CN110058593A - 一种干扰环境下的多智能体队形控制方法及系统 - Google Patents

Abstract

本发明公开了一种干扰环境下的多智能体队形控制方法及系统。本发明的控制方法包括步骤：1)将多智能体队形控制分解为速度方向控制和速度大小控制；各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；2)多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；3)根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略。本发明使每个智能体只需要获得邻近少数几个智能体的状态信息即可实现编队控制，大大降低了对智能体通讯能力的要求，提高了系统的灵活性和可靠性。

Description

一种干扰环境下的多智能体队形控制方法及系统

技术领域

本发明涉及多智能体队形控制领域，尤其是一种干扰环境下的多智能体队形控制方法及系统。

背景技术

多智能体系统是由多个具有基本行为的智能体组成的集合，能够协调一组自主体的行为，通过协同地动作完成所期望的任务。在多智能体领域的许多应用当中，要求多智能体在运动过程中保持一定的队形，即队形控制问题。

现有的多数研究均是假设多智能体系统的通信网络是理想且不受限制的，但当多智能体系统处于实际复杂应用场景中时，通信系统因受到干扰会使得有效通信距离变短，多智能体就无法实现队形协同控制。因此，研究在通讯受到干扰条件下多智能体队形控制方法是实现多智能体队形控制实用化的关键一步，也是亟需解决的难题之一。

发明内容

为解决上述现有技术存在的问题，本发明提供一种干扰环境下的多智能体队形控制方法，其用于控制不同位置出发的多智能体在目标区域组成期望队形并具有良好稳定性。

本发明采用的技术方案如下：一种干扰环境下的多智能体队形控制方法，其包括步骤：

1)将多智能体队形控制分解为速度方向控制和速度大小控制；各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；

2)多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；

3)根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略，通过协同控制策略来调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。

进一步的，所述步骤3)中，所述多智能体协同控制策略采用的模型如下：

其中，m为控制增益常数；a_ij表示智能体i和智能体j实现通信时a_ij为大于零的权值，否则a_ij＝0；R_i是智能体i离目标点的剩余运动距离，R_j是智能体j离目标点的剩余运动距离；V_j是智能体j的运动速率，V_i是智能体i的运动速率；u_i是智能体i的直线加速度。

进一步的，所述步骤3)中，在协同控制策略中，各智能体剩余运动距离和运动速率在末端运动中趋于一致。

进一步的，所述步骤1)中，智能体在末端运动中满足速度方向约束，具有李雅普诺夫下的全局稳定性特征。

进一步的，所述步骤1)中，智能体的所需法向加速度满足物理限制，即所需法向加速度小于等于可用法向加速度。

进一步的，所述步骤1)中的法向加速度是指智能体作曲线运动时，所具有的沿轨道法线方向的加速度。

进一步的，所述步骤2)中，在智能体的末端运动中，法向加速度逐渐收敛，并在运动轨迹的末端收敛到零。

进一步的，所述步骤2)具体包括：

21)多智能体在末端运动中，多个智能体间距离缩短到干扰环境下可通信的距离；

22)多智能体间相互通信，根据各智能体的剩余运动距离控制对应智能体的运动速率，使得多个智能体在末端运动时的剩余运动时间一致；

23)每个智能体的所需速率满足物理限制，即所需速率小于等于可用速率；

24)各智能体开始往目标点运动时，控制速度运动方向；接近目标点时，智能体之间相互通信，通过控制各智能体末端运动速率来控制各智能体剩余运动时间，进而控制多智能体同时达到目标点。

本发明还提供一种干扰环境下的多智能体队形控制系统，其包括：

分解单元：将多智能体队形控制分解为速度方向控制和速度大小控制；

速度方向控制单元：各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；

速度大小控制单元：多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；

协同控制单元：根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略，通过多智能体协同控制策略来调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。

