境质量参数优化问题，采用预测控制方法产生机器人的理想的最优运动轨迹，具体步骤如下：
a、在环境质量参数模型的基础上，建立的环境质量参数优化问题如下：
其中：max表示取最大值；表示第i个机器人在k时刻预测的位置序列N是预测的长度；是关于位置序列的成本函数；s.t.表示位置序列应满足的条件，这个条件就是机器人的动力学方程；是第i个机器人在k时刻的位置；是第i个机器人在k时刻的速度；是第i个机器人在k时刻预测的在第k+l时刻的位置；是第i个机器人在k时刻预测的在第k+l时刻的速度。是第i个机器人在k时刻需要求得的在第k+l时刻的控制输入；表示第i个机器人在k时刻需要求得的控制序列
b、求解环境质量参数优化问题(4)，获得理想的最优预测控制序列，即：
其中：表示第i个机器人在k时刻获得的理想的最优控制序列对应于该理想的最优控制序列，我们可以得到第i个机器人在k时刻理想的最优位置序列和理想的最优速度序列如果用(上标T表示矩阵的转置)表示在k时刻获得的在第k+l时刻的最优状态，那么对应于理想的最优控制序列，我们可以将理想的最优位置序列和理想的最优速度序列表示成理想的最优运动轨迹(状态序列)将第i个机器人在k时刻获得最优运动轨迹发给他的邻居，同时，获得他的邻居发给他的最优运动轨迹
第三步：建立多机器人合作控制优化问题，基于理想的最优运动轨迹，获得实际的最优控制序列，并产生实际的最优运动轨迹，具体步骤如下：
a、建立多机器人合作能量函数，如(6)式所示。
其中：d表示相邻机器人之间的理想距离；si(l|k)＝[xi(l|k)，vi(l|k)]T；Vi(si(l|k))表示第i个机器人在状态si(l|k)时的能量；能量函数用来约束多机器人系统之间的距离和速度，即在理想的情况下，相邻机器人之间的距离为d；并且速度相等
b、建立多机器人合作控制优化问题，如(7)式所示。
其中：γ是距离约束参数用来约束产生的实际运动轨迹si(1|k)，...，si(N|k)和理想的运动轨迹之间的距离。优化的目的是要求产生的实际运动轨迹在接近理想运动轨迹的情况下，即保持多机器人系统搜索环境质量参数最优数值的情况下，使得多机器人避免碰撞并速度相差有界；ui(k)表示第i个机器人在k时刻需要求得的控制序列ui(1|k)，...，ui(N|k)。
c、求解多机器人合作控制优化问题(7)，获得实际的最优预测控制序列。
其中：表示第i个机器人在k时刻获得的实际的最优控制序列
第四步：将第i个机器人在k时刻获得的实际的最优控制序列中的第一个最优控制施加给第i个机器人。
第五步：如果终止条件满足，例如：给定的最大搜索时间已经达到，则第i个机器人停止运行，并将他的环境模型fi(x)输出；如果终止条件没有满足，则返回第一步继续执行。
本发明提出的一种基于合作预测控制的多机器人环境监测方法，该方法弥补了传统方法的不足，能够有效地协调多机器人系统追踪环境质量参数的最优值，并能够建立具有全局特征的环境质量参数模型。
具体实施方式
以海洋环境盐分浓度分布为例，设定需监测的环境范围长为200米，宽为200米，建立坐标系统，环境监测范围可表示成[-100，100]×[-100，100]。采用10个机器人(n＝10)合作采集环境的盐分浓度，建立盐分浓度分布模型。
对于机器人群体中的第i个机器人的具体实施步骤如下
第一步，初始化环境质量参数模型的参数，包括：径向基函数个数m为20；径向基函数中心ukk(kk＝1，2，...，m)在[-100，100]×[-100，100]内均匀分布；径向基函数宽度σkk在[80，130]内均匀分布；γ为1；径向基函数的初始权重在[1，70]内均匀分布。初始化机器人的参数，包括：机器人的初始位置，机器人的初始速度设为0，最大速度限制则根据实际使用的机器人类型设定，控制的输入也是根据实际使用的机器人类型设定，预测长度N为6，理想的机器人间距离d为10米，机器人的通信范围为20米，距离约束参数γ为2米
第二步：采用径向基函数网络建立环境质量参数模型，具体步骤如下：
