CN107179777A - 多智能体集群协同方法与多无人机集群协同系统 - Google Patents
多智能体集群协同方法与多无人机集群协同系统 Download PDFInfo
- Publication number
- CN107179777A CN107179777A CN201710410653.0A CN201710410653A CN107179777A CN 107179777 A CN107179777 A CN 107179777A CN 201710410653 A CN201710410653 A CN 201710410653A CN 107179777 A CN107179777 A CN 107179777A
- Authority
- CN
- China
- Prior art keywords
- mrow
- msub
- agent
- cluster
- msup
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000002195 synergetic effect Effects 0.000 title abstract 3
- 239000003795 chemical substances by application Substances 0.000 claims description 124
- 230000003993 interaction Effects 0.000 claims description 17
- 239000011159 matrix material Substances 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 2
- 238000000844 transformation Methods 0.000 claims description 2
- 241000257161 Calliphoridae Species 0.000 abstract 1
- 230000002452 interceptive effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- RZVHIXYEVGDQDX-UHFFFAOYSA-N 9,10-anthraquinone Chemical compound C1=CC=C2C(=O)C3=CC=CC=C3C(=O)C2=C1 RZVHIXYEVGDQDX-UHFFFAOYSA-N 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000009341 apiculture Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000003381 stabilizer Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明属于分布式控制系统技术领域，具体为一种多智能体集群协同方法与多无人机集群协同系统。本发明的多智能体集群协同方法，智能体与各自交互范围内的邻居交换信息，并通过分布式模型预测控制求解控制输入自组织式地形成集群。该方法还允许系统中存在领航智能体，引导智能体集群的整体运动轨迹。本发明所提供的多无人机集群协同系统可使得多架无人机通过相互之间的数据交换自主实现集群飞行，增强了在执行诸如航拍、监控、搜救等需要覆盖大面积区域的任务时的效率，具备较高的自适应性和冗余度。
Description
技术领域
本发明属于分布式控制系统技术领域，具体涉及一种用于多智能体集群协同的方法以及相应的多无人机集群协同系统，可使得多架无人机通过相互之间的数据交换自主实现集群飞行。
背景技术
无人机(Unmanned Aerial Vehicles,UAVs)是一类依赖无线遥控设备和机载自动控制系统进行飞行的不载人飞行器。根据无人机的动力系统和飞行原理一般可分为固定翼无人机、旋翼无人机、无人飞艇以及其他符合无人机基本概念的无人机类型。近年来，随着微机电系统(Micro-Electro-Mechanical System,MEMS)以及无刷直流电机(BrushlessDirect-Current Motor,BLDC)等技术的发展，无人机的传感、控制和动力系统趋于小型化和高度集成化，无人机也从军事科技领域逐渐转向民用和商用，被广泛应用在航空摄影、应急救援以及物流领域。
多旋翼无人机(Multirotors)，是指配备了两个或更多旋翼的一类旋翼飞行器。以四旋翼无人机为代表，常见的多旋翼无人机布局包括四/六/八旋翼平面布局以及共轴双旋翼组合等。多旋翼无人机相较于传统的单旋翼直升机，具备飞行稳定性强、负载能力大、冗余度高(六旋翼或更多时)等优点。由于需要同时调控多个旋翼的转速来实现飞行稳定和飞行控制，多旋翼无人机十分依赖于机载的传感器和飞行控制系统，具有极高的自动化程度。
尽管无人机具备高度的自动化程度和可扩展性，单台无人机的应用亦存在如下问题：任务效率低、冗余度低、灵活性差。
在执行航拍、搜救等需要对地面区域进行覆盖的任务时，单台无人机对地面的覆盖度有限，大面积区域无法在一次任务中有效覆盖，需要多次出动；单台无人机若出现故障，将会中断整个任务。受限于负载能力，单台无人机在一次任务中一般只能负载一种设备，如需应对多种不同任务场景，则涉及到频繁的零件更换；而对于不同的设备，往往需要根据设备的具体情况匹配不同负载能力的无人机。
多无人机系统是一种解决上述问题的有效方法。多台无人机同时执行某项任务时，可以：①扩大对地面区域的覆盖范围，并行工作提高任务效率；②增强系统的冗余度，系统中的少量无人机出现故障离队并不影响整体任务的继续执行；③一次任务可以出动不同配置的无人机同时工作，分工完成任务目标。
多智能体系统理论是多无人机系统背后的理论主体。智能体(Agent)，又称为自主体、艾真体，泛指一类具有一定智能的抽象或者具象的对象或者实体，其具备一定程度的感知环境、感知其他智能体、以及和环境或者其他智能体进行交互的能力。多智能体系统理论涵盖了各个方面，包括蜂拥和集群控制，一致性问题，以及强化学习等领域。多智能体系统理论为解决多无人机系统的集群协同控制提供了坚实的理论基础。
发明内容
本发明的目的在于提出一种用于多智能体集群协同的方法以及相应的多无人机集群协同系统，以解决单无人机系统的任务效率低、冗余度低、灵活性差等问题。
本发明提供的多智能体集群协同方法，包括：
(1)保持多智能体的集群状态，包括：使各个智能体个体保持一个预设的队形，以及使各个智能体个体的移动速度达成一致；
(2)使每个智能体个体拥有有限的交互范围，且只与其交互范围内的其他个体交互；
(3)每个智能体个体运用分布式模型预测控制方法，求解和计算各自的控制量。
所述的多智能体集群协同方法，可以存在领航智能体或预先指定的目标位置，引导智能体集群的整体运动轨迹。
本发明还提供一种多无人机集群协同系统，包括至少2个拥有自主控制能力的无人机和1个地面控制站，其中：
(1)无人机与无人机之间，无人机与地面控制站之间，通过共享同一个无线局域网进行数据交换；
(2)地面控制站用于监控无人机的任务状态和遥测信息；
(3)地面控制站可以向无人机发送全局控制指令。
