CN108897339B - 一种基于速度规划的受约束多智能体编队方法 - Google Patents

一种基于速度规划的受约束多智能体编队方法 Download PDF

Info

Publication number
CN108897339B
CN108897339B CN201810819129.3A CN201810819129A CN108897339B CN 108897339 B CN108897339 B CN 108897339B CN 201810819129 A CN201810819129 A CN 201810819129A CN 108897339 B CN108897339 B CN 108897339B
Authority
CN
China
Prior art keywords
track
speed
intelligent
section
aircraft
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.)
Active
Application number
CN201810819129.3A
Other languages
English (en)
Other versions
CN108897339A (zh
Inventor
黄攀峰
张校祯
张帆
孟中杰
张夷斋
刘正雄
董刚奇
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.)
Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical 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 Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201810819129.3A priority Critical patent/CN108897339B/zh
Publication of CN108897339A publication Critical patent/CN108897339A/zh
Application granted granted Critical
Publication of CN108897339B publication Critical patent/CN108897339B/zh
Active 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
    • G05D1/10—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
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

本发明涉及一种基于速度规划的受约束多智能体编队方法，在考虑编队的同时还考虑智能体间存在约束。通常对于一般的多智能体系统，采用分布式控制，在多智能飞行器间构建通讯拓扑，采用一致性控制进行编队控制和整体机动有一定的优势。但是，本系统的容错率低，多智能飞行器存在约束，单一智能飞行器的错误指令就可能导致整个系统的崩溃或损坏，所以特提出本发明所述的编队控制方法，以保证可靠性。