a、对于第i个机器人的环境质量参数模型，即径向基函数网络如(1)式所示。
其中：αkk是径向基函数的权重；m是径向基函数的个数；x是机器人的位置；fi(x)表示在机器人位置x，径向基函数网络输出的环境质量参数预测值；pkk(x)是第kk个径向基函数，具体如(2)式所示。
其中：γ是归一化常数；ukk是径向基函数中心；σkk是径向基函数的宽度；exp(·)是指数函数；||·||表示2范数。
b、对于第i个机器人的所有邻居，即可以和第i个机器人通信的机器人集合用表示，那么第i个机器人的环境质量参数模型中径向基函数的权重αkk(kk＝1，2，...，m)根据(3)式更新。
其中：min表示取最小值；|·|表示绝对值；由于第j个机器人在第i个机器人的邻域内，即因此，能和第i个机器人通信，可以将第j个机器人的位置xj和环境实际质量参数数值z(xj)(z(xj)表示第j个机器人在位置xj的环境质量参数实际数值)发送给第i个机器人；fi(xj)表示第i个机器人的环境质量参数模型对第j个机器人的位置xj上的环境质量参数预测值；(3)式的目的是找到环境质量参数模型权重的一组值使得环境质量参数模型的预测值和环境质量参数实际数值的均方误差最小。
第三步：基于环境质量参数模型，建立环境质量参数优化问题，采用预测控制方法产生机器人的理想的最优运动轨迹，具体步骤如下：
a.在环境质量参数模型的基础上，建立的环境质量参数优化问题如下：
其中：max表示取最大值；表示第i个机器人在k时刻预测的位置序列N是预测的长度；是关于位置序列的成本函数；s.t.表示位置序列应满足的条件，这个条件就是机器人的动力学方程；是第i个机器人在k时刻的位置；是第i个机器人在k时刻的速度；是第i个机器人在k时刻预测的在第k+l时刻的位置；是第i个机器人在k时刻预测的在第k+l时刻的速度。是第i个机器人在k时刻需要求得的在第k+l时刻的控制输入；表示第i个机器人在k时刻需要求得的控制序列
b.求解环境质量参数优化问题(4)，获得理想的最优预测控制序列，即：
其中：表示第i个机器人在k时刻获得的理想的最优控制序列对应于该理想的最优控制序列，我们可以得到第i个机器人在k时刻理想的最优位置序列和理想的最优速度序列如果用(上标T表示矩阵的转置)表示在k时刻获得的在第k+l时刻的最优状态，那么对应于理想的最优控制序列，我们可以将理想的最优位置序列和理想的最优速度序列表示成理想的最优运动轨迹(状态序列)将第i个机器人在k时刻获得最优运动轨迹发给他的邻居，同时，获得他的邻居发给他的最优运动轨迹
第四步：建立多机器人合作控制优化问题，基于理想的最优运动轨迹，获得实际的最优控制序列，并产生实际的最优运动轨迹，具体步骤如下：
a.建立多机器人合作能量函数，如(6)式所示。
其中：d表示相邻机器人之间的理想距离；si(l|k)＝[xi(l|k)，vi(l|k)]T；Vi(si(l|k))表示第i个机器人在状态si(l|k)时的能量；能量函数用来约束多机器人系统之间的距离和速度，即在理想的情况下，相邻机器人之间的距离为d；并且速度相等
b.建立多机器人合作控制优化问题，如(7)式所示。
其中：γ是距离约束参数用来约束产生的实际运动轨迹si(1|k)，...，si(N|k)和理想的运动轨迹之间的距离。优化的目的是要求产生的实际运动轨迹在接近理想运动轨迹的情况下，即保持多机器人系统搜索环境质量参数最优数值的情况下，使得多机器人避免碰撞并速度相差有界；ui(k)表示第i个机器人在k时刻需要求得的控制序列ui(1|k)，...，ui(N|k)。
c.求解多机器人合作控制优化问题(7)，获得实际的最优预测控制序列。
其中：表示第i个机器人在k时刻获得的实际的最优控制序列
第五步：将第i个机器人在k时刻获得的实际的最优控制序列中的第一个最优控制施加给第i个机器人。
第六步：如果终止条件满足，例如：给定的最大搜索时间已经达到，则第i个机器人停止运行，并将他的环境模型fi(x)输出；如果终止条件没有满足，则返回第二步继续执行。

