CN108181928B - 一种海面溢油的多机器人编队溯源控制方法 - Google Patents

一种海面溢油的多机器人编队溯源控制方法 Download PDF

Info

Publication number
CN108181928B
CN108181928B CN201711469156.4A CN201711469156A CN108181928B CN 108181928 B CN108181928 B CN 108181928B CN 201711469156 A CN201711469156 A CN 201711469156A CN 108181928 B CN108181928 B CN 108181928B
Authority
CN
China
Prior art keywords
formation
oil spill
oil
diffusion
robot
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
CN201711469156.4A
Other languages
English (en)
Other versions
CN108181928A (zh
Inventor
姜向远
李帅
林宗元
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.)
Shandong University
Original Assignee
Shandong 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 Shandong University filed Critical Shandong University
Priority to CN201711469156.4A priority Critical patent/CN108181928B/zh
Publication of CN108181928A publication Critical patent/CN108181928A/zh
Application granted granted Critical
Publication of CN108181928B publication Critical patent/CN108181928B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G05D1/12—Target-seeking control
    • 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
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles

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)
  • Feedback Control In General (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

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，往往不能合理地编队，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，
Figure GDA0002695056130000023
其中
Figure GDA0002695056130000024
为溢油浓度，
Figure GDA0002695056130000025
和
Figure GDA0002695056130000026
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：ui、
Figure GDA0002695056130000027
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：
Figure GDA0002695056130000021
Figure GDA0002695056130000022
其中，
Figure GDA0002695056130000037
表示无人船i观测到的风速，
Figure GDA0002695056130000038
和
Figure GDA0002695056130000039
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，xi是无人船i的坐标，
Figure GDA00026950561300000310
和
Figure GDA00026950561300000311
分别表示无人船i坐标的估计值和其导数，ri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
Figure GDA00026950561300000312
和
Figure GDA00026950561300000313
首先假设无人船i的溢油浓度观测为：
Figure GDA0002695056130000031
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
Figure GDA00026950561300000314
其中，U＝[u1，…，ui，…，un]T，
Figure GDA00026950561300000315
Figure GDA00026950561300000316
θi＝[vec(H)，h]T，Θ＝[θ1，…，θi，…，θn]T。
在只考虑邻居节点通讯的条件下，参数
Figure GDA00026950561300000317
和
Figure GDA00026950561300000318
的估计问题可归结为如下优化问题：
Figure GDA0002695056130000032
Figure GDA0002695056130000033
其中
Figure GDA00026950561300000319
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：
Figure GDA0002695056130000034
上式的解可写作如下迭代形式：
Figure GDA0002695056130000035
Figure GDA0002695056130000036
上式写成更为直观的分布式的形式为：
Figure GDA0002695056130000041
Figure GDA0002695056130000042
最终我们可以得到扩散-对流模型的参数估计：
Figure GDA0002695056130000043
Figure GDA0002695056130000044
4、估计扩散对流模型需要用到无人船编队质心坐标
Figure GDA0002695056130000046
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
Figure GDA0002695056130000047
Figure GDA0002695056130000045
zi＝wi+xi，
其中，Ni表示无人船i的邻居集合，wi是一个中间变量，依上式
Figure GDA0002695056130000048
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：
Figure GDA0002695056130000051
Figure GDA0002695056130000052
其中，
Figure GDA0002695056130000054
表示无人船i观测到的风速，
Figure GDA0002695056130000055
和
Figure GDA0002695056130000056
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，xi是无人船i的坐标，
Figure GDA0002695056130000057
和
Figure GDA0002695056130000058
分别表示无人船i坐标的估计值和其导数，ri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
Figure GDA0002695056130000059
和
Figure GDA00026950561300000510
假设无人船i的溢油浓度观测为：
Figure GDA0002695056130000053
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
Figure GDA00026950561300000511
其中，U＝[u1，…，ui，…，un]T，
Figure GDA00026950561300000512
Figure GDA00026950561300000513
θi＝[vec(H)，h]T，Θ＝[θ1，…，θi，…，θn]T。
在只考虑邻居节点通讯的条件下，参数
Figure GDA00026950561300000514
和
Figure GDA00026950561300000515
的估计问题可归结为如下优化问题：
Figure GDA0002695056130000061
Figure GDA0002695056130000062
其中
Figure GDA00026950561300000612
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：
Figure GDA0002695056130000063
上式的解可写作如下迭代形式：
Figure GDA0002695056130000064
Figure GDA0002695056130000065
上式写成更为直观的分布式的形式为：
Figure GDA0002695056130000066
Figure GDA0002695056130000067
最终我们可以得到扩散-对流模型的参数估计：
Figure GDA0002695056130000068
Figure GDA0002695056130000069
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
Figure GDA00026950561300000613
Figure GDA00026950561300000610
zi＝wi+xi，
其中，Ni表示无人船i的邻居集合，wi是一个中间变量，依上式
Figure GDA00026950561300000611