Description

一种基于速度规划的受约束多智能体编队方法
技术领域
本发明属于机器人领域，涉及一种基于速度规划的受约束多智能体编队方法。
背景技术
受约束多智能体编队问题涉及诸多领域，由于约束的存在常常会导致系统的低容错率，如果控制不得当，在系统状态切换过程中，就可能会发生巨大震荡，甚至崩溃，因此，对每个个体的精确控制就尤其重要，进行速度规划可以使得个体的轨迹十分精确，动态过程短，且超调量小，是一种良好的解决受约束多智能体编队控制的方法。
近年来，多智能体的协同编队问题引起了越来越多的关注目前，针对多智能体的编队问题，一般有三种解决方案：
基于行为的编队控制。该控制方法由一系列行为构成，将系统任务或者是传感器信息以及其他智能体的输出信息作为输入，其输出为运动控制或者别的智能体的输入信息，从而构成交互信息网络，该方法由良好的并行性和实时性，但其主要问题是如何设计各种行为的协调机制。
集中式控制编队。该方法将智能体群队形看做是一个刚性虚拟结构，每个智能体跟踪刚性结构中一点，系统中存在一中央主机，用于决策和发布指令，系统需要保证每个智能体与中央主机之间通讯，该方法也是目前来说较为成熟的一种编队控制方法，实现起来也较为简单，高效可靠，对中央主机有依赖。
分布式控制编队。该方法中不存在中央主机，主要是基于一致性理论，多智能个体之间会形成一通讯拓扑网络，该网络必须是一个全连通的，智能体根据自身收集到的信息进行决策，该方法的优点是在通讯可靠的情况下鲁棒性好，对中央调制无依赖，但是与此同时，各个智能体之间的通讯频率和通讯连接数量很大影响系统的性能。
发明内容
要解决的技术问题
为了避免现有技术的不足之处，本发明提出一种基于速度规划的受约束多智能体编队方法。
技术方案
一种基于速度规划的受约束多智能体编队方法，其特征在于步骤如下：
步骤1：中央主机接收到既定任务轨迹L(t)、需求阵型d(t)，虚拟leader轨迹设定为既定任务轨迹L(t)，得到各个follower智能飞行器的轨迹li(t)：
li(t)＝L(t)+di(t)
d(t)＝[d1(t) d2(t) … dn(t)]T
在任意时刻，中央主机都会生成一刚性阵型，而各个智能飞行器会去跟踪自己所对应的位置；
步骤2：将任务确定的每个智能飞行器的轨迹分解为多段，并对每段轨迹进行速度规划，使得在轨迹末端速度达到指定值且恰好能够平滑地连接下一段轨迹；
将轨迹分解的主要分解原则：根据轨迹形状分为圆弧型、直线型；
速度规划：
直线型：
Figure BDA0001740967800000021
t1＝ts+|vm-vs|
Figure BDA0001740967800000022
其中ts～t1时间内为一次函数型加速，t1～t2时间内为保持常值最大速度，t2～te时间内为2次函数型减速。其中s为直线方向上路程，vs为轨迹初始端点速度，vm为轨迹段最大速度，ve为轨迹结束端点速度；
圆弧型规划：
Figure BDA0001740967800000031
Figure BDA0001740967800000032
Figure BDA0001740967800000033
Figure BDA0001740967800000041
S2＝vm(t2-t1)
t1＝ts+|vm-vs|
Figure BDA0001740967800000042
其中ts～t1时间内轨迹和速度为一次函数型加速，t1～t2时间内轨迹和速度保持常值最大速度，t2～te时间内轨迹和速度为2次函数型减速。其中s为轨迹路程，vs为轨迹初始端点速度，vm为轨迹段最大速度，ve为轨迹结束端点速度，θs为轨迹初始时速度朝向(定义x轴正方向为θs＝0，逆时针增大)，θe为轨迹终止时的速度朝向，R为圆轨迹半径；
速度连接：分解而成的多段轨迹，若轨迹衔接处速度方向不一致，则要求前段轨迹末速度和后段轨迹初速度均为0；若轨迹衔接处速度方向一致，前段轨迹末速度和后段轨迹初速度不为0但必须相等；
步骤3：系统采用WIFI无线网络作为通讯手段，中央主机和每个智能飞行器双端检测通讯链路是否正常；
中央主机不断发送轨迹控制指令给各个智能飞行器，各个智能飞行器不断发送心跳包给中央主机，若主机在2s内未收到某一智能飞行器的任何心跳包，中央主机即认为该机失联，切换至紧急模式，将所有其他受控智能飞行器停止运动，同时若某一智能飞行器2s内未接收到任何控制指令，即认为本机与主机失联，将立即停止运动。
有益效果
本发明提出的一种基于速度规划的受约束多智能体编队方法，在考虑编队的同时还考虑智能体间存在约束。通常对于一般的多智能体系统，采用分布式控制，在多智能飞行器间构建通讯拓扑，采用一致性控制进行编队控制和整体机动有一定的优势。但是，本系统的容错率低，多智能飞行器存在约束，单一智能飞行器的错误指令就可能导致整个系统的崩溃或损坏，所以特提出本发明所述的编队控制方法，以保证可靠性，