Claims (1)

1.一种基于合作预测控制的多机器人环境监测方法，其特征在于，该方法具体包括以下步骤：
第一步：采用径向基函数网络建立环境质量参数模型，具体步骤如下：
a、对于第i个机器人的环境质量参数模型fi(x)，即径向基函数网络如(1)式所示，其中：i＝1，2，...，n，n是机器人的数量；
<mrow> <msub> <mi>f</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>kk</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>m</mi> </munderover> <msub> <mi>&amp;alpha;</mi> <mi>kk</mi> </msub> <msub> <mi>p</mi> <mi>kk</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo> </mrow> </mrow>
其中：αkk是径向基函数的权重；m是径向基函数的个数；x是机器人的位置；fi(x)表示在机器人在位置x，径向基函数网络输出的环境质量参数预测值；pkk(x)是第kk个径向基函数，具体如(2)式所示；
<mrow> <msub> <mi>p</mi> <mi>kk</mi> </msub> <mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mn>1</mn> <mi>&amp;gamma;</mi> </mfrac> <mi>exp</mi> <mrow> <mo>(</mo> <mfrac> <mrow> <mo>-</mo> <msup> <mrow> <mo>|</mo> <mo>|</mo> <mi>x</mi> <mo>-</mo> <msub> <mi>u</mi> <mi>kk</mi> </msub> <mo>|</mo> <mo>|</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mn>2</mn> <msubsup> <mi>&amp;sigma;</mi> <mi>kk</mi> <mn>2</mn> </msubsup> </mrow> </mfrac> <mo>)</mo> </mrow> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo> </mrow> </mrow>
其中：γ是归一化常数；ukk是径向基函数中心；σkk是径向基函数的宽度；exp(·)是指数函数；||·||表示2范数；
b、对于第i个机器人的所有邻居，即可以和第i个机器人通信的机器人集合用表示，那么第i个机器人的环境质量参数模型中径向基函数的权重αkk(kk＝1，2，...，m)根据(3)式更新；
其中：min表示取最小值；|·|表示绝对值；由于第j个机器人在第i个机器人的邻域内，即因此，能和第i个机器人通信，可以将第j个机器人的位置xj和环境实际质量参数数值z(xj)发送给第i个机器人；z(xj)表示第j个机器人在位置xj的环境质量参数实际数值，fi(xj)表示第i个机器人的环境质量参数模型对第j个机器人的位置xj上的环境质量参数预测值；
第二步：基于环境质量参数模型，建立环境质量参数优化问题，采用预测控制方法产生机器人的理想的最优运动轨迹，具体步骤如下：
a、在环境质量参数模型的基础上，建立的环境质量参数优化问题如下：
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mo>:</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mover> <mi>v</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mover> <mi>v</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>v</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mover> <mi>u</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>4</mn> <mo>)</mo> </mrow> </mrow>
其中：max表示取最大值；表示第i个机器人在k时刻预测的位置序列N是预测的长度；是关于位置序列的成本函数； 1 s.t.表示位置序列应满足的条件，这个条件就是机器人的动力学方程；是第 i个机器人在k时刻的位置；是第i个机器人在k时刻的速度；是第i个机器人 在k时刻预测的在第k+l时刻的位置；是第i个机器人在k时刻预测的在第k+l时刻的 速度；是第i个机器人在k时刻需要求得的在第k+l时刻的控制输入；表示第i 个机器人在k时刻需要求得的控制序列 <mrow> <msub> <mover> <mi>u</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <msub> <mover> <mi>u</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>N</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
b、求解环境质量参数优化问题(4)，获得理想的最优预测控制序列，即：
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mo>:</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>x</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mover> <mi>v</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mover> <mi>v</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mover> <mi>v</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mover> <mi>u</mi> <mo>^</mo> </mover> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>5</mn> <mo>)</mo> </mrow> </mrow>
其中：表示第i个机器人在k时刻获得的理想的最优控制序列对应于该理想的最优控制序列，我们可以得到第i个机器人在k时刻理想的最优位置序列和理想的最优速度序列如果用上标T表示矩阵的转置，表示在k时刻获得的在第k+l时刻的最优状态，那么对应于理想的最优控制序列，我们可以将理想的最优位置序列和理想的最优速度序列表示成理想的最优运动轨迹将第i个机器人在k时刻获得最优运动轨迹发给他的邻居，同时，获得他的邻居发给他的最优运动轨迹
第三步：建立多机器人合作控制优化问题，基于理想的最优运动轨迹，获得实际的最优控制序列，并产生实际的最优运动轨迹，具体步骤如下：
a、建立多机器人合作能量函数，如(6)式所示；