所述的多无人机协同系统中，无人机运用所述的多智能体集群协同方法实现多机集群。
本发明的有益效果在于，所述的多智能体集群协同方法和多无人机集群协同系统增强了在执行诸如航拍、监控、搜救等需要覆盖大面积区域的任务时的效率。相对于单台无人机，多无人机集群能够提供充分的冗余度，系统中的少数无人机出现故障并离开队列时不会对集群协同的整体产生显著影响。所述的多智能体集群协同方法具有分布式去中心化的特征，智能体之间自组织式地形成集群状态，每个智能体个体只依靠其交互范围内的有限信息进行计算和控制，不需要依赖具备高度中心性的某个集中控制节点。本发明所述的多智能体集群协同方法运用了分布式模型预测控制，具有对轨迹的预测能力，抗延迟和抗干扰能力，以及集群状态的快速收敛能力。
附图说明
图1为本发明方法实施例1中每个控制时隙内的流程图。
图2为本发明方法实施例1中通过智能体交互半径确定邻居集合的示意图。
图3为本发明方法实施例1中集群状态的示意图。
图4为本发明方法实施例1中存在领航智能体时的示意图。
图5为本发明装置实施例2中所述四旋翼无人机的结构框图。
图6为本发明装置实施例2中所述多无人机系统的结构示意图。
图7为本发明装置实施例2中所述地面控制站的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
实施例1
在空间中的某个多智能体系统，含有N个智能体个体。其中，每个智能体的运动学模型遵循如下二阶差分方程：
其中，pi(k),vi(k),ui(k)分别代表智能体i在第k采样时刻时的位置、速度和加速度矢量；Ts是智能体控制系统的采样周期；每个智能体的控制器输入即为在相邻采样时刻之间的恒定加速度ui(k)。
给定每个智能体相同的交互半径rc，智能体i可以接收到来自其交互半径内的其他智能体的数据，通过计算相对位置rij＝pj-pi(j≠i)，并按确定智能体i的邻居集合在智能体i的每一个采样周期内，由于空间位置的变化，邻居集合可能会产生变化，在不失一般性的情况下为了简便起见此处省略的时间标签k。
如图2所示，智能体i(20)以其质心所在位置(202)为原点，交互半径rc(22)为半径的圆作为其交互范围。智能体之间的相对位置rij(24)的模与rc(22)的大小关系决定了其他智能体是否属于该智能体的邻居。在图2中，智能体j是智能体i的邻居而智能体k不是。
该多智能体系统的集群状态的队形约束和速度一致条件为：
其中，d0是在多智能体集群形成后，相邻智能体之间所保持的均衡距离；代表智能体i以及它的邻居在第k采样时刻时的平均速度；用表示中元素的个数，即智能体i的邻居数目。
以3个智能体的系统为例，如图3所示，智能体i,j,k(20)期望形成等间距排列的三角形队形，其队形约束即为||rij||＝||rjk||＝||rik||＝d0，即各个相邻智能体之间的间距(26)均达到均衡距离d0；在此基础上，速度一致表现为各个相邻智能体的速度vi,vj,vk(200)均相等。
给定模型预测步长Hp和控制步长Hu，所有智能体保持相同的Hp和Hu。根据队形约束和速度一致条件，建立智能体i的模型预测控制代价函数：
其中，nij是与rij同方向的单位矢量；x(k+l|k)代表系统对物理量x在第k采样时刻时的l步前向预测，其中x可以是智能体的位置、速度、加速度，以及这些物理量的线性变换；λ和c是系统可调节的加权系数；
求解得到智能体i在代价函数Ji(k)约束下的最优控制输入ui(k)；
为了得到本实施例中分布式模型预测控制的解析解，需要对目标函数和智能体的状态变量进行适当的改写，用矩阵和矢量的形式表达。
智能体i的状态矢量定义为将其自身以及所有邻居的位置和速度按照下式形式堆叠在一起：
其中，是智能体i的邻居的标号。类似地，堆叠之后的控制输入矢量为：
将状态方程改为用矩阵形式表达：
xi(k+1)＝Aixi(k)+Biui(k)
其中：0m和Im分别代表维度为m的全0矩阵和单位矩阵。同样，此处为了简便起见省略了Ai和Bi的时间标签k。
将模型预测控制的代价函数改写为如下形式：
Ji(k)＝Tr[Yi(k)TYi(k)]+λTr[Ui(k)TUi(k)]
其中，Tr[·]代表求矩阵的迹，并有：
其中：
1＝(1,1,1,…,1)T
分块矩阵表征了智能体i与其邻居的位置作差；表征了速度一致条件的各项系数；si(k+l|k)表征了本实施例中智能体期望达到均衡距离以及速度一致的目标。求取si(k+l|k)时，由于未来时刻的控制器输入未知，因此使用智能体的零输入运动学方程对未来时刻的智能体的位置进行估计：
对Xi(k)用矩阵形式展开为：其中：
模型预测控制求解目标函数得到的控制器输入序列为：
对于得到的输入序列，只应用当前控制时隙下的输入：
本实施例中涉及到的
本实施例所述的多智能体集群协同方法的流程图如图1所示。在每一个模型预测控制时隙(10)内，按如下步骤进行计算：
步骤(100)，每个智能体收取其他智能体的状态信息，包括速度信息(200)和位置信息(202)；
步骤(102)，根据其他智能体的位置(202)以及交互半径(22)，确定该智能体的邻居；
步骤(104)，构建计算表达式中所需要的各个矩阵，包括xi，Ei，Si，和
步骤(106)，求解控制输入序列；
步骤(108)，应用当前时隙下的该智能体的控制输入量；
步骤(110)，向其他智能体广播该智能体的状态信息(200，202)，并进入下一个控制时隙；
在本实施例中，队形约束和速度一致条件对于所有智能体个体均相等，因此整个系统是去中心化的，意味着所有智能体均独立地根据自身周围的邻居状态进行计算。随着实际应用场景的不同，系统中可以存在一个领航智能体，其余为跟随智能体。领航智能体可以具备其他跟随智能体所不具备的路径规划能力，包括：预编轨迹、由外部输入信号控制的轨迹、根据环境动态规划的轨迹等。
如图4所示，领航智能体i(20)沿着设定的轨迹(28)自主移动；跟随智能体j,k(20)使用本实施例所述的规则和分布式模型预测控制方法自主计算并保持队形；最终在群体层面上使得集群沿着轨迹(28)移动。
本发明所述的方法不限于本实施例所述的方程和目标函数。一切符合权利要求书所描述的方法均在本发明所保护的范围之内。
实施例2
采用图5至图7所示的装置实现多无人机集群协同飞行。
如图5所示，本实施例所述的多无人机系统中的每一架四旋翼无人机(30)包括飞行控制器(300)、动力系统(302,304)、电源系统(306,3060,3062,3064)、传感器系统(308,3080,3082,3084,3086,3088)、通信系统(310,3100,3102,3104)，以及其他外设(312)。其中，飞行控制器(300)是每一架四旋翼无人机(30)的中央控制单元。飞行控制器可以通过传感器接口(308)访问传感器的数据，用于解算控制该无人机所需的各个变量。其中，加速度计(3080)、陀螺仪(3082)和电子罗盘(3084)用于获取无人机的姿态，包括俯仰、横滚、偏航，以及这三个轴方向上的角速度和角加速度；气压计(3086)用于获取无人机以地表大气压为参考的高度以及竖直方向上的速度；卫星定位(3088)用于获取无人机在地球坐标系下的位置以及速度。经由这些传感器数据，以及飞行控制器中的控制代码，可以实现对所述四旋翼无人机(30)的自主控制，包括姿态稳定和基于卫星定位的自主飞行。飞行控制器将解算得到的控制信号发送给电子调速器(302)，并由电子调速器(302)产生电机驱动信号来控制电机(304)。
