CN109870905A - 一种多机器人事件驱动通信的分布式优化方法 - Google Patents
一种多机器人事件驱动通信的分布式优化方法 Download PDFInfo
- Publication number
- CN109870905A CN109870905A CN201910125350.3A CN201910125350A CN109870905A CN 109870905 A CN109870905 A CN 109870905A CN 201910125350 A CN201910125350 A CN 201910125350A CN 109870905 A CN109870905 A CN 109870905A
- Authority
- CN
- China
- Prior art keywords
- robot
- multirobot
- signal strength
- event
- electromagnetic signal
- 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.)
- Granted
Links
Landscapes
- Manipulator (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种多机器人事件驱动通信的分布式优化方法。本发明首先根据每一个机器人接收到的电磁信号强度,建立电磁信号强度的分布模型,并获得机器人当前位置的电磁信号强度梯度信息,给出机器人运动的参考方向;然后,建立事件驱动的通信条件,通过比较机器人当前的状态误差与多机器人状态误差之间的大小,确定事件驱动条件是否满足,如果条件满足,则机器人需要将自己的状态发送给邻居机器人;如果条件不满足,则机器人停止通信;本发明弥补了传统控制的不足,设计的多机器人事件驱动通信的分布式优化方法,在保证多机器人准确定位电磁源以及保持群体队形的同时,可以降低通信负担,并节省芯片资源。
Description
技术领域
本发明属于自动化技术领域,涉及多机器人事件驱动通信的分布式优化方法。
背景技术
电磁源定位有着非常重要的实际意义,例如:在办公场所内找出对人们身体健康有重要影响的电磁源,并建立电磁信号强度分布图;另外,可以通过检测电磁信号来快速的找到受伤待援人员等等。因此,如何快速有效地定位电磁源是一个极其重要的问题,通常可以采用多机器人合作定位电磁源方法。传统的多机器人合作定位电磁源方法,主要通过建立电磁源位置的概率地图来评估电磁源位置,然后,机器人通过实时通信,传递邻居机器人电磁源信号强度,修正每个机器人建立的电磁源位置概率地图,并设计相应的控制器控制机器人向电磁源位置的方向运动。然而,传统的方法需要建立离散的概率地图,这样导致计算量较大,不适合机器人的实时运算。此外,通过实时交换概率地图,来判断电磁信号源可能的位置,需要占用了较多的通信带宽。随着机器人数量的增加,通信链接数量增大,通信负担逐渐加大,对机器人电磁源定位的准确性产生较大的影响。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,提供了一种有效定位电磁源方法,使得多机器人系统能够节省芯片资源和通信带宽,在通信资源不足的环境中,仍能有效工作。通过检测电磁信号强度建立电磁信号强度分布模型,并通过事件驱动条件,判断机器人是否需要占用无线网络资源发送状态信息以及更新控制信号。然后设计一个分布式优化控制器引导多机器人向电磁源位置方向运动。这种控制方法不但可以使多机器人保持队形来捕获电磁信号线索,而且,可以减少控制器更新次数,节省芯片资源,降低无线通信带宽需求。本发明弥补了传统方法的不足,设计的多机器人事件驱动通信的分布式优化方法,保证多机器人快速搜索和定位电磁源,同时节省芯片资源和无线通信网络资源。
本发明采用的控制方法可以有效地保证多机器人定位电磁源位置。
对于第i个机器人,i=1,2,...,n,n是机器人的数量,该方法的具体步骤如下:
第一步:采用径向基函数网络建立电磁信号强度分布模型,具体步骤如下:
a.对于第i个机器人的电磁信号强度分布模型,即径向基函数网络如(1)式所示。
其中:βj是径向基函数的权重;m是径向基函数的个数;xi是第i个机器人的位置;si(xi)表示在第i个机器人位置xi,径向基函数网络输出的信号强度预测值;uj是第j个径向基函数中心;σj是第j个径向基函数的宽度;exp(·)是指数函数;||·||表示2范数。
b.第i个机器人的电磁信号强度分布模型中径向基函数的权重βj(j=1,2,...,m)根据(2)式更新。
其中:min表示取最小值;|·|表示绝对值;z(xi)表示第i个机器人实际检测的电磁信号强度。
第二步:建立事件驱动通信条件,即给出第i个机器人的状态误差和多机器人之间的状态误差相互关系。对于第i个机器人,事件驱动的时间序列可以表示为:(s=0,1,2...,是初始时刻),如(3)所示。
其中:
其中:inf{·}表示下确界;表示第i个机器人在第时刻的位置;xi(t)是第i个机器人在第t时刻的位置;表示第i个机器人的状态误差;表示第j个机器人在第时刻的位置;是多机器人之间的状态误差;h是驱动通信参数;aij是通信矩阵A=[aij]的元素。如果第i个机器人能够和第j个机器人通信,则aij=1,否则,aij=0,i=1,2,...,n,j=1,2,...,n。
第三步:对于第i个机器人的运动学方程计算第i个机器人的控制输入,具体步骤如下:
a.对于时间s=0,1,2...,并且fi(t)≤0。第i个机器人的控制输入如(5)式所示。
