CN110096061B - 一种无人艇集群的抗扰动分布式协同控制方法与装置 - Google Patents
一种无人艇集群的抗扰动分布式协同控制方法与装置 Download PDFInfo
- Publication number
- CN110096061B CN110096061B CN201910483040.9A CN201910483040A CN110096061B CN 110096061 B CN110096061 B CN 110096061B CN 201910483040 A CN201910483040 A CN 201910483040A CN 110096061 B CN110096061 B CN 110096061B
- Authority
- CN
- China
- Prior art keywords
- unmanned
- unmanned ship
- cluster
- disturbance
- task
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000004891 communication Methods 0.000 claims abstract description 39
- 238000013461 design Methods 0.000 claims abstract description 7
- 238000005457 optimization Methods 0.000 claims description 27
- 238000010276 construction Methods 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 230000003068 static effect Effects 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims 2
- 238000009472 formulation Methods 0.000 claims 1
- 239000000203 mixture Substances 0.000 claims 1
- 230000008447 perception Effects 0.000 claims 1
- 238000011897 real-time detection Methods 0.000 claims 1
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/0206—Control of position or course in two dimensions specially adapted to water vehicles
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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
本发明提出一种无人艇集群的抗扰动分布式协同控制方法与装置,包括如下步骤:1)分配无人艇并且实时探测目标对象;2)集群中各无人艇实时获取目标对象和在其通信范围内的无人艇的位置信息和速度信息;3)根据所述信息实时构建所述任务执行中用于最优无人艇选择的判定等式;4)在所述无人艇集群抗扰动分布式协同任务执行系统的约束下,根据所述规则及标准二次规划方法确定分配无人艇集群的控制信号;5)根据所述控制信号实时识别无人艇与目标对象的运动坐标系,完成所执行任务。本方法通过协同控制实现对多目标的追踪等任务,提高了工作效率和执行任务的成功率;利用有限通信的分布式设计拓宽了无人艇集群系统的范围,减少了系统的计算负担。
Description
技术领域
本发明涉及分布式协同控制领域,具体涉及一种无人艇集群的抗扰动分布式协同控制方法与装置。
背景技术
无人艇是一种具有全自主感知、运行能力的水面艇。其具有体积小、航速高、续航能力强、操控性强、反应迅速等特点。无人艇在宽阔的河域和海域中,能完成水质监测、巡航追踪等任务。同时也能在未来的战争中,完成情报侦查、武力打击等特殊任务。无人艇技术受到了各国的重视,开展无人艇协同作业研究具有重要意义。