与现有技术相比，本发明有以下有益效应：
1、极高的安全性，如上文所述，本发明的诸多措施，如通讯检测、速度规划等，都是为了保证系统的安全。
2、该发明编队控制考虑了受约束多智能体，而目前许多编队控制都是不考虑约束问题的。
附图说明
图1：一种典型轨迹
图2：系统通讯信息流
具体实施方式
现结合实施例、附图对本发明作进一步描述：
本发明目的是针对受约束多智能体系统，提出一种基于速度规划的集中式编队方法。
本编队方法采用Leader-Follower方法。系统由中央决策主机、单个智能飞行器、弱弹性的轻质绳网网(10m*10m)组成。弱弹性绳网由多个智能飞行器牵引，由于绳网的存在，使得多飞行器编队结构及结构变换时有一定约束。
编队飞行时，中央主机会生成以虚拟leader，而其他执行任务的智能飞行器将作为follower跟踪给定编队结构中的点。
本编队控制方法的具体步骤包括：
1、根据既定任务轨迹与需求阵型，中央主机生成各智能飞行器目标轨迹。
2、将各智能飞行器目标轨迹分解为多段，并对每段轨迹进行速度规划，使得在轨迹末端速度达到指定值且恰好能够平滑地连接下一段轨迹。
3、中央主机将解算好的轨迹和指令发布给各个智能飞行器，同时检测通讯链路是否故障，保证系统安全。
第一步：根据任务，确定每个智能飞行器的轨迹
首先分析根据需求的任务，确定每个智能飞行器任务，并对每个智能飞行器指定轨迹，这些轨迹将全部由圆弧段和直线段组成，每个智能飞行器的轨迹的时间以中央主机时间为基准。
中央主机接收到既定任务轨迹L(t)、需求阵型d(t)，虚拟leader轨迹设定为既定任务轨迹L(t)，可以得到各个follower智能飞行器的轨迹li(t)：
li(t)＝L(t)+di(t) (1)
d(t)＝[d1(t) d2(t) … dn(t)]T (2)
在任意时刻，中央主机都会生成一刚性阵型，而各个智能飞行器会去跟踪自己所对应的位置。
如图1所显示的就是一种典型轨迹。
第二步：将各智能飞行器目标轨迹分解，并对每段速度进行速度规划
将轨迹分解成圆弧型和直线型。
下面给出圆弧型和直线型轨迹的速度规划方法：
直线型使用一次函数型加速，常值最大速度，二次函数型减速。容易知道，三段路程和等于总路程，有：
Figure BDA0001740967800000061
其中ts～t1时间内为一次函数型加速，t1～t2时间内为保持常值最大速度，t2～te时间内为2次函数型减速。其中s为直线方向上路程，vs为轨迹初始端点速度，vm为轨迹段最大速度，ve为轨迹结束端点速度。
由于第一段加速斜率一定，故可以知道：
t1＝ts+|vm-vs| (4)
带入(1)中，可以求得：
Figure BDA0001740967800000071
根据该段速度形式的定义，可以容易得到速度规划：
Figure BDA0001740967800000072
圆弧型规划的方法是基于直线型的，使得圆弧型全段和速度(这里规定逆时针为正，逆时针为负)满足直线型的规划，然后将该速度分解到2个方向上即可，我们需要将(4)式看做是整段的路程，然后根据一定规律分解。
可知圆轨迹的速度方向和当前所处的角度位置有关，而这个角度位置可以通过已行进路程得到，所以，加速度段路程S1：
Figure BDA0001740967800000073
匀速段路程：
S2＝vm(t2-t1) (8)
那么，可以容易写出速度规划结果：
Figure BDA0001740967800000081
Figure BDA0001740967800000082
其中R为圆轨迹半径。
分解而成的多段轨迹，若轨迹衔接处速度方向不一致，则应当要求前段轨迹末速度和后段轨迹初速度均为0；若轨迹衔接处速度方向一致，前段轨迹末速度和后段轨迹初速度可不为0但必须相等。
第三步：发送轨迹指令并且检测通讯链路
如图2所示，由于使用环境限制，本系统采用WIFI无线网络作为通讯手段，无线网络受环境干扰大，容易出现断线、丢包等情况，故需要中央主机和每个智能飞行器双端检测通讯链路是否正常，中央主机不断发送轨迹控制指令给各个智能飞行器，各个智能飞行器不断发送心跳包给中央主机，若主机在2s内未收到某一智能飞行器的任何心跳包，中央主机即认为该机失联，切换至紧急模式，将所有其他受控智能飞行器停止运动，同时若某一智能飞行器2s内未接收到任何控制指令，即认为本机与主机失联，将立即停止运动。
通过这样的方法以保证该低容错率系统不易崩溃，保证系统安全。