其中:是安全距离向量,被使用保持机器人之间一定的安全距离;是电磁信号强度分布模型si(xi)在xi方向上的导数,即k,μ是参数,并且满足:和k>2μγmaxn,γmax是(i=1,2,...,n)最大的Lipschitz常数。
b.对于时间并且fi(t)>0,那么一个新的时间区间被设定,即并且当前时间第i个机器人的控制输入则用代替(5)式中的得到。
第四步:如果终止条件满足,例如:给定的最大搜索时间已经达到,则机器人停止运行,并将最终电磁信号强度分布图和电磁信号源位置输出;如果终止条件没有满足,则返回第一步继续执行。
本发明提出的一种多机器人事件驱动通信的分布式优化方法,能独立运行在机器人群体中每个机器人的控制系统中。该方法不但能够有效地提高芯片的资源使用效率,而且有效的减少无线通讯资源的负担,优化了网络通信,快速准确定位电磁源,弥补了传统方法的不足。
具体实施方式
以野外搜索无限传感器网络中电磁信号节点为例。搜索环境长为200米,宽为200米,建立坐标系统,可表示成为[-100,100]×[-100,100]。采用4个机器人(n=4)。
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:计算机器人相关参数,具体步骤如下:
a.建立机器人群体的通信矩阵A=[aij]。如:
b.初始化电磁信号强度分布模型参数,包括:径向基函数个数m为20;径向基函数中心uj(j=1,2,...,m)在[-100,100]×[-100,100]内均匀分布;径向基函数宽度σj在[80,130]内均匀分布;径向基函数的初始权重βj在[1,70]内均匀分布。
c.初始化事件驱动条件和控制器参数。如:k=4,h=0.02,μ=0.2,γmax=1,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。
第二步:采用径向基函数网络建立电磁信号强度分布模型,具体步骤如下:
a.对于第i个机器人的电磁信号强度分布模型,即径向基函数网络如(1)式所示。
其中:βj是径向基函数的权重;m是径向基函数的个数;xi是机器人的位置;si(xi)表示在第i个机器人位置xi,径向基函数网络输出的信号强度预测值;uj是第j个径向基函数中心;σj是第j个径向基函数的宽度;exp(·)是指数函数;||·||表示2范数。
b.第i个机器人的电磁信号强度分布模型中径向基函数的权重βj(j=1,2,...,m)根据(2)式更新。
其中:min表示取最小值;|·|表示绝对值;z(xi)表示第i个机器人实际检测的电磁信号强度。
第三步:建立事件驱动通信条件,即给出第i个机器人的状态误差和多机器人之间的状态误差相互关系。对于第i个机器人,事件驱动的的时间序列可以表示为:(s=0,1,2...,是初始时刻),如(3)所示。
其中:
其中:inf{·}表示下确界;表示第i个机器人在第时刻的位置;xi(t)是第i个机器人在第t时刻的位置;表示第i个机器人的状态误差;表示第j个机器人在第时刻的位置;是多机器人之间的状态误差;h是驱动通信参数;aij是通信矩阵A=[aij]的元素。如果第i个机器人能够和第j个机器人通信,则aij=0,否则,aij=0,i=1,2,...,n,j=1,2,...,n。
第四步:对于第i个机器人的运动学方程计算第i个机器人的控制输入,具体步骤如下:
a.对于时间s=0,1,2...,并且fi(t)≤0。第i个机器人的控制输入如(5)式所示。
其中:是安全距离矢量,被使用保持机器人之间一定的安全距离;是电磁信号强度分布模型si(xi)在xi方向上的导数,即k,u是参数,γmax是(i=1,2,...,n)最大的Lipschitz常数。
b.对于时间并且fi(t)>0,那么一个新的时间区间被设定,即并且当前时间第i个机器人的控制输入则用代替(5)式中的得到。
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,则机器人停止运行,并将最终电磁信号强度分布图和电磁信号源位置输出;如果终止条件没有满足,则返回第二步继续执行。
Claims (2)
1.一种多机器人事件驱动通信的分布式优化方法,其特征在于:能独立运行在机器人群体中每个机器人的控制系统中,对于第i个机器人,i=1,2,...,n,n是机器人的数量,该方法的具体步骤如下:
第一步:采用径向基函数网络建立电磁信号强度分布模型,具体步骤如下:
a、对于第i个机器人的电磁信号强度分布模型,即径向基函数网络如(1)式所示;
其中:βj是径向基函数的权重;m是径向基函数的个数;xi是第i个机器人的位置;si(xi)表示在第i个机器人位置xi,径向基函数网络输出的信号强度预测值;uj是第j个径向基函数中心;σj是第j个径向基函数的宽度;exp(·)是指数函数;||·||表示2范数;
b、第i个机器人的电磁信号强度分布模型中径向基函数的权重βj,j=1,2,...,m,根据(2)式更新;
其中:min表示取最小值;|·|表示绝对值;z(xi)表示第i个机器人实际检测的电磁信号强度;
第二步:建立事件驱动通信条件,即给出第i个机器人的状态误差和多机器人之间的状态误差相互关系;对于第i个机器人,事件驱动的时间序列表示为: 是初始时刻,如(3)所示;
其中:
其中:inf{·}表示下确界;表示第i个机器人在第时刻的位置;xi(t)是第i个机器人在第t时刻的位置;表示第i个机器人的状态误差;表示第j个机器人在第时刻的位置;是多机器人之间的状态误差;h是驱动通信参数;aij是通信矩阵A=[aij]的元素;如果第i个机器人能够和第j个机器人通信,则aij=1,否则,aij=0,i=1,2,...,n,j=1,2,...,n;
第三步:对于第i个机器人的运动学方程计算第i个机器人的控制输入,具体步骤如下:
a、对于时间并且fi(t)≤0;第i个机器人的控制输入如(5)式所示;
其中:是安全距离向量,被使用保持机器人之间的安全距离;是电磁信号强度分布模型si(xi)在xi方向上的导数,即k,μ是参数,并且满足:和k>2μγmaxn,γmax是最大的Lipschitz常数;
b、对于时间并且fi(t)>0,那么一个新的时间区间被设定,即并且当前时间第i个机器人的控制输入则用代替(5)式中的得到;
第四步:如果终止条件满足,则机器人停止运行,并将最终电磁信号强度分布图和电磁信号源位置输出;如果终止条件没有满足,则返回第一步继续执行。
2.根据权利要求1所述的一种多机器人事件驱动通信的分布式优化方法,其特征在于:所述的终止条件满足为给定的最大搜索时间已经达到。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910125350.3A CN109870905B (zh) | 2019-02-20 | 2019-02-20 | 一种多机器人事件驱动通信的分布式优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910125350.3A CN109870905B (zh) | 2019-02-20 | 2019-02-20 | 一种多机器人事件驱动通信的分布式优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109870905A true CN109870905A (zh) | 2019-06-11 |
CN109870905B CN109870905B (zh) | 2021-09-21 |
Family
ID=66918988
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910125350.3A Active CN109870905B (zh) | 2019-02-20 | 2019-02-20 | 一种多机器人事件驱动通信的分布式优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109870905B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848715A (zh) * | 2021-09-27 | 2021-12-28 | 杭州电子科技大学 | 一种动态事件驱动的多机器人固定时间饱和控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104816305A (zh) * | 2015-04-08 | 2015-08-05 | 杭州电子科技大学 | 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 |
CN104865825A (zh) * | 2015-03-19 | 2015-08-26 | 杭州电子科技大学 | 一种多机器人合作时序预测控制方法 |
CN105301966A (zh) * | 2015-11-27 | 2016-02-03 | 上海无线电设备研究所 | 基于输入受限式自激发驱动的多机器人协同控制方法 |
CN107065545A (zh) * | 2017-04-01 | 2017-08-18 | 同济大学 | 基于马尔科夫跳变的分布式事件触发滤波系统及设计方法 |
CN107069755A (zh) * | 2017-01-23 | 2017-08-18 | 南京邮电大学 | 一种基于事件触发机制的微电网分布式二次电压控制方法 |
CN108430047A (zh) * | 2018-01-19 | 2018-08-21 | 南京邮电大学 | 一种基于固定拓扑下多智能体的分布式优化方法 |
CN108872972A (zh) * | 2018-05-30 | 2018-11-23 | 杭州电子科技大学 | 一种基于事件触发通信的信号源定位方法 |
-
2019
- 2019-02-20 CN CN201910125350.3A patent/CN109870905B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104865825A (zh) * | 2015-03-19 | 2015-08-26 | 杭州电子科技大学 | 一种多机器人合作时序预测控制方法 |
CN104816305A (zh) * | 2015-04-08 | 2015-08-05 | 杭州电子科技大学 | 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 |
CN105301966A (zh) * | 2015-11-27 | 2016-02-03 | 上海无线电设备研究所 | 基于输入受限式自激发驱动的多机器人协同控制方法 |
CN107069755A (zh) * | 2017-01-23 | 2017-08-18 | 南京邮电大学 | 一种基于事件触发机制的微电网分布式二次电压控制方法 |
CN107065545A (zh) * | 2017-04-01 | 2017-08-18 | 同济大学 | 基于马尔科夫跳变的分布式事件触发滤波系统及设计方法 |
CN108430047A (zh) * | 2018-01-19 | 2018-08-21 | 南京邮电大学 | 一种基于固定拓扑下多智能体的分布式优化方法 |