协同作业的无人艇集群能提高探测范围、提升作业效率。同时无人艇集群能在复杂度高的环境下执行多任务,具有不可忽视的优势。例如,针对敌船闯入我方海域、违法捕鱼等情况,可依靠无人艇分布式控制围追并驱逐。然而敌船被发现时运动形式不固定,无人艇执行任务中接收信息的内部误差以及外界环境等干扰因素不确定,并且敌船也会随着围捕情况进行相应的变化,从而对无人艇围捕敌船造成了很大难度。因此,亟需一种精度更高、稳定性更强的无人艇集群的抗扰动任务执行系统。
对于无人艇集群任务执行系统而言,由于系统中各个无人艇之间受到方位不定、间隔距离、通信负载的限制,通常不具有全局通信的能力。然而,在大规模工作环境中,倘若采用了全局通信的通信拓扑结构,该系统可能会因为无人艇集群数量较多使得通信负载过大从而致使通信系统的崩溃,进而导致整个无人艇集群协同执行任务的失败。而采用分布式通信拓扑结构的无人艇集群的抗扰动任务执行系统只需使各无人艇与其临近的无人艇进行通信,即使出现某些局部通信失败,整个无人艇集群的抗扰动任务执行系统也能正常工作。
发明内容
本发明提出一种无人艇集群的抗扰动分布式协同控制方法与装置,旨在解决在扰动存在、通信受限的情况下实现无人艇集群的抗扰动分布式协同控制,并使系统内所有无人艇在执行任务时效率与精确度均达到最优化。
本发明实施例第一方面提供了一种无人艇集群的抗扰动分布式协同任务中对于最优无人艇的选择方法;
所述无人艇集群的抗扰动分布式协同任务中对于最优无人艇的选择方法包括:
获取所述目标对象和集群中各无人艇的位置与速度信息;
按照所述无人艇集群的抗扰动分布式协同控制规则对集群中的无人艇进行最优化选择;
所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式为:
其中,vi=fi(zi)为输入向量v的第i个元素(i=1,2,3,…,n),其作为所述无人艇集群的抗扰动分布式协同控制中用于最优无人艇选择的输入信息,表征集群中各无人艇的任务分配权重;该任务分配权重由zi决定,zi表示判定最优无人艇选择的影响因素,包括:集群无人艇与目标对象的相对速度、相对位置、集群无人艇的执行能力、功能设计;ωi为输出向量ω的第i个元素,表征控制集群无人艇是否被用于执行任务的开关信息指令,且ω∈{0,1}n作为无人艇集群的抗扰动分布式协同任务执行系统的不等式约束条件;所述等式成立的条件为:条件1:如果vi属于输入向量v中的前k个最大的元素,即对应集群无人艇中任务分配权重最大的k艘无人艇,此时相应的输出元素ωi=f(vi)=1,该k艘无人艇用于执行任务,条件2:反之输出元素ωi=f(vi)=0,无人艇保持静止并继续监测新的目标对象;集群无人艇执行任务涉及多方面,如围追、跟踪和救援。
本发明实施例第二方面提供了一种无人艇集群的抗扰动分布式协同控制方法,其特征在于,所述无人艇集群的抗扰动分布式协同任务执行系统包括多个用于执行任务的无人艇及不多于无人艇数量的目标对象,所述无人艇集群的抗扰动分布式协同任务执行系统内的无人艇在通信拓扑图中连通;
所述控制方法包括如下步骤:
分配无人艇并且实时探测和感知目标对象;
实时获取所述目标对象的位置和速度信息;
集群中各无人艇实时获取在其通信范围内的无人艇的位置和速度信息,所述各无人艇在通信拓扑图中连通;
根据所述目标对象和无人艇的位置与速度信息,按照预设的规则实时构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
在所述无人艇集群的抗扰动分布式协同任务执行系统的约束下,根据二次型优化和标准二次规划方法确定分配无人艇集群的控制信号;
根据所述控制信号实时选择出集群中任务分配权重最大的k艘无人艇执行任务,其余无人艇保持静止并等待下一个目标对象的出现,并实时识别无人艇与目标对象的运动坐标系,直至无人艇与目标对象的运动坐标系重合,从而实现抗扰动分布式协同无人艇对目标对象的围捕、跟踪和救援。
本发明实施例第三方面提供了一种无人艇集群的抗扰动分布式协同控制装置,其特征在于,所述无人艇集群的抗扰动分布式协同任务执行系统包括多个用于执行任务的无人艇及不多于无人艇数量的目标对象,所述系统内的各无人艇在通信拓扑图中连通;
所述控制装置包括:
无人艇信息获取模块,用于探测和感知目标对象并获取所述目标对象的位置和速度信息;
临近无人艇信息获取模块,用于获取与各个无人艇可以实现有限通信的临近无人艇的位置和速度等信息,所述无人艇集群的抗扰动分布式协同任务执行系统内的无人艇在通信拓扑图中连通;