本实施例所述的每一架四旋翼无人机(30)具备三组通信模块，分别是无线模块(3100)、无线数传遥测模块(3102)和遥控接收机(3104)。其中，遥控接收机(3104)需要与对应的航模遥控器(46)相绑定，赋予地面操作人员直接控制四旋翼无人机(30)的能力。地面操作人员对于无人机的姿态可以直接操纵，通过遥控接收机(3104)经由通信接口(310)传递给飞行控制器(300),并最终输出给电子调速器(302)以控制电机(304)。无线数传遥测模块(3102)可与地面控制站(44)无线相连，起到传输无人机各项遥测信息的作用。地面控制站(44)的具体形式可以是便携式计算机或者智能手机等通用便携式计算设备，或者是兼容数据格式的专用移动计算设备。无线模块(3100)负责保持多无人机系统中，各四旋翼无人机(30)之间的通信，以及无人机到地面控制站(44)的通信。四旋翼无人机(30)和地面控制站(44)上的无线模块(3100)共用同一个无线局域网(40)来交换数据。
图5所示的四旋翼无人机(30)的锂电池(3060)、电流电压采样(3062)、稳压器(3064)以及电源管理(306)提供了四旋翼无人机(30)的飞行和机载的各类电子系统所需的电源。
图7所示的地面控制站(32)包括无线模块(3100)、无线数传遥测模块(3102)和卫星定位(3088)，通过数据总线(322)连接到地面控制站(32)的操作系统(320)。
本实施例所述的多无人机系统涉及N架四旋翼无人机(30)，在全球导航卫星系统(Global Satellites Navigation System,GNSS)(42)所提供的基于导航卫星的定位下实现集群协同飞行。全球导航卫星系统(42)包括GPS(420)、北斗(422)、GLONASS(424)、Galileo(426)等卫星系统；四旋翼无人机所支持的GNSS系统由机载的卫星定位模块(3088)决定。无线模块(3100)具备有限的通信范围，使得每一架四旋翼无人机(30)具备有限的交互半径。地面控制站(44)可以监控四旋翼无人机(30)的遥测信息，或者通过无线局域网(40)对于已连接的四旋翼无人机(30)发送控制指令、设定任务路径/集结点、上传/下载程序等。
本实施例采用实施例1所述的多智能体集群协同方法来控制四旋翼无人机(30)，该方法以软件控制代码的方式存储于无人机的飞行控制器(300)中。每一架四旋翼无人机(30)的邻居集合由无线模块(3100)所能够接收到的来自其他无人机的数据包的来源确定。例如，无人机i能够收到无人机j的数据包，却没收到无人机k的数据包，则无人机i和无人机j互为邻居，而无人机k不是无人机i的邻居。分布式模型预测控制方法所需要的各项数据，包括位置(202)和速度(200)来自于全球导航卫星系统(42)提供的地理坐标。所有计算和处理均在飞行控制器(300)上完成。
由于无线局域网(40)具备自组网能力，可以自适应任意一个节点的离开或加入，本实施例所述的多无人机系统可以很好地适应无人机的离队和入队。另一方面，实施例1所述的多智能体集群协同方法具备分布式去中心化的特征，所有的计算和处理均在本地完成，因此如果存在有无人机发生故障而需要离队时，其他无人机可以自动变换队形并继续任务，系统具备强自适应性和高冗余度。本实施例所述的地面控制站(44)仅作为地面监控和调试设备，并不涉及无人机和无人机之间的交互。
本发明所述的装置的具体形式不限于本实施例所述的四旋翼无人机(30)和地面控制站(32)。一切符合权利要求书所描述的方法均在本发明专利所保护的范围之内。
Claims (6)
1.一种多智能体集群协同方法，其特征在于，具体步骤为：
(1)保持多智能体的集群状态，包括：使各个智能体个体保持一个预设的队形，以及使各个智能体个体的移动速度达成一致；
(2)使每个智能体个体拥有有限的交互范围，且只与其交互范围内的其他个体交互；
(3)每个智能体个体运用分布式模型预测控制方法，求解和计算各自的控制量。
2.根据权利要求1所述的多智能体集群协同方法，其特征在于，存在领航智能体或预先指定的目标位置，引导智能体集群的整体运动轨迹。
3.根据权利要求1所述的多智能体集群协同方法，其特征在于，设在空间中的某个多智能体系统，含有N个智能体个体；每个智能体的运动学模型遵循如下二阶差分方程：
<mrow>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>p</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>s</mi>
</msub>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mrow>
<mi>k</mi>
<mo>+</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msub>
<mi>v</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<msub>
<mi>T</mi>
<mi>s</mi>
</msub>
<msub>
<mi>u</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>k</mi>
<mo>=</mo>
<mn>0</mn>
<mo>,</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mn>...</mn>
</mrow>
其中，pi(k),vi(k),ui(k)分别代表智能体i在第k采样时刻时的位置、速度和加速度矢量；Ts是智能体控制系统的采样周期；每个智能体的控制器输入即为在相邻采样时刻之间的恒定加速度ui(k)；
给定每个智能体相同的交互半径rc，智能体i可以接收到来自其交互半径内的其他智能体的数据，通过计算相对位置rij＝pj-pi(j≠i)，并按确定智能体i的邻居集合
设智能体i(20)以其质心所在位置(202)为原点，交互半径rc(22)为半径的圆作为其交互范围；智能体之间的相对位置rij(24)的模与rc(22)的大小关系决定了其他智能体是否属于该智能体的邻居；
该多智能体系统的集群状态的队形约束和速度一致条件为：
其中，d0是在多智能体集群形成后，相邻智能体之间所保持的均衡距离；代表智能体i以及它的邻居在第k采样时刻时的平均速度；表示中元素的个数，即智能体i的邻居数目；
给定模型预测步长Hp和控制步长Hu，所有智能体保持相同的Hp和Hu；根据队形约束和速度一致条件，建立智能体i的模型预测控制代价函数：
其中，nij是与rij同方向的单位矢量；x(k+l|k)代表系统对物理量x在第k采样时刻时的l步前向预测，其中x可以是智能体的位置、速度、加速度，以及这些物理量的线性变换；λ和c是系统可调节的加权系数；
求解得到智能体i在代价函数Ji(k)约束下的最优控制输入ui(k)。
4.根据权利要求3所述的多智能体集群协同方法，其特征在于，为了得到分布式模型预测控制的解析解，对目标函数和智能体的状态变量进行改写，用矩阵和矢量的形式表达：