CN108872972A (zh) * | 2018-05-30 | 2018-11-23 | 杭州电子科技大学 | 一种基于事件触发通信的信号源定位方法 |
Non-Patent Citations (5)
Title |
---|
PENG LIN等: "Distributed Continuous-Time Optimization: Nonuniform Gradient Gains, Finite-Time Convergence, and Convex Constraint Set", 《IEEE TRANSACTIONS ON AUTOMATIC CONTROL》 * |
WENYING XU等: "Event-Triggered Schemes on Leader-Following Consensus of General Linear Multiagent Systems Under Different Topologies", 《IEEE TRANSACTIONS ON CYBERNETICS》 * |
张志强,王龙: "多智能体系统的事件驱动控制", 《控制理论与应用》 * |
汪羊玲: "非线性时延多智能体系统的事件驱动一致性", 《南京晓庄学院学报》 * |
王世等: "On Event-Triggered Algorithm Design for Distributed Coordination of", 《THE 26TH CHINESE CONTROL AND DECISION CONFERENCE》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113848715A (zh) * | 2021-09-27 | 2021-12-28 | 杭州电子科技大学 | 一种动态事件驱动的多机器人固定时间饱和控制方法 |
CN113848715B (zh) * | 2021-09-27 | 2024-03-19 | 杭州电子科技大学 | 一种动态事件驱动的多机器人固定时间饱和控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109870905B (zh) | 2021-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102662377B (zh) | 基于无线传感器网络的多移动机器人编队系统和编队方法 | |
WO2023093820A1 (zh) | 设备的控制优化方法、展示平台、云服务器及存储介质 | |
Lv et al. | Cross-layer optimization for industrial Internet of Things in real scene digital twins | |
Karam et al. | Localization of a group of communicating vehicles by state exchange | |
CN109116854A (zh) | 一种基于强化学习的多组机器人协作控制方法及控制系统 | |
CN108872972A (zh) | 一种基于事件触发通信的信号源定位方法 | |
CN106851820B (zh) | 一种井下无线传感网络的定位方法 | |
US20230126152A1 (en) | Method, apparatus, and system for positioning electronic device, server, and storage medium | |
US20200258373A1 (en) | Processing alert signals from positioning devices | |
CN109870905A (zh) | 一种多机器人事件驱动通信的分布式优化方法 | |
CN104750008A (zh) | 一种ZigBee网络中的农业机器人无线遥控系统 | |
CN103702413B (zh) | 基于Zigbee网络的室内摄像头实时跟随定位系统 | |
Huang et al. | A novel hybrid discrete grey wolf optimizer algorithm for multi-UAV path planning | |
CN112923525A (zh) | 机器学习型舒适节能空调智能控制方法 | |
CN111510319A (zh) | 一种基于状态感知的网络切片资源管理方法 | |
CN110146845A (zh) | 一种事件驱动的固定时间电磁源定位方法 | |
CN111844026B (zh) | 一种事件触发的多机器人分布式协同控制方法 | |
CN107422637A (zh) | 一种集群智能控制系统和方法 | |
CN110007680B (zh) | 基于拓扑关系的机器人避障算法 | |
CN109688598B (zh) | 基于wsan的复杂管网分布式数据采集系统及传输优化方法 | |
CN109000302B (zh) | 一种适用于空旷库房的节能加热系统及方法 | |
CN111830916A (zh) | 一种面向多目标追踪的群机器人分布式竞争协同方法 | |
CN114514092A (zh) | 通过无线网络控制机器人装置 | |
CN115278704B (zh) | 基于drl的无线传感器网络中单对多充电驻点规划方法 | |
WO2022143711A1 (zh) | 一种数据处理方法及装置 |
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 |