Claims (1)

1.一种基于速度规划的受约束多智能体编队方法，其特征在于步骤如下：
步骤1：中央主机接收到既定任务轨迹L(t)、需求阵型d(t)，虚拟leader轨迹设定为既定任务轨迹L(t)，得到各个follower智能飞行器的轨迹li(t)：
li(t)＝L(t)+di(t)
d(t)＝[d1(t) d2(t)…dn(t)]T
在任意时刻，中央主机都会生成一刚性阵型，而各个智能飞行器会去跟踪自己所对应的位置；
步骤2：将任务确定的每个智能飞行器的轨迹分解为多段，并对每段轨迹进行速度规划，使得在轨迹末端速度达到指定值且恰好能够平滑地连接下一段轨迹；
将轨迹分解的主要分解原则：根据轨迹形状分为圆弧型、直线型；
速度规划：
直线型：
Figure FDA0002561598330000011
t1＝ts+|vm-vs|
Figure FDA0002561598330000012
其中ts～t1时间内为一次函数型加速，t1～t2时间内为保持常值最大速度，t2～te时间内为2次函数型减速；其中s为直线方向上路程，vs为轨迹初始端点速度，vm为轨迹段最大速度，ve为轨迹结束端点速度；
圆弧型规划：
Figure FDA0002561598330000021
Figure FDA0002561598330000022
Figure FDA0002561598330000023
Figure FDA0002561598330000024
S2＝vm(t2-t1)t1＝ts+|vm-vs|
Figure FDA0002561598330000025
其中ts～t1时间内轨迹和速度为一次函数型加速，t1～t2时间内轨迹和速度保持常值最大速度，t2～te时间内轨迹和速度为2次函数型减速；其中s为轨迹路程，vs为轨迹初始端点速度，vm为轨迹段最大速度，ve为轨迹结束端点速度，θs为轨迹初始时速度朝向，定义x轴正方向为θs＝0，逆时针增大，θe为轨迹终止时的速度朝向，R为圆轨迹半径；
速度连接：分解而成的多段轨迹，若轨迹衔接处速度方向不一致，则要求前段轨迹末速度和后段轨迹初速度均为0；若轨迹衔接处速度方向一致，前段轨迹末速度和后段轨迹初速度不为0但必须相等；
步骤3：系统采用WIFI无线网络作为通讯手段，中央主机和每个智能飞行器双端检测通讯链路是否正常；
中央主机不断发送轨迹控制指令给各个智能飞行器，各个智能飞行器不断发送心跳包给中央主机，若主机在2s内未收到某一智能飞行器的任何心跳包，中央主机即认为该智能飞行器失联，切换至紧急模式，将所有其他受控智能飞行器停止运动，同时若某一智能飞行器2s内未接收到任何控制指令，即认为本机与主机失联，将立即停止运动。
CN201810819129.3A 2018-07-24 2018-07-24 一种基于速度规划的受约束多智能体编队方法 Active CN108897339B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810819129.3A CN108897339B (zh) 2018-07-24 2018-07-24 一种基于速度规划的受约束多智能体编队方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810819129.3A CN108897339B (zh) 2018-07-24 2018-07-24 一种基于速度规划的受约束多智能体编队方法

Publications (2)

Publication Number Publication Date
CN108897339A CN108897339A (zh) 2018-11-27
CN108897339B true CN108897339B (zh) 2020-10-27

Family

ID=64352380

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810819129.3A Active CN108897339B (zh) 2018-07-24 2018-07-24 一种基于速度规划的受约束多智能体编队方法

Country Status (1)

Country Link
CN (1) CN108897339B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109508035B (zh) * 2018-12-24 2021-11-26 南京邮电大学 基于分布式控制的多区域分级式无人机编队路径规划方法
CN112596395B (zh) * 2020-12-24 2022-05-24 中国科学院重庆绿色智能技术研究院 一种多重信息约束下的多智能体一致性协同控制方法
CN112965523B (zh) * 2021-02-09 2022-08-16 西北工业大学 一种绳系连接多飞行器离线轨迹生成方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436073A (zh) * 2008-12-03 2009-05-20 江南大学 基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法
US8219264B1 (en) * 2009-06-08 2012-07-10 The United States Of America As Represented By The Secretary Of The Air Force Close formation flight positioning system using air data measurements
CN103699053A (zh) * 2013-12-30 2014-04-02 成都乐创自动化技术股份有限公司 一种轨迹的运动控制方法
CN104359473A (zh) * 2014-10-24 2015-02-18 南京航空航天大学 一种动态环境下无人机编队飞行的协同航迹智能规划方法
CN105527960A (zh) * 2015-12-18 2016-04-27 燕山大学 一种基于领航跟随的移动机器人编队控制方法
CN106292337A (zh) * 2016-10-17 2017-01-04 安徽大学 基于正弦加速度函数的永磁球形电机点到点运动轨迹规划方法及其应用
CN107807658A (zh) * 2017-09-30 2018-03-16 飞智控（天津）科技有限公司 面向多无人机编队飞行任务的轨迹规划方法
CN108073185A (zh) * 2017-11-30 2018-05-25 江西洪都航空工业集团有限责任公司 多无人机同时到达协同控制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10890922B2 (en) * 2015-11-19 2021-01-12 Agjunction Llc Automated multi-vehicle alignment steering