等式构建模块,用于根据所述实时位置和速度信息确定用于最优无人艇选择的判定等式所对应的任务分配权重,进而对所分配用于执行任务的无人艇进行选择以满足距离最近、性能最优的特点,以此选择结果作为输入信息构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
约束构建模块,用于根据所述位置和速度信息,按照预设的规则构建所述目标对象与用于执行任务的无人艇集群所对应的输出等式和不等式的约束;
控制信号确定模块,用于在无人艇集群执行任务的输出等式和不等式的约束下,根据二次型优化和标准二次规划方法确定分配无人艇集群的控制信号;
无人艇控制模块,用于根据所述位置与速度信息,所述标准二次规划方法,以及所述构建的等式和不等式约束,实现无人艇集群的抗扰动分布式协同控制。
利用本发明实施例提出的分布式协同控制方法,鉴于集群中各无人艇只需与较少数量的临近无人艇进行通信,因而大大减小了该无人艇集群的抗扰动分布式协同任务执行系统的通信负载和计算负担,最终在通信受限的情况下实现无人艇集群执行任务的分布式协同控制,且能够在侦测误差以及外界环境干扰存在的情况下使整个无人艇集群的抗扰动分布式协同任务执行系统中所有无人艇执行任务的效率与准确性均达到最优化。
附图说明
图1为本发明实施例中一种无人艇集群的抗扰动分布式协同控制方法一个实施例的流程图;
图2为图1中步骤101的一个实施例的具体流程图;
图3为图1中步骤104的一个实施例的具体流程图;
图4为图1中步骤105的一个实施例的具体流程图;
图5为本发明实施例中一种无人艇集群的抗扰动分布式协同控制装置的一个实施例的结构图;
具体实施方式
本发明提出一种无人艇集群的抗扰动分布式协同控制方法与装置,旨在解决在扰动存在、通信受限的情况下实现无人艇集群的抗扰动分布式协同控制,并使系统内所有无人艇在执行任务时效率与精确度均达到最优化。在整个无人艇集群的抗扰动分布式协同控制过程中,我们均采用以下无人艇的抗扰动分布式协同控制规则来实现执行任务的最优化。
所述无人艇集群的抗扰动分布式协同任务中对于最优无人艇的选择方法包括:
获取所述目标对象和集群中各无人艇的位置信息;
按照所述无人艇集群的抗扰动分布式协同控制规则对集群中的无人艇进行最优化选择:
所述无人艇集群的抗扰动分布式协同控制规则具体为:
假定任务分配权重为:其中,pi为第i个无人艇的实时位置坐标;pm为目标对象的实时位置坐标;||pi-pm||F为所述无人艇的实时位置与目标对象的实时位置之间距离向量的F范数;vi作为所述无人艇集群的抗扰动分布式协同控制中用于最优无人艇选择的输入任务分配权重,表征集群中各无人艇的实时位置与目标对象的实时位置之间的距离。根据所有已得到的集群中各无人艇与目标对象的位置距离构建上述输入任务分配权重作为最优无人艇选择的判定等式的输入信息,选取输入任务分配权重中前k个最大值,即距离目标对象前k个最近的无人艇,所选择的这k个无人艇被用于执行任务,且在无人艇运动过程中针对实时无人艇集群的布局不断调整需要派出执行任务的最优无人艇,对于执行任务的无人艇输出开关信息指令:为1,反之,为0。也就是说如果属于输入向量v中的前k个最大的元素,则对应的输出元素ωi=f(vi)=1,反之输出元素ωi=f(vi)=0,对于任意一个目标对象实时分配的k艘无人艇用于执行任务,余下的n-k艘无人艇保持静止,等待用于本次任务执行中无人艇集群布局变动引起的无人艇分配的实时调整,另一方面等待下一目标对象的出现再次进行最优无人艇选择;
根据上述对无人艇集群的抗扰动分布式协同控制规则的描述,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行进一步描述:
图1示出了本发明一种无人艇集群的抗扰动分布式协同控制方法一个实施例的流程图,所述无人艇集群的抗扰动分布式协同任务执行系统包括多个用于执行任务的无人艇及不多于无人艇数量的目标对象,所述无人艇集群的抗扰动分布式协同任务执行系统内的无人艇在通信拓扑图中连通;
如图1所示,所述控制方法包括:
101、分配无人艇并且实时探测和感知目标对象;
102、实时获取所述目标对象的位置信息;
103、集群中各无人艇实时获取在其通信范围内的无人艇的位置信息,所述各无人艇在通信拓扑图中连通;