其中：d表示相邻机器人之间的理想距离；si(l|k)＝[xi(l|k)，vi(l|k)]T；Vi(si(l|k))表示第i个机器人在状态si(l|k)时的能量；能量函数用来约束多机器人系统之间的距离和速度，即在理想的情况下，相邻机器人之间的距离为d；并且速度相等
b、建立多机器人合作控制优化问题，如(7)式所示；
<mrow> <munder> <mi>min</mi> <mrow> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </munder> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>V</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mo>:</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <msub> <mi>x</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mi>v</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>|</mo> <mo>|</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mover> <mi>s</mi> <mo>^</mo> </mover> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>|</mo> <mo>&lt;</mo> <mi>&amp;gamma;</mi> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>7</mn> <mo>)</mo> </mrow> </mrow>
其中：γ是距离约束参数用来约束产生的实际运动轨迹si(l|k)，...，si(N|k)和理想的运动轨迹之间的距离；优化的目的是要求产生的实际运动轨迹在接近理想运动轨迹的情况下，即保持多机器人系统搜索环境质量参数最优数值的情况下，使得多机器人避免碰撞并速度相差有界；ui(k)表示第i个机器人在k时刻需要求得的控制序列ui(l|k)，...，ui(N|k)；
c、求解多机器人合作控制优化问题(7)，获得实际的最优预测控制序列；
<mrow> <msubsup> <mi>u</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <mi>arg</mi> <munder> <mi>min</mi> <mrow> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>k</mi> <mo>)</mo> </mrow> </mrow> </munder> <munderover> <mi>&amp;Sigma;</mi> <mrow> <mi>l</mi> <mo>=</mo> <mn>1</mn> </mrow> <mi>N</mi> </munderover> <msub> <mi>V</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>)</mo> </mrow> </mrow>
<mrow> <mi>s</mi> <mo>.</mo> <mi>t</mi> <mo>.</mo> <mo>:</mo> <mfenced open='{' close=''> <mtable> <mtr> <mtd> <msub> <mi>x</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>x</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <msub> <mi>v</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>=</mo> <msub> <mi>v</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>-</mo> <mn>1</mn> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>+</mo> <msub> <mi>u</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> </mtd> </mtr> <mtr> <mtd> <mo>|</mo> <mo>|</mo> <msub> <mi>s</mi> <mi>i</mi> </msub> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>-</mo> <msubsup> <mover> <mi>s</mi> <mo>^</mo> </mover> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>|</mo> <mo>|</mo> <mo>&lt;</mo> <mi>&amp;gamma;</mi> </mtd> </mtr> </mtable> </mfenced> <mo>-</mo> <mo>-</mo> <mo>-</mo> <mrow> <mo>(</mo> <mn>8</mn> <mo>)</mo> </mrow> </mrow>
其中：表示第i个机器人在k时刻获得的实际的最优控制序列 <mrow> <msubsup> <mi>u</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>l</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>,</mo> <mo>.</mo> <mo>.</mo> <mo>.</mo> <mo>,</mo> <msubsup> <mi>u</mi> <mi>i</mi> <mo>*</mo> </msubsup> <mrow> <mo>(</mo> <mi>N</mi> <mo>|</mo> <mi>k</mi> <mo>)</mo> </mrow> <mo>;</mo> </mrow>
第四步：将第i个机器人在k时刻获得的实际的最优控制序列中的第一个最优控制施加给第i个机器人；
第五步：如果终止条件满足，则第i个机器人停止运行，并将他的环境模型fi(x)输出；如果终止条件没有满足，则返回第一步继续执行。
CN201510121747.7A 2015-03-19 2015-03-19 一种基于合作预测控制的多机器人环境监测方法 Expired - Fee Related CN104865826B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510121747.7A CN104865826B (zh) 2015-03-19 2015-03-19 一种基于合作预测控制的多机器人环境监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510121747.7A CN104865826B (zh) 2015-03-19 2015-03-19 一种基于合作预测控制的多机器人环境监测方法