智能体i的状态矢量定义为将其自身以及所有邻居的位置和速度按照下式形式堆叠在一起：
其中，是智能体i的邻居的标号；类似地，堆叠之后的控制输入矢量为：
将状态方程改为用矩阵形式表达：
xi(k+1)＝Aixi(k)+Biui(k)
其中：0m和Im分别代表维度为m的全0矩阵和单位矩阵；
将模型预测控制的代价函数改写为如下形式：
Ji(k)＝Tr[Yi(k)TYi(k)]+λTr[Ui(k)TUi(k)]
其中，Tr[·]代表求矩阵的迹，并有：
其中：
1＝(1,1,1,…,1)T
分块矩阵表征了智能体i与其邻居的位置作差；表征了速度一致条件的各项系数；si(k+l|k)表征了本实施例中智能体期望达到均衡距离以及速度一致的目标；求取si(k+l|k)时，由于未来时刻的控制器输入未知，因此使用智能体的零输入运动学方程对未来时刻的智能体的位置进行估计：
对Xi(k)用矩阵形式展开为：其中：
<mrow>
<msub>
<mi>P</mi>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
</msub>
<mo>=</mo>
<msup>
<mrow>
<mo>&lsqb;</mo>
<msubsup>
<mi>A</mi>
<mi>i</mi>
<mi>T</mi>
</msubsup>
<mo>,</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>A</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>,</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>A</mi>
<mi>i</mi>
<mn>3</mn>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<msup>
<mrow>
<mo>(</mo>
<msubsup>
<mi>A</mi>
<mi>i</mi>
<msub>
<mi>H</mi>
<mi>p</mi>
</msub>
</msubsup>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mo>&rsqb;</mo>
</mrow>
<mi>T</mi>
</msup>
</mrow>
模型预测控制求解目标函数得到的控制器输入序列为：
<mrow>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
</msub>
<mo>+</mo>
<mi>&lambda;</mi>
<mi>I</mi>
</mrow>
<mo>)</mo>
</mrow>
<mrow>
<mo>-</mo>
<mn>1</mn>
</mrow>
</msup>
<msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<msub>
<mi>U</mi>
<mi>i</mi>
</msub>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mi>T</mi>
</msup>
<mrow>
<mo>(</mo>
<mrow>
<msub>
<mi>E</mi>
<mi>i</mi>
</msub>
<msub>
<mi>P</mi>
<msub>
<mi>X</mi>
<mi>i</mi>
</msub>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>k</mi>
<mo>)</mo>
</mrow>
<mo>-</mo>
<msub>
<mi>S</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
对于得到的输入序列，当前控制时隙下的输入：
5.一种多无人机集群协同系统，包括至少2个拥有自主控制能力的无人机和1个地面控制站，其特征在于：
(1)无人机与无人机之间、无人机与地面控制站之间通过共享同一个无线局域网进行数据交换；
(2)地面控制站用于监控无人机的任务状态和遥测信息；
(3)地面控制站可以向无人机发送全局控制指令。
6.根据权利要求5所述的多无人机集群协同系统，其特征在于，无人机运用权利要求1的方法实现多机集群。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710410653.0A CN107179777A (zh) | 2017-06-03 | 2017-06-03 | 多智能体集群协同方法与多无人机集群协同系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710410653.0A CN107179777A (zh) | 2017-06-03 | 2017-06-03 | 多智能体集群协同方法与多无人机集群协同系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107179777A true CN107179777A (zh) | 2017-09-19 |
Family
ID=59835169
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710410653.0A Pending CN107179777A (zh) | 2017-06-03 | 2017-06-03 | 多智能体集群协同方法与多无人机集群协同系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107179777A (zh) |
Cited By (44)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107918398A (zh) * | 2017-10-23 | 2018-04-17 | 南京航空航天大学 | 一种基于多重优化的集群无人机协同定位方法 |
| CN108196579A (zh) * | 2018-01-24 | 2018-06-22 | 电子科技大学 | 基于几何分布的无人机分级编队方法 |
| CN108196582A (zh) * | 2018-02-12 | 2018-06-22 | 深圳技术大学（筹） | 一种室内视觉导航无人机集群飞行控制系统及方法 |
| CN108398958A (zh) * | 2018-03-14 | 2018-08-14 | 广州亿航智能技术有限公司 | 无人机编队路径匹配方法、装置和储存介质 |
| CN108427284A (zh) * | 2018-04-09 | 2018-08-21 | 中国石油大学(华东) | 一类串联结构多智能体系统协调一致性控制方法 |
| CN108449804A (zh) * | 2018-03-30 | 2018-08-24 | 四川斐讯信息技术有限公司 | 自组网飞行无线装置及其自组网方法 |
| CN108519764A (zh) * | 2018-04-09 | 2018-09-11 | 中国石油大学(华东) | 基于数据驱动的多智能体协调控制方法 |