本发明具有的有益效果是：

1、本发明考虑干扰环境，对环境适应性高，有很强实用性；

2、对多智能体队形控制逻辑简洁、清晰，可以实现多个智能体从不同位置出发，同时到达目标区域，并在目标区域组成期望队形；

3、本发明考虑实际应用中智能体的物理限制，在考虑速度方向约束和速度大小约束的基础上实现，有很强的工程价值；

4、本发明基于通信拓扑设计了协同控制策略，每个智能体只需要获得邻近少数几个智能体的状态信息即可实现编队控制，大大降低了对智能体通讯能力的要求，提高了系统的灵活性和可靠性。

附图说明

图1为本发明实施例中单个智能体二维运动图；

图2为本发明应用例中各智能体运动轨迹图；

图3为本发明应用例中三个不同的智能体与目标点的距离R随时间的变化过程图；

图4为本发明应用例中三个不同的智能体速度矢量与视线之间的夹角σ随时间的变化过程图；

图5为本发明应用例中三个不同的智能体视线角差β随时间的变化过程图；

图6为本发明应用例中三个不同的智能体速度V随时间的变化过程图；

图7为本发明应用例中三个不同的智能体法向加速度α_R随时间的变化过程图。

具体实施方式

下面结合说明书附图及具体实施方式对本发明作进一步详细说明。

实施例1

本实施例提供一种干扰环境下的多智能体队形控制方法，其包括以下步骤：

1)将多智能体队形控制分解为速度方向控制和速度大小控制；各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；

2)多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；

3)根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略，通过协同控制策略来调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。

即本发明包括速度方向控制策略、速度大小控制策略和基于通信拓扑的协同控制策略。

1)速度方向控制策略：将末端角度约束问题转化为角度收敛问题，通过智能体法向加速度控制速度方向，并使得智能体的速度方向角收敛到期望角度。

2)速度大小控制策略：主要通过基于末端剩余运动时间一致性控制，在多智能体末端运动中，由于相对距离的缩小，智能体可以实现相互之间的通信，并对速度大小进行控制。

3)基于通信拓扑的协同控制策略：根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数，调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。

所述步骤1)具体包括：

1.1)首先考虑基于速度约束的单个智能体移动问题，如图1，图中R是智能体与目标点的距离，θ是智能体速度矢量与X轴的夹角，λ是智能体与目标之间的连线(视线)与X轴的夹角，α是运动目标角，σ是速度矢量与视线之间的夹角；α_d表示末端速度方向角。

其中，α＝λ+π，σ＝θ+λ。定义智能体终端时刻的速度方向为α_v＝α_d-π，定义视线差角β＝α-α_d。

1.2)为满足速度方向约束，本发明将速度方向约束转化为运动目标角和视线差角的角度收敛问题，设计使α和β同时收敛到零，进而控制智能体的速度方向。本发明提出的速度方向控制策略采用的模型如下：

其中，k是大于零的正常值，σ是速度矢量与视线之间的夹角，V是智能体运动速率，为法向加速度角。

1.3)基于本发明提出的速度方向控制策略的模型，推导得到变量σ，β和R之间的数学关系，分析可知，若β收敛到零，σ和R也收敛到0。具体数学关系如下：

σ＝βf(β)

其中，

σ₀为速度矢量与视线之间的夹角初值，β₀为视线差角初值，R₀是智能体与目标点的距离初值。注意到当β→0时，f(β)→∞。基于基于洛必达法则可知β是f(β)的高阶无穷小，所以当β→0时，有σ→0。综上分析可知，若β收敛到0，σ和R也收敛到0。

1.4)基于李雅谱诺夫直接法可证明在本发明提出的速度方向控制策略下智能体运动目标角和视线差角能够同时收敛到零，即智能体在末端时刻满足速度方向约束。

谱诺夫标量方程为：V(σ，β)＝σ²+β²，推导可得：

当σβ＞0时，在合适的k值下，恒成立，只有当α＝β＝0时，有综上可知，基于李雅普诺夫直接法可证明智能体在本发明设计的速度方向控制策略下，在末端时刻满足速度方向约束。