Publications (2)

Publication Number Publication Date
CN104865826A CN104865826A (zh) 2015-08-26
CN104865826B true CN104865826B (zh) 2017-09-26

Family

ID=53911740

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510121747.7A Expired - Fee Related CN104865826B (zh) 2015-03-19 2015-03-19 一种基于合作预测控制的多机器人环境监测方法

Country Status (1)

Country Link
CN (1) CN104865826B (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10023393B2 (en) * 2015-09-29 2018-07-17 Amazon Technologies, Inc. Robotic tossing of items in inventory system
CN109062200B (zh) * 2018-07-19 2021-06-29 杭州电子科技大学 一种定位传感器节点的移动机器人滚动时序控制方法
CN108983612A (zh) * 2018-08-08 2018-12-11 华南理工大学 一种具有预设性能和连接保持的水下机器人编队控制方法
CN112764421B (zh) * 2020-12-28 2022-12-23 武汉第二船舶设计研究所(中国船舶重工集团公司第七一九研究所) 无人深潜器自主导航轨迹预测积分控制方法及装置
CN113084807B (zh) * 2021-03-31 2022-04-19 中国科学技术大学 多机器人系统有毒气体泄露源头搜寻方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1590039A (zh) * 2003-08-25 2005-03-09 索尼株式会社 机器人及机器人的姿态控制方法
CN101685309A (zh) * 2008-09-24 2010-03-31 中国科学院自动化研究所 多机器人协调队形控制方法
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN102034030A (zh) * 2010-12-28 2011-04-27 杭州电子科技大学 一种多机器人系统合作定位危险气味源方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8082100B2 (en) * 2007-10-19 2011-12-20 Grace Ted V Watercraft automation and aquatic effort data utilization

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1590039A (zh) * 2003-08-25 2005-03-09 索尼株式会社 机器人及机器人的姿态控制方法
CN101685309A (zh) * 2008-09-24 2010-03-31 中国科学院自动化研究所 多机器人协调队形控制方法
CN101726296A (zh) * 2009-12-22 2010-06-09 哈尔滨工业大学 空间机器人视觉测量、路径规划、gnc一体化仿真系统
CN102034030A (zh) * 2010-12-28 2011-04-27 杭州电子科技大学 一种多机器人系统合作定位危险气味源方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
一种智能水下机器人进行大范围海洋环境监测的方案与实验;李晔等;《热带海洋学报》;20090731;第28卷(第4期);第12-16页 *
湍动气流主控环境下多机器人气味源定位;李飞;《信息科技辑》;20101215;I140-58 *
移动机器人队形控制关键技术及其进展;任立敏等;《智能系统学报》;20131031;第8卷(第5期);第381-394页 *