| CN108733078A (zh) * | 2018-06-08 | 2018-11-02 | 广东工业大学 | 一种无人系统集群的编队控制方法、装置及系统 |
| CN108759837A (zh) * | 2018-05-22 | 2018-11-06 | 北京和协导航科技有限公司 | 无人机多机通讯作战系统及方法 |
| CN108764652A (zh) * | 2018-04-28 | 2018-11-06 | 广州亿航智能技术有限公司 | 适应集群航点任务的无人机集群组织方法及系统 |
| CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
| CN109032168A (zh) * | 2018-05-07 | 2018-12-18 | 西安电子科技大学 | 一种基于dqn的多无人机协同区域监视的航路规划方法 |
| CN109116817A (zh) * | 2018-08-07 | 2019-01-01 | 北京空间技术研制试验中心 | 基于Agent技术的多航天器智能管理系统及其设计方法 |
| CN109144047A (zh) * | 2018-06-12 | 2019-01-04 | 南京理工大学 | 一种基于多智能体系统的有限时间编队控制方法 |
| CN109445456A (zh) * | 2018-10-15 | 2019-03-08 | 清华大学 | 一种多无人机集群导航方法 |
| CN109491402A (zh) * | 2018-11-01 | 2019-03-19 | 中国科学技术大学 | 基于集群控制的多无人机协同目标监视控制方法 |
| CN109617968A (zh) * | 2018-12-14 | 2019-04-12 | 启元世界(北京)信息技术服务有限公司 | 多智能体协作系统及其智能体、智能体间的通信方法 |
| CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪系统及方法 |
| CN109709980A (zh) * | 2018-12-27 | 2019-05-03 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
| CN109782797A (zh) * | 2019-01-03 | 2019-05-21 | 中国科学院自动化研究所 | 用于多点水质采样的多无人机协同方法、系统、装置 |
| CN109799811A (zh) * | 2017-11-17 | 2019-05-24 | 北京航空航天大学 | 一种多轮式机器人系统的动态分布式控制方法 |
| CN109960270A (zh) * | 2017-12-14 | 2019-07-02 | 辽宁壮龙无人机科技有限公司 | 一种确定无人机飞行路径的方法及装置 |
| CN110262523A (zh) * | 2019-07-31 | 2019-09-20 | 华东交通大学 | 一种分布式群体机器人的自主避障蜂拥控制方法 |
| CN110502034A (zh) * | 2019-09-04 | 2019-11-26 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的固定翼无人机群集控制方法 |
| CN110609468A (zh) * | 2019-06-30 | 2019-12-24 | 南京理工大学 | 基于pi的非线性时滞多智能体系统的一致性控制方法 |
| CN110737281A (zh) * | 2019-10-15 | 2020-01-31 | 中国航空无线电电子研究所 | 一种面向集群无人机的分布式控制方法 |
| CN111259546A (zh) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
| CN111368971A (zh) * | 2020-02-19 | 2020-07-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群协同降落排序方法及系统 |
| CN112131660A (zh) * | 2020-09-10 | 2020-12-25 | 南京大学 | 一种基于多智能体强化学习的无人机集群协同学习方法 |
| CN112147892A (zh) * | 2020-09-08 | 2020-12-29 | 东南大学 | 一种针对多质量块弹簧阻尼器一致性控制的算法 |
| CN112327917A (zh) * | 2020-11-12 | 2021-02-05 | 哈尔滨工业大学（深圳） | 基于群体智能的无人机集群协同覆盖方法 |
| CN112783132A (zh) * | 2021-01-11 | 2021-05-11 | 中国船舶重工集团公司第七二三研究所 | 一种无人集群中认知协同赋能的智能体单元 |
| CN112802062A (zh) * | 2021-04-08 | 2021-05-14 | 中国人民解放军国防科技大学 | 基于计算机视觉中运动显著性感知的无人机集群机动方法 |
| CN112947084A (zh) * | 2021-02-08 | 2021-06-11 | 重庆大学 | 一种基于强化学习的模型未知多智能体一致性控制方法 |
| CN112965507A (zh) * | 2021-02-03 | 2021-06-15 | 南京航空航天大学 | 一种基于智能优化的集群无人机协同工作系统及方法 |
| CN113093768A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下航行器集群控制系统及其控制方法 |
| CN113406971A (zh) * | 2021-07-13 | 2021-09-17 | 天津大学 | 分布式无人机队列与动态避障控制方法 |
| CN113467511A (zh) * | 2021-07-15 | 2021-10-01 | 广西壮族自治区自然资源调查监测院 | 无人机任务协同方法及系统 |
| CN113741444A (zh) * | 2021-08-26 | 2021-12-03 | 北京理工大学 | 一种基于多智能体邻近交互与轨迹预测的路径规划方法 |
| CN114019860A (zh) * | 2021-10-29 | 2022-02-08 | 湖南大学 | 一种多智能体自触发dmpc控制方法和系统 |
| CN114138019A (zh) * | 2021-11-26 | 2022-03-04 | 厦门大学 | 一种实现航天器集群最优覆盖的方法 |
| CN114610719A (zh) * | 2022-03-15 | 2022-06-10 | 云粒智慧科技有限公司 | 跨集群数据处理方法、装置、电子设备以及存储介质 |
| CN115454141A (zh) * | 2022-10-14 | 2022-12-09 | 南京理工大学 | 一种基于部分可观测信息的无人机集群多智能体多域抗干扰方法 |