1.5)对智能体法向加速度进行分析后得出在智能体的末段运动中，法向加速度逐渐收敛，并在运动轨迹的末端收敛到零。法向加速度α_R与σ和β的关系式如下：

因为limβlnⁿβ＝0，其中β是任意非负正整数，所以当β趋近零时，法向加速度α^R→0。在智能体运动过程中，上式不存在奇点，基于闭区间套定理上式存在上界，且在智能体的末段运动中，法向加速度逐渐收敛，并在运动轨迹的末端收敛到零。

所述步骤2)具体包括：

2.1)当多智能体系统处于干扰环境中时，通信系统因受到干扰会使得有效通信距离变短，在末端运动，多个智能体间距离会缩短到干扰环境下可通信的距离，智能体相互之间实现通信。

2.2)根据剩余运动时间公式：t_left＝R/V可知，在末端运动中，智能体的剩余运动时间仅与速率和剩余运动距离有关。为了使得智能体在末端时刻满足同时到达和速率的约束，本发明使得R和V趋于一致，基于剩余运动时间相同，根据不同的剩余运动距离控制各智能体速率。

所述步骤3)具体包括：

3.1)定义智能体i和智能体j实现通信时通信权值a_ij。考虑无向图(N，ε)，ε是有限非空点集合，N表示点与点之间的连线。在本发明中，点代表智能体，连线代表智能体之间的通信，连线(i，j)表示智能体i可以收到来自智能体j的信息，同时允许自连接存在。定义邻接矩阵A＝[a_ij]∈R^n*n，当智能体i和智能体j实现通信时，a_ij为大于零的正权值，否则a_ij＝0。本发明中n表示智能体的个数，R表示各智能体与目标点的距离。

3.2)基于通信拓扑的协同控制策略，即末端运动时通过通信拓扑、剩余运动距离、各智能体运动速率、控制增益常数来调整智能体直线加速度，协同控制策略的模型如下：

其中，m为控制增益常数；a_ij表示智能体i和智能体j实现通信时a_ij为大于零的权值，否则a_ij＝0；R_i是智能体i离目标点的剩余运动距离，R_j是智能体j离目标点的剩余运动距离；V_j是智能体j的运动速率，V_i是智能体i的运动速率；u_i是智能体i的直线加速度。

实施例2

本实施例提供一种干扰环境下的多智能体队形控制系统，其包括：

分解单元：将多智能体队形控制分解为速度方向控制和速度大小控制；

速度方向控制单元：各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；

速度大小控制单元：多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；

协同控制单元：根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略，通过多智能体协同控制策略来调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。

应用例

使用本发明提出的方法对由三个智能体组成的多智能体系统进行仿真，智能体将从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。考虑如下智能体初始条件，如表1所示。

表1多智能体系统初始条件

机器人	X，m	Y，m	V，m/s	α，rad
					1	0	0	5	0.5π
2	50	100	5	-π
					3	100	0	5	π

在该仿真中，智能体群的期望目标点(X_D，Y_D)分别为(70，50)，(80，55)和(80，45)，多智能体的期望速度方向α_d＝π。所有的仿真在R＜0.05m结束，得到仿真图如图2所示。图2是智能体群运动轨迹，3个智能体从不同的位置出发，在本发明的控制方法下到达指定区域，并组成期望的三角形队形。图3是每个智能体与目标点的相对距离，注意到在18s时，相对距离同时收敛到零，说明智能体同时到达了目标指定点。图4和5分别是每个智能体的α和β随时间的变化过程，从图中可知，α和β随着智能体的运动，逐渐收敛零。说明智能体在终端时刻满足了速度方向约束。智能体的速度大小随时间的变化如图6所示，注意到在时间t＝14.5s左右时，在协同控制的作用下，智能体通过调整速度大小使R和V可以达到一致。而在终端时刻时，速度并没有趋于一致，但最大速度误差不超过0.3m/s，当智能体继续移动时，速度误差可以收敛至零。图7是智能体的法向加速度的变化过程，由于协同控制的存在，使得法向加速度在末段运动中有较大的变化，但最大值也不超过2m/s²。同时观察到，当智能体运动到目标点时，法向加速度均收敛到零。

