CN108181928A - 一种海面溢油的多机器人编队溯源控制方法 - Google Patents

Abstract

本发明提供了一种海面溢油的多机器人编队溯源控制方法，包括如下步骤：1)设计基于观测器的跟踪控制器和基于一致性的编队控制器，在驱动多艘无人船溯源搜索溢油点的同时保持事先设计好的编队队形；2)在步骤1)所设计的控制器框架下，多无人船通过分布式优化的方法协同估计机器人编队覆盖区域内溢油浓度的梯度和散度的算术平均值；3)在步骤2)所得到的分布式估计器框架下，采用一致性高通滤波器协同估计多机器人编队队形质心坐标。本发明具有搜索范围大、机动性强和鲁棒性强等特点，能在有限观测数据条件下基于油膜扩散‑对流模型实现多无人船对溢油点的编队搜寻控制。

Description

一种海面溢油的多机器人编队溯源控制方法

技术领域

本发明涉及无人船领域，具体涉及一种海面溢油的多机器人编队溯源控制方法。

背景技术

无人船技术是一种综合了计算机、控制论、结构学、信息和传感技术、人工智能、仿生学到等多学科而形成的高新技术。当前，对于无人船的研究十分活跃并被日益运用到广泛的领域中，涉及海上溢油监测，无人船技术越来越受到学术界和工业界的关注。现有海上溢油监测多采用单无人船跟踪，且基于控制的方法往往难以得到准确的模型参数，存在模型误差，即便是采用多无人船，往往不能阻止合理的编队，有效的搜索漏油的源头。因此针对溢油点溯源的自跟踪控制和编队控制受到广泛关注。显而易见，无序的多无人船搜索溢油点效率低，与此同时，由于基于无人船的溢油跟踪控制模型不确定性强。受近年来编队控制控制和分布式优化发展的启发，本发明提出一种海面溢油的多机器人编队控制和溯源跟踪控制方法来实现多无人船对溢油点的搜索。

发明内容

本发明所要解决的技术问题是海面溢油的多机器人编队溯源控制。

1、一种海面溢油的多机器人编队溯源控制方法包括如下步骤：

1)设计基于观测器的跟踪控制器和基于一致性的编队控制器，在驱动多艘无人船溯源搜索溢油点的同时保持事先设计好的编队队形；

2)在步骤1)所设计的控制器框架下，多无人船通过分布式优化的方法协同估计机器人编队覆盖区域内溢油浓度的梯度和散度的算术平均值；

3)在步骤2)所得到的分布式估计器框架下，采用一致性高通滤波器协同估计多机器人编队队形质心坐标。本发明具有搜索范围大、机动性强和鲁棒性强等特点，能在有限观测数据条件下基于油膜扩散-对流模型实现多无人船对溢油点的编队搜寻控制。

2、溢油扩散模型采用经典的对流-扩散方程，其中为溢油浓度，和为溢油浓度的梯度和散度，这两个参数未知，f₀和v为模型已知参数，分别表示扩散系数和流场速度矢量。每艘无人船i的溢油模型参数均可写为分布式参数，如：u_i、等，基于观测器的跟踪控制器对溢油对流-扩散模型反向求解，从而实现溢油点的溯源；编队控制器结合一致性协议，使多无人船保持特定队形，从而利于溯源搜索的展开，结合这两类控制器无人船的控制率如下：

其中，表示无人船i观测到的风速，和分别表示溢油浓度的梯度和散度，f₀表示扩散系数，D是单位正交阵，x_i是无人船i的坐标，和分别表示无人船i坐标的估计值和其导数，r_i表示无人船i总的控制率。

3、采用分布式优化的方法估计溢油扩散与对流模型的部分待定参数和首先假设无人船i的溢油浓度观测为：

其中，h和H分别对应浓度的梯度和散度。上式可进一步简写为

其中，U＝[u₁，…，u_i，…，u_n]^T， θ_i＝[vec(H)，h]^T，Θ＝[θ₁，…，θ_i，…，θ_n]^T。

在只考虑邻居节点通讯的条件下，参数和的估计问题可归结为如下优化问题：

其中表示克罗克内积，I表示单位阵。上式写成拉格朗日函数的形式为：

上式的解可写作如下迭代形式：

上式写成更为直观的分布式的形式为：

最终我们可以得到扩散-对流模型的参数估计：

4、估计扩散对流模型需要用到无人船编队质心坐标为了保证整个算法都写成分布式的形式，特用如下一致性高通滤波器估计质心坐标

z_i＝w_i+x_i，

其中，N_i表示无人船i的邻居集合，w_i是一个中间变量，依上式

附图说明

图1为本发明流程图。

图2为本发明的具体实施海面溢油的多机器人编队溯源控制的编队队形。

具体实施方式

下面结合附图对本发明做进一步的说明。

图1所示的一种海面溢油的多机器人编队溯源控制方法，首先，设计基于观测器的跟踪控制器和基于一致性的编队控制器，在驱动多艘无人船溯源搜索溢油点的同时保持事先设计好的编队队形；然后，多无人船通过分布式优化的方法协同估计机器人编队覆盖区域内溢油浓度的梯度和散度的算术平均值；最后，采用一致性高通滤波器协同估计多机器人编队队形质心坐标。