| CN116320990A (zh) * | 2023-05-18 | 2023-06-23 | 北京航空航天大学 | 一种空基导航增强自组网的节点动态协同感知方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105892480A (zh) * | 2016-03-21 | 2016-08-24 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
| US20160304198A1 (en) * | 2014-12-03 | 2016-10-20 | Google Inc. | Systems and methods for reliable relative navigation and autonomous following between unmanned aerial vehicle and a target object |
| CN106406345A (zh) * | 2016-10-20 | 2017-02-15 | 天津大学 | 基于Qt的室内多无人机编队控制系统 |
| US20170124777A1 (en) * | 2014-05-19 | 2017-05-04 | EpiSys Science, Inc. | Method and apparatus for biologically inspired autonomous infrastructure monitoring |
-
2017
- 2017-06-03 CN CN201710410653.0A patent/CN107179777A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20170124777A1 (en) * | 2014-05-19 | 2017-05-04 | EpiSys Science, Inc. | Method and apparatus for biologically inspired autonomous infrastructure monitoring |
| US20160304198A1 (en) * | 2014-12-03 | 2016-10-20 | Google Inc. | Systems and methods for reliable relative navigation and autonomous following between unmanned aerial vehicle and a target object |
| CN105892480A (zh) * | 2016-03-21 | 2016-08-24 | 南京航空航天大学 | 异构多无人机系统协同察打任务自组织方法 |
| CN106406345A (zh) * | 2016-10-20 | 2017-02-15 | 天津大学 | 基于Qt的室内多无人机编队控制系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王品 等: ""一种基于蜂拥策略的分布式无人机编队控制方法"", 《飞行力学》 * |
| 詹璟原: ""多智能体系统预测协同控制研究"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (64)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107918398A (zh) * | 2017-10-23 | 2018-04-17 | 南京航空航天大学 | 一种基于多重优化的集群无人机协同定位方法 |
| CN107918398B (zh) * | 2017-10-23 | 2019-10-11 | 南京航空航天大学 | 一种基于多重优化的集群无人机协同定位方法 |
| CN109799811A (zh) * | 2017-11-17 | 2019-05-24 | 北京航空航天大学 | 一种多轮式机器人系统的动态分布式控制方法 |
| CN109960270A (zh) * | 2017-12-14 | 2019-07-02 | 辽宁壮龙无人机科技有限公司 | 一种确定无人机飞行路径的方法及装置 |
| CN108196579A (zh) * | 2018-01-24 | 2018-06-22 | 电子科技大学 | 基于几何分布的无人机分级编队方法 |
| CN108196582A (zh) * | 2018-02-12 | 2018-06-22 | 深圳技术大学（筹） | 一种室内视觉导航无人机集群飞行控制系统及方法 |
| CN108398958A (zh) * | 2018-03-14 | 2018-08-14 | 广州亿航智能技术有限公司 | 无人机编队路径匹配方法、装置和储存介质 |
| CN108398958B (zh) * | 2018-03-14 | 2021-04-23 | 广州亿航智能技术有限公司 | 无人机编队路径匹配方法、装置和储存介质 |
| CN108449804A (zh) * | 2018-03-30 | 2018-08-24 | 四川斐讯信息技术有限公司 | 自组网飞行无线装置及其自组网方法 |
| CN108519764A (zh) * | 2018-04-09 | 2018-09-11 | 中国石油大学(华东) | 基于数据驱动的多智能体协调控制方法 |
| CN108427284A (zh) * | 2018-04-09 | 2018-08-21 | 中国石油大学(华东) | 一类串联结构多智能体系统协调一致性控制方法 |
| CN108764652A (zh) * | 2018-04-28 | 2018-11-06 | 广州亿航智能技术有限公司 | 适应集群航点任务的无人机集群组织方法及系统 |
| CN109032168A (zh) * | 2018-05-07 | 2018-12-18 | 西安电子科技大学 | 一种基于dqn的多无人机协同区域监视的航路规划方法 |
| CN109032168B (zh) * | 2018-05-07 | 2021-06-08 | 西安电子科技大学 | 一种基于dqn的多无人机协同区域监视的航路规划方法 |
| CN108897312A (zh) * | 2018-05-14 | 2018-11-27 | 南开大学 | 多无人飞行器对大规模环境的持续监控路径规划方法 |
| CN108759837A (zh) * | 2018-05-22 | 2018-11-06 | 北京和协导航科技有限公司 | 无人机多机通讯作战系统及方法 |
| CN108733078A (zh) * | 2018-06-08 | 2018-11-02 | 广东工业大学 | 一种无人系统集群的编队控制方法、装置及系统 |
| CN109144047A (zh) * | 2018-06-12 | 2019-01-04 | 南京理工大学 | 一种基于多智能体系统的有限时间编队控制方法 |
| CN109144047B (zh) * | 2018-06-12 | 2021-07-06 | 南京理工大学 | 一种基于多智能体系统的有限时间编队控制方法 |