Also Published As

Publication number Publication date
CN104865826A (zh) 2015-08-26

Similar Documents

Publication Publication Date Title
CN104865826B (zh) 一种基于合作预测控制的多机器人环境监测方法
CN104865825B (zh) 一种多机器人合作时序预测控制方法
Wang et al. Numerical and experimental study on the maneuverability of an active propeller control based wave glider
Zhang et al. Ship motion attitude prediction based on an adaptive dynamic particle swarm optimization algorithm and bidirectional LSTM neural network
Kong et al. Extended state observer-based controller with model predictive governor for 3-D trajectory tracking of underactuated underwater vehicles
CN104133375B (zh) 一种多auv同步控制器结构及设计方法
CN107545250A (zh) 一种基于海浪图像遥感和人工智能的海洋浮体运动实时预报系统
CN105589470A (zh) 一种多无人机分布式编队控制方法
CN104570161B (zh) 基于ec/jma全球格点预报资料的台风自动化预报方法
CN107255923A (zh) 基于rbf辨识的ica‑cmac神经网络的欠驱动无人艇航迹跟踪控制方法
CN108334677A (zh) 一种基于gru网络的uuv实时避碰规划方法
Curtin et al. Progress toward autonomous ocean sampling networks
CN104817019A (zh) 一种基于吊物升沉运动预报的船用起重机升沉补偿方法
CN110134018A (zh) 一种水下多足机器人系统多足协同控制方法
CN109828467A (zh) 一种数据驱动的无人船强化学习控制器结构及设计方法
CN109978275A (zh) 一种混合cfd和深度学习的极端大风风速预测方法及系统
Zheng et al. Numerical simulation of typhoon-induced storm surge along Jiangsu coast, Part II: Calculation of storm surge
Gawarkiewicz et al. Scientific rationale and conceptual design of a process-oriented shelfbreak observatory: the OOI Pioneer Array
CN104816305B (zh) 一种基于事件驱动机制的有限时间多机器人合作控制方法
CN106577377B (zh) 一种基于鱼类游泳能力的过鱼设施水流速度的设计方法
Yang et al. An approach to ship behavior prediction based on AIS and RNN optimization model
Zamudio et al. Nesting the Gulf of Mexico in Atlantic HYCOM: oceanographic processes generated by Hurricane Ivan
Li et al. A cyber physical networking system for monitoring and cleaning up blue-green algae blooms with agile sensor and actuator control mechanism on Lake Tai
CN103065433B (zh) 压水反应堆堆芯dnbr监测报警装置
Zhu et al. Comparison and validation of global and regional ocean forecasting systems for the South China Sea

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
EXSB Decision made by sipo to initiate substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20201216

Address after: 314500 Zhejiang 635 Jiaxing, Tongxiang, -9, Wutong street, Zhenjiang Road, Fengrun international business center, room No.

Patentee after: Jiaxing yizali Trade Co.,Ltd.

Address before: Room 3003-1, building 1, Gaode land center, Jianggan District, Hangzhou City, Zhejiang Province

Patentee before: Zhejiang Zhiduo Network Technology Co.,Ltd.

Effective date of registration: 20201216

Address after: Room 3003-1, building 1, Gaode land center, Jianggan District, Hangzhou City, Zhejiang Province

Patentee after: Zhejiang Zhiduo Network Technology Co.,Ltd.

Address before: 310018 No. 2 street, Xiasha Higher Education Zone, Hangzhou, Zhejiang

Patentee before: HANGZHOU DIANZI University

TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20210111

Address after: Room 303 and 304, no.6, no.299, Xingyuan Road, high tech Zone, Nantong City, Jiangsu Province, 226000

Patentee after: Jiangsu Rongdi Environmental Protection Technology Co.,Ltd.

Address before: 314500 Zhejiang 635 Jiaxing, Tongxiang, -9, Wutong street, Zhenjiang Road, Fengrun international business center, room No.

Patentee before: Jiaxing yizali Trade Co.,Ltd.

CF01 Termination of patent right due to non-payment of annual fee
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20170926