图2展示了实现本发明的多无人船通信拓扑和队形拓扑，首先设计基于观测器的跟踪控制器和基于一致性的编队控制器。基于观测器的跟踪控制器对溢油对流-扩散模型反向求解，从而实现溢油点的溯源；编队控制器结合一致性协议，使多无人船保持特定队形，从而利于溯源搜索的展开，结合这两类控制器无人船的控制率如下：

其中，表示无人船i观测到的风速，和分别表示溢油浓度的梯度和散度，f₀表示扩散系数，D是单位正交阵，x_i是无人船i的坐标，和分别表示无人船i坐标的估计值和其导数，r_i表示无人船i总的控制率。

然后，采用分布式优化的方法估计溢油扩散与对流模型的部分待定参数和假设无人船i的溢油浓度观测为：

其中，h和H分别对应浓度的梯度和散度。上式可进一步简写为

其中，U＝[u₁，…，u_i，…，u_n]^T， θ_i＝[vec(H)，h]^T，Θ＝[θ₁，…，θ_i，…，θ_n]^T。

在只考虑邻居节点通讯的条件下，参数和的估计问题可归结为如下优化问题：

其中表示克罗克内积，I表示单位阵。上式写成拉格朗日函数的形式为：

上式的解可写作如下迭代形式：

上式写成更为直观的分布式的形式为：

最终我们可以得到扩散-对流模型的参数估计：

最后，为了保证整个算法都写成分布式的形式，特用如下一致性高通滤波器估计质心坐标

z_i＝w_i+x_i，

其中，N_i表示无人船i的邻居集合，w_i是一个中间变量，依上式

Claims (4)

1.一种海面溢油的多机器人编队溯源控制方法，

其特征在于包括如下步骤：

1)设计基于观测器的跟踪控制器和基于一致性的编队控制器，在驱动多艘无人船溯源搜索溢油点的同时保持事先设计好的编队队形；

2)在步骤1)所设计的控制器框架下，多无人船通过分布式优化的方法协同估计机器人编队覆盖区域内溢油浓度的梯度和散度的算术平均值；

3)在步骤2)所得到的分布式估计器框架下，采用一致性高通滤波器协同估计多机器人编队队形质心坐标。本发明具有搜索范围大、机动性强和鲁棒性强等特点，能在有限观测数据条件下基于油膜扩散-对流模型实现多无人船对溢油点的编队搜寻控制。

2.根据权利要求1所述的一种海面溢油的多机器人编队溯源控制方法，其特征在于所述步骤1)中设计基于观测器的跟踪控制器和基于一致性的编队控制器。基于观测器的跟踪控制器对溢油对流-扩散模型反向求解，从而实现溢油点的溯源；编队控制器结合一致性协议，使多无人船保持特定队形，从而利于溯源搜索的展开，结合这两类控制器无人船的控制率如下：

其中，表示无人船i观测到的风速，和分别表示溢油浓度的梯度和散度，f₀表示扩散系数，D是单位正交阵，x_i是无人船i的坐标，和分别表示无人船i坐标的估计值和其导数，r_i表示无人船i总的控制率。

3.根据权利要求1所述的一种海面溢油的多机器人编队溯源控制方法，其特征在于所述步骤2)中提出一种分布式优化的方法估计溢油扩散与对流模型的部分待定参数和首先假设无人船i的溢油浓度观测为：

其中，h和H分别对应浓度的梯度和散度。上式可进一步简写为

其中，U＝[u₁，…，u_i，…，u_n]^T， θ_i＝[vee(H)，h]^T，Θ＝[θ₁，…，θ_i，…，θ_n]^T。

在只考虑邻居节点通讯的条件下，参数和的估计问题可归结为如下优化问题：

其中表示克罗克内积，I表示单位阵。上式写成拉格朗日函数的形式为：

上式的解可写作如下迭代形式：

上式写成更为直观的分布式的形式为：

最终我们可以得到扩散-对流模型的参数估计：

4.根据权利要求1所述的一种海面溢油的多机器人编队溯源控制方法，其特征在于所述步骤3)中协同估计多机器人编队的质心坐标，步骤2)中估计扩散对流模型需要用到无人船编队质心坐标为了保证整个算法都写成分布式的形式，特用如下一致性高通滤波器估计质心坐标

z_i＝ω_i+x_i

其中，N_i表示无人船i的邻居集合，ω_i是一个中间变量，依上式