| CN109116817A (zh) * | 2018-08-07 | 2019-01-01 | 北京空间技术研制试验中心 | 基于Agent技术的多航天器智能管理系统及其设计方法 |
| CN109445456A (zh) * | 2018-10-15 | 2019-03-08 | 清华大学 | 一种多无人机集群导航方法 |
| CN109491402B (zh) * | 2018-11-01 | 2020-10-16 | 中国科学技术大学 | 基于集群控制的多无人机协同目标监视控制方法 |
| CN109491402A (zh) * | 2018-11-01 | 2019-03-19 | 中国科学技术大学 | 基于集群控制的多无人机协同目标监视控制方法 |
| CN109617968A (zh) * | 2018-12-14 | 2019-04-12 | 启元世界(北京)信息技术服务有限公司 | 多智能体协作系统及其智能体、智能体间的通信方法 |
| CN109617968B (zh) * | 2018-12-14 | 2019-10-29 | 启元世界(北京)信息技术服务有限公司 | 多智能体协作系统及其智能体、智能体间的通信方法 |
| CN109709980B (zh) * | 2018-12-27 | 2022-01-14 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
| CN109709980A (zh) * | 2018-12-27 | 2019-05-03 | 西安工业大学 | 一种基于异构无人机的蜂群对抗方法 |
| CN109782797A (zh) * | 2019-01-03 | 2019-05-21 | 中国科学院自动化研究所 | 用于多点水质采样的多无人机协同方法、系统、装置 |
| CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪系统及方法 |
| CN110609468A (zh) * | 2019-06-30 | 2019-12-24 | 南京理工大学 | 基于pi的非线性时滞多智能体系统的一致性控制方法 |
| CN110609468B (zh) * | 2019-06-30 | 2022-06-28 | 南京理工大学 | 基于pi的非线性时滞多智能体系统的一致性控制方法 |
| CN110262523B (zh) * | 2019-07-31 | 2022-05-27 | 华东交通大学 | 一种分布式群体机器人的自主避障蜂拥控制方法 |
| CN110262523A (zh) * | 2019-07-31 | 2019-09-20 | 华东交通大学 | 一种分布式群体机器人的自主避障蜂拥控制方法 |
| CN110502034A (zh) * | 2019-09-04 | 2019-11-26 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的固定翼无人机群集控制方法 |
| CN110502034B (zh) * | 2019-09-04 | 2022-08-09 | 中国人民解放军国防科技大学 | 一种基于深度强化学习的固定翼无人机群集控制方法 |
| CN110737281A (zh) * | 2019-10-15 | 2020-01-31 | 中国航空无线电电子研究所 | 一种面向集群无人机的分布式控制方法 |
| CN110737281B (zh) * | 2019-10-15 | 2022-09-06 | 中国航空无线电电子研究所 | 一种面向集群无人机的分布式控制方法 |
| CN111259546B (zh) * | 2020-01-15 | 2022-05-13 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
| CN111259546A (zh) * | 2020-01-15 | 2020-06-09 | 中国科学技术大学 | 一种自驱动交通工具圆周编队控制方法、系统及存储介质 |
| CN111368971A (zh) * | 2020-02-19 | 2020-07-03 | 中国人民解放军军事科学院国防科技创新研究院 | 一种无人机集群协同降落排序方法及系统 |
| CN112147892A (zh) * | 2020-09-08 | 2020-12-29 | 东南大学 | 一种针对多质量块弹簧阻尼器一致性控制的算法 |
| CN112147892B (zh) * | 2020-09-08 | 2022-06-10 | 东南大学 | 一种针对多质量块弹簧阻尼器一致性控制的算法 |
| CN112131660A (zh) * | 2020-09-10 | 2020-12-25 | 南京大学 | 一种基于多智能体强化学习的无人机集群协同学习方法 |
| CN112327917B (zh) * | 2020-11-12 | 2022-12-27 | 哈尔滨工业大学（深圳） | 基于群体智能的无人机集群协同覆盖方法 |
| CN112327917A (zh) * | 2020-11-12 | 2021-02-05 | 哈尔滨工业大学（深圳） | 基于群体智能的无人机集群协同覆盖方法 |
| CN112783132A (zh) * | 2021-01-11 | 2021-05-11 | 中国船舶重工集团公司第七二三研究所 | 一种无人集群中认知协同赋能的智能体单元 |
| CN112965507A (zh) * | 2021-02-03 | 2021-06-15 | 南京航空航天大学 | 一种基于智能优化的集群无人机协同工作系统及方法 |
| CN112947084B (zh) * | 2021-02-08 | 2022-09-23 | 重庆大学 | 一种基于强化学习的模型未知多智能体一致性控制方法 |
| CN112947084A (zh) * | 2021-02-08 | 2021-06-11 | 重庆大学 | 一种基于强化学习的模型未知多智能体一致性控制方法 |
| CN113093768A (zh) * | 2021-03-10 | 2021-07-09 | 中国人民解放军海军潜艇学院 | 一种水下航行器集群控制系统及其控制方法 |
| CN112802062A (zh) * | 2021-04-08 | 2021-05-14 | 中国人民解放军国防科技大学 | 基于计算机视觉中运动显著性感知的无人机集群机动方法 |
| CN112802062B (zh) * | 2021-04-08 | 2021-06-22 | 中国人民解放军国防科技大学 | 基于计算机视觉中运动显著性感知的无人机集群机动方法 |
| CN113406971A (zh) * | 2021-07-13 | 2021-09-17 | 天津大学 | 分布式无人机队列与动态避障控制方法 |
| CN113467511B (zh) * | 2021-07-15 | 2022-12-27 | 广西壮族自治区自然资源调查监测院 | 无人机任务协同方法及系统 |