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；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；
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；
依据扩散-对流模型的参数估计：
Figure FDA0002695056120000011
Figure FDA0002695056120000012
估计溢油扩散与对流模型的溢油浓度的梯度
Figure FDA0002695056120000013
和散度
Figure FDA0002695056120000014
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；具有搜索范围大、机动性强和鲁棒性强特点，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；
用如下一致性高通滤波器估计质心坐标
Figure FDA0002695056120000017
Figure FDA0002695056120000015
zi＝ωi+xi，
其中，Ni表示无人船i的邻居集合，wi是一个中间变量，依上式
Figure FDA0002695056120000016
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，结合这两类控制器无人船的控制率如下：
Figure FDA0002695056120000021
Figure FDA0002695056120000022
其中，
Figure FDA0002695056120000023
表示无人船i观测到的风速，
Figure FDA0002695056120000024
和
Figure FDA0002695056120000025
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，xi是无人船i的坐标，
Figure FDA0002695056120000026
和
Figure FDA0002695056120000027
分别表示无人船i坐标的估计值和其导数，ri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
Figure FDA0002695056120000028
和
Figure FDA0002695056120000029
首先假设无人船i的溢油浓度观测为：
Figure FDA00026950561200000210
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
Figure FDA00026950561200000211
其中，U＝[u1，…，ui，…，un]T，
Figure FDA00026950561200000212
Figure FDA00026950561200000213
θi＝[vec(H)，h]T，Θ＝[θ1，…，θi，…，θn]T；
在只考虑邻居节点通讯的条件下，参数
Figure FDA00026950561200000214
和
Figure FDA00026950561200000215
的估计问题可归结为如下优化问题：
Figure FDA0002695056120000031
s.t.
Figure FDA0002695056120000032
其中
Figure FDA0002695056120000033
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：
Figure FDA0002695056120000034
上式的解可写作如下迭代形式：
Figure FDA0002695056120000035
Figure FDA0002695056120000036
上式写成更为直观的分布式的形式为：
Figure FDA0002695056120000037
Figure FDA0002695056120000038
最终我们可以得到扩散-对流模型的参数估计：
Figure FDA0002695056120000039
Figure FDA00026950561200000310
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
Figure FDA00026950561200000311
保证整个算法都写成分布式的形式。
CN201711469156.4A 2017-12-29 2017-12-29 一种海面溢油的多机器人编队溯源控制方法 Expired - Fee Related CN108181928B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711469156.4A CN108181928B (zh) 2017-12-29 2017-12-29 一种海面溢油的多机器人编队溯源控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711469156.4A CN108181928B (zh) 2017-12-29 2017-12-29 一种海面溢油的多机器人编队溯源控制方法

Publications (2)

Publication Number Publication Date
CN108181928A CN108181928A (zh) 2018-06-19
CN108181928B true CN108181928B (zh) 2021-04-30

Family

ID=62548724

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711469156.4A Expired - Fee Related CN108181928B (zh) 2017-12-29 2017-12-29 一种海面溢油的多机器人编队溯源控制方法

Country Status (1)