由此可见，本发明能够实现多智能体在干扰环境中队形控制，具有较好的收敛性，并且具有抗干扰能力强，通用性高等优点，具有良好的鲁棒性。

上述具体实施方式用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明作出的任何修改和改变，都落入本发明的保护范围。

Claims (10)

1.一种干扰环境下的多智能体队形控制方法，其特征在于，包括步骤：

1)将多智能体队形控制分解为速度方向控制和速度大小控制；各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；

2)多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；

3)根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略，通过多智能体协同控制策略来调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。

2.根据权利要求1所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤3)中，所述多智能体协同控制策略采用的模型如下：

其中，m为控制增益常数；a_ij表示智能体i和智能体j实现通信时a_ij为大于零的权值，否则a_ij＝0；R_i是智能体i离目标点的剩余运动距离，R_j是智能体j离目标点的剩余运动距离；V_j是智能体j的运动速率，V_i是智能体i的运动速率；u_i是智能体i的直线加速度。

3.根据权利要求1或2所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤3)中，在多智能体协同控制中，各智能体剩余运动距离和运动速率在末端运动中趋于一致。

4.根据权利要求1所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤2)中，智能体在末端运动中满足速度方向约束，具有李雅普诺夫下的全局稳定性特征。

5.根据权利要求1或2所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤1)中，智能体的所需法向加速度满足物理限制，即所需法向加速度小于等于可用法向加速度。

6.根据权利要求1或2所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤1)中的法向加速度是指智能体作曲线运动时，所具有的沿轨道法线方向的加速度。

7.根据权利要求1或2所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤2)中，在智能体的末端运动中，法向加速度逐渐收敛，并在运动轨迹的末端收敛到零。

8.根据权利要求1或2所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤2)具体包括：

21)多智能体在末端运动中，多个智能体间距离缩短到干扰环境下可通信的距离；

22)多智能体间相互通信，根据各智能体的剩余运动距离控制对应智能体的运动速率，使得多个智能体在末端运动时的剩余运动时间一致；

23)每个智能体的所需速率满足物理限制，即所需速率小于等于可用速率；

24)各智能体开始往目标点运动时，控制速度运动方向；接近目标点时，智能体之间相互通信，通过控制各智能体末端运动速率来控制各智能体剩余运动时间，进而控制多智能体同时达到目标点。

9.根据权利要求1或2所述的一种干扰环境下的多智能体队形控制方法，其特征在于，所述步骤1)中，速度方向控制采用的模型如下：

其中，k是大于零的正常值，σ是速度矢量与视线之间的夹角，V是智能体运动速率，R是智能体与目标点的距离，β为视线差角，为法向加速度角。

10.一种干扰环境下的多智能体队形控制系统，其特征在于，包括：

分解单元：将多智能体队形控制分解为速度方向控制和速度大小控制；

速度方向控制单元：各智能体开始往目标点运动时，通过法向加速度控制智能体的运动，使得智能体的速度方向角收敛到期望角度，实现各智能体速度方向控制；

速度大小控制单元：多智能体在末端运动中，各智能体在干扰环境下相互通信，根据剩余运动距离控制速度大小；

协同控制单元：根据剩余运动距离、各智能体的运动速率、智能体间是否通信和控制增益常数设计多智能体协同控制策略，通过多智能体协同控制策略来调整各智能体直线加速度，使得多智能体在满足速度方向约束和速度大小约束的前提下，从不同的位置出发，同时到达目标区域，并在目标区域组成期望队形。