| CN113467511A (zh) * | 2021-07-15 | 2021-10-01 | 广西壮族自治区自然资源调查监测院 | 无人机任务协同方法及系统 |
| CN113741444A (zh) * | 2021-08-26 | 2021-12-03 | 北京理工大学 | 一种基于多智能体邻近交互与轨迹预测的路径规划方法 |
| CN113741444B (zh) * | 2021-08-26 | 2023-10-20 | 北京理工大学 | 一种基于多智能体邻近交互与轨迹预测的路径规划方法 |
| CN114019860A (zh) * | 2021-10-29 | 2022-02-08 | 湖南大学 | 一种多智能体自触发dmpc控制方法和系统 |
| CN114019860B (zh) * | 2021-10-29 | 2024-01-26 | 湖南大学 | 一种多智能体自触发dmpc控制方法和系统 |
| CN114138019A (zh) * | 2021-11-26 | 2022-03-04 | 厦门大学 | 一种实现航天器集群最优覆盖的方法 |
| CN114138019B (zh) * | 2021-11-26 | 2024-10-15 | 厦门大学 | 一种实现航天器集群最优覆盖的方法 |
| CN114610719A (zh) * | 2022-03-15 | 2022-06-10 | 云粒智慧科技有限公司 | 跨集群数据处理方法、装置、电子设备以及存储介质 |
| CN115454141A (zh) * | 2022-10-14 | 2022-12-09 | 南京理工大学 | 一种基于部分可观测信息的无人机集群多智能体多域抗干扰方法 |
| CN116320990A (zh) * | 2023-05-18 | 2023-06-23 | 北京航空航天大学 | 一种空基导航增强自组网的节点动态协同感知方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107179777A (zh) | 多智能体集群协同方法与多无人机集群协同系统 | |
| CN109613931B (zh) | 基于生物社会力的异构无人机集群目标跟踪系统及方法 | |
| US11015956B2 (en) | System and method for automatic sensor calibration | |
| Liu et al. | Mission-oriented miniature fixed-wing UAV swarms: A multilayered and distributed architecture | |
| Meier et al. | PIXHAWK: A micro aerial vehicle design for autonomous flight using onboard computer vision | |
| US10281930B2 (en) | Gimbaled universal drone controller | |
| CN103365295B (zh) | 基于dsp的四旋翼无人飞行器自主悬停控制系统及方法 | |
| Pantelimon et al. | Survey of multi-agent communication strategies for information exchange and mission control of drone deployments | |
| Hoang et al. | Angle-encoded swarm optimization for uav formation path planning | |
| US10149276B2 (en) | Aerial robotic vehicle antenna switching | |
| US9811083B2 (en) | System and method of controlling autonomous vehicles | |
| CN116830057A (zh) | 无人机(uav)集群控制 | |
| CN109906416A (zh) | 运载工具碰撞避免 | |
| US20210291982A1 (en) | Method and system for controlling movement of movable devices | |
| Abichandani et al. | Decentralized formation coordination of multiple quadcopters under communication constraints | |
| US20210343170A1 (en) | System and method for software-defined drones | |
| Al-Jarrah et al. | Design blimp robot based on embedded system and software architecture with high level communication and fuzzy logic | |
| Joshi et al. | Implementation of distributed consensus on an outdoor testbed | |
| Min et al. | A formation flight control of UAVS using zigbee | |
| CN210072405U (zh) | 一种无人机协同控制验证平台 | |
| Hassan et al. | Solar powered autonomous hex-copter for surveillance, security and monitoring | |
| Szywalski et al. | Practical aspects of design and testing unmanned aerial vehicles | |
| Yaguchi et al. | Formation control for different maker drones from a game pad | |
| Meister et al. | Software-in-the-loop simulation for small autonomous VTOL UAV with teaming capability | |
| Galeone | Design and test of a multi-agent robotic system for inspection: coordination and integration of a drone and a robotic rover. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170919 |
|
| WD01 | Invention patent application deemed withdrawn after publication |