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101436073A (zh) * 2008-12-03 2009-05-20 江南大学 基于量子行为粒子群算法的轮式移动机器人轨迹跟踪方法
US8219264B1 (en) * 2009-06-08 2012-07-10 The United States Of America As Represented By The Secretary Of The Air Force Close formation flight positioning system using air data measurements
CN103699053A (zh) * 2013-12-30 2014-04-02 成都乐创自动化技术股份有限公司 一种轨迹的运动控制方法
CN104359473A (zh) * 2014-10-24 2015-02-18 南京航空航天大学 一种动态环境下无人机编队飞行的协同航迹智能规划方法
CN105527960A (zh) * 2015-12-18 2016-04-27 燕山大学 一种基于领航跟随的移动机器人编队控制方法
CN106292337A (zh) * 2016-10-17 2017-01-04 安徽大学 基于正弦加速度函数的永磁球形电机点到点运动轨迹规划方法及其应用
CN107807658A (zh) * 2017-09-30 2018-03-16 飞智控（天津）科技有限公司 面向多无人机编队飞行任务的轨迹规划方法
CN108073185A (zh) * 2017-11-30 2018-05-25 江西洪都航空工业集团有限责任公司 多无人机同时到达协同控制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Impact Dynamic Modeling and Adaptive Target Capturing Control for Tethered Space Robots With Uncertainties;Panfeng Huang等;《IEEE/ASME TRANSACTIONS ON MECHATRONICS》;20161031;第21卷(第5期);全文 *
辐射开环空间绳系机器人编队动力学及控制;马骏等;《宇航学报》;20140731;第35卷(第7期);全文 *

Also Published As

Publication number Publication date
CN108897339A (zh) 2018-11-27

Similar Documents

Publication Publication Date Title
CN108897339B (zh) 一种基于速度规划的受约束多智能体编队方法
Hao et al. Formation flight of fixed-wing UAV swarms: A group-based hierarchical approach
Bai et al. Distributed cooperative cruise control of multiple high-speed trains under a state-dependent information transmission topology
CN103324202A (zh) 基于舵面故障的容错飞行控制系统和方法
Pei et al. Fault-tolerant cooperative driving at signal-free intersections
CN104020774A (zh) 基于动态控制重新分配的飞行器姿态容错控制方法
WO2024016457A1 (zh) 基于自主绕障的异构型多智能体网联协同调度规划方法
CN105045105A (zh) 一种针对状态时滞的四旋翼直升机容错控制装置及方法
CN112684781B (zh) 一种多智能体分布式模型预测控制方法及系统
Allou et al. Fuzzy logic controller for autonomous vehicle path tracking
Baldi et al. Adaptation to unknown leader velocity in vector-field UAV formation
CN116203991A (zh) 一种基于轨迹参数通信的无人机集群控制方法及系统
CN110780651B (zh) Agv调度系统及方法
Wang et al. Multi-smart car control system design and research based on ZigBee
CN115158635B (zh) 一种自适应变形和自主抑振的智能机翼模块及控制方法
Balachandran et al. A decentralized framework to support uas merging and spacing operations in urban canyons
Yu et al. Event-triggered adaptive fuzzy fault-tolerant attitude control for tailless flying-wing uav with fixed-time convergence
Xu et al. Optimal control of UAV elastic formation based on legendre pseudospectral method
Higgins et al. A Model Predictive Path Integral Method for Fast, Proactive, and Uncertainty-Aware UAV Planning in Cluttered Environments
CN112904868B (zh) 一种基于同构化-跟踪的多舰载异构体舰面协同轨迹规划与控制方法
Wang et al. Trajectory and attitude cooperative formation control for air-ground collaborative systems under communication faults
Raza et al. Vehicle following control design for automated highway systems [25 years ago]
Franze et al. An hybrid command governor supervisory scheme for flight control systems subject to unpredictable anomalies
Rabah et al. Communication failure in formation control of multiple robots based on particle swarm optimization algorithm
Wang et al. Parameter-space-based robust control of heterogeneous platoon with stochastic packet dropout

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
GR01 Patent grant
GR01 Patent grant