Country Link
CN (1) CN108181928B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109491381B (zh) * 2018-11-06 2020-10-27 中国科学技术大学 基于观测器的多移动机器人自适应编队跟踪控制方法
CN110262524B (zh) * 2019-08-02 2022-04-01 大连海事大学 一种无人艇集群最优聚集控制器的设计方法
CN110675002B (zh) * 2019-10-10 2022-07-05 中山大学 一种分布式完全覆盖的机器人编队覆盖方法
CN114755373B (zh) * 2022-06-16 2023-03-31 西安工业大学 一种基于多机器人编队的空气污染源预警定位方法
CN114815854B (zh) * 2022-06-27 2022-09-27 三亚哈尔滨工程大学南海创新发展基地 一种面向海上目标围捕的双无人艇编队控制方法
CN115494846A (zh) * 2022-09-28 2022-12-20 武汉理工大学 基于无人艇编队的海上溢油围控回收方法、装置及设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7343222B2 (en) * 2002-08-21 2008-03-11 Solomon Research Llc System, method and apparatus for organizing groups of self-configurable mobile robotic agents in a multi-robotic system
CN104865829A (zh) * 2015-03-26 2015-08-26 哈尔滨工业大学 多机器人系统分布式自适应神经网络连续跟踪控制方法
CN107085427A (zh) * 2017-05-11 2017-08-22 华南理工大学 一种基于领导跟随结构的无人水面艇编队控制方法
CN107168341A (zh) * 2017-07-12 2017-09-15 哈尔滨工程大学 面向溢油围捕的柔性连接式双无人艇自主协同方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105068546B (zh) * 2015-07-31 2017-06-16 哈尔滨工业大学 一种卫星编队相对轨道自适应神经网络构形包含控制方法
CN105116899B (zh) * 2015-08-28 2017-07-28 浙江工业大学 基于eso的分布式多移动机器人编队控制方法
CN105584599B (zh) * 2016-01-25 2017-10-31 大连海事大学 一种基于无人艇编队运动的海洋环境监测系统
CN107807069B (zh) * 2017-10-25 2020-02-18 山东大学 一种海面溢油的自适应跟踪控制方法及其系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7343222B2 (en) * 2002-08-21 2008-03-11 Solomon Research Llc System, method and apparatus for organizing groups of self-configurable mobile robotic agents in a multi-robotic system
CN104865829A (zh) * 2015-03-26 2015-08-26 哈尔滨工业大学 多机器人系统分布式自适应神经网络连续跟踪控制方法
CN107085427A (zh) * 2017-05-11 2017-08-22 华南理工大学 一种基于领导跟随结构的无人水面艇编队控制方法
CN107168341A (zh) * 2017-07-12 2017-09-15 哈尔滨工程大学 面向溢油围捕的柔性连接式双无人艇自主协同方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Ship’s tracking control based on nonlinear time series model;Jun Wu;《Applied Ocean Research》;20120215;全文 *
欠驱动水下航行器编队协同控制;肖瑞武;《集美大学学报》;20151130;全文 *
海流干扰下的多UUV 编队路径跟踪;侯恕萍;《中国造船》;20131231;全文 *
粒子跟踪法溢油模型在渤海海域的适应性;李云斌;《哈尔滨工程大学学报》;20170430;全文 *

Also Published As

Publication number Publication date
CN108181928A (zh) 2018-06-19

Similar Documents

Publication Publication Date Title
CN108181928B (zh) 一种海面溢油的多机器人编队溯源控制方法
Yoo et al. Path optimization for marine vehicles in ocean currents using reinforcement learning
CN110989639B (zh) 一种基于应力矩阵的水下航行器编队控制方法
Das et al. Adaptive sliding mode formation control of multiple underwater robots
Hao et al. Adaptive dynamic surface control for cooperative path following of underactuated marine surface vehicles via fast learning
CN110780668B (zh) 一种多无人艇的分布式编队合围跟踪控制方法及系统
CN110658821B (zh) 一种多机器人抗干扰分组时变编队控制方法及系统
CN106773689A (zh) 基于分层分布式模型预测控制的auv编队协同控制方法
Yang et al. Stress-matrix-based formation scaling control
Harmouche et al. Global tracking for underactuated ships with bounded feedback controllers
CN104635773B (zh) 一种基于改进强跟踪滤波状态观测器的船舶动力定位方法
CN107807069B (zh) 一种海面溢油的自适应跟踪控制方法及其系统
CN107888412A (zh) 多智能体网络有限时间包容控制方法及装置
Wang et al. Adaptive neural control for cooperative path following of marine surface vehicles: state and output feedback
Huang et al. An overview of recent progress in high-order nonholonomic chained system control and distributed coordination
Ghasemi et al. Sliding mode coordination control for multiagent systems with underactuated agent dynamics
Zhao et al. Path planning for autonomous surface vessels based on improved artificial fish swarm algorithm: a further study
CN105760549B (zh) 基于属性图模型的近邻查询方法
Li et al. Bearing-based formation manoeuvre control of nonholonomic multi-agent systems
CN109491381B (zh) 基于观测器的多移动机器人自适应编队跟踪控制方法
Ou et al. Finite-time tracking control for multiple non-holonomic mobile robots based on visual servoing
Yang et al. Smooth time-varying formation control of multiple nonholonomic agents
CN114721273B (zh) 一种固定时间收敛零化神经网络的多智能体编队控制方法
Wang et al. Formation control of multiple nonholonomic mobile robots with limited information of a desired trajectory
CN116700300A (zh) 一种多auv分布式集群的鲁棒自适应一致性控制方法

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
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20210113

Address after: No.72 Binhai Road, Jimo District, Qingdao, Shandong 266200

Applicant after: SHANDONG University

Address before: 266580 No. 66 Changjiang West Road, Huangdao District, Qingdao, Shandong.

Applicant before: China University of Petroleum (East China)

GR01 Patent grant
GR01 Patent grant
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: 20210430

Termination date: 20211229