集群中的各无人艇需要确定目标对象的位置信息,同时获取所述无人艇的临近无人艇所确定的目标对象的位置信息。所述临近无人艇是指与所述无人艇在通信拓扑图中连通的临近无人艇,它和所述无人艇属于同一无人艇集群的抗扰动分布式协同任务执行系统。由于所述无人艇集群的抗扰动分布式协同任务执行系统被要求在通信拓扑图中是连通的,因此对于系统内的任意一个可确定目标对象的位置信息的无人艇来说,其临近无人艇的个数至少为一个或一个以上。
104、根据所述目标对象和无人艇的位置信息,按照预设的规则实时构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
在集群中各无人艇执行任务时,目标对象和无人艇的位置实时改变使得该无人艇集群的抗扰动分布式协同任务执行系统位置分布改变,因此对于最优无人艇的选择需要进行实时的距离判定以及修正,即在执行同一个任务时会有不同的无人艇被交替派出执行所述任务,整个过程保持用于执行任务的无人艇数量k不变,其余n-k艘无人艇保持静止并等待下一个目标对象的出现。
105、在所述无人艇集群的抗扰动分布式协同任务执行系统的约束下,根据二次型优化和标准二次规划方法确定分配无人艇集群的控制信号;
各无人艇确定目标对象的位置信息并获取所述无人艇的临近无人艇所确定的目标对象的位置信息后,按照预设的规则构建相应的二次型优化方案。
106、根据所述控制信号实时选择出集群中任务分配权重最大的k艘无人艇执行任务,其余无人艇保持静止并等待下一个目标对象的出现,并实时识别无人艇与目标对象的运动坐标系,直至无人艇与目标对象的运动坐标系重合,从而实现抗扰动分布式协同无人艇对目标对象的围捕、跟踪和救援。
进一步地,如图2所示,步骤101具体可以包括:
1011、实时获取所述目标对象的位置信息。
1012、根据目标对象的类型分配不同类型的无人艇,在此初步将无人艇与目标对象间的相对位置信息作为分配的考虑因素,并由此分配的考虑因素构成用于最优无人艇选择的任务分配权重vi=fi(zi)。
1013、根据目标对象的数量分配不同数量的无人艇,对于每个目标对象设置k艘无人艇用于任务执行;集群无人艇中任务分配权重最大的k艘无人艇被用于执行任务,其余无人艇静止并继续监测目标对象等待执行任务。
如图3所示,步骤104具体可以包括:
1041、实时获取所述目标对象的位置信息;
1042、集群中各无人艇实时获取在其通信范围内的无人艇的位置信息,所述各无人艇在通信拓扑图中连通;
1043、根据所述目标对象和无人艇的位置信息,实时构建所述用于最优无人艇选择的判定等式对应的任务分配权重;
1044、无人艇监测目标对象并实时识别目标对象的运动坐标系,对无人艇集群的布局、无人艇与目标对象间的相对距离进行实时确定并对所述任务分配权重不断修正以判定是否需要更改用于执行任务的无人艇;
1045、根据所述任务分配权重构建所述用于最优无人艇选择的判定等式,即确定输入任务分配权重vi对应的输出开关信息指令ωi,结合所述无人艇集群的抗扰动分布式协同规则以及赢者通吃的设计理念:对于用于执行任务的无人艇的开关信息指令记为1;对于静止并继续监测目标对象等待执行任务的无人艇的开关信息指令记为0,因此,所述一种无人艇集群的抗扰动分布式协同控制方法与装置的输出开关信息指令满足:ω∈{0,1}n。
进一步而言,如图4所示,步骤105具体可以包括:
1051、设置最优化性能指标为集群中无人艇的任务分配权重,通过所述用于最优无人艇选择的判定等式以及所述无人艇集群的抗扰动分布式协同任务执行系统的约束确定二次型优化结果;
所述无人艇集群的抗扰动分布式协同控制规则具体为:
根据所有已得到的集群中各无人艇与目标对象的距离构建任务分配权重作为用于最优无人艇选择的判定等式的输入信息,选取任务分配权重中k个最大值,即对应前k个最近的无人艇被选定用于执行任务,且在无人艇运动过程中针对实时无人艇集群的布局不断调整需要派出执行任务的最优无人艇,对于执行任务的无人艇输出为1,反之,为0。也就是说如果属于输入向量v中的前k个最大的元素,则对应的输出元素ωi=f(vi)=1,反之输出元素ωi=f(vi)=0,对于任一个目标对象实时分配k艘无人艇执行目标任务,余下的n-k艘无人艇保持静止,等待用于本次任务执行中无人艇集群布局变动引起的无人艇分配的实时调整,另一方面等待下一目标对象的出现再次进行最优无人艇选择。
1052、将所述二次型优化结果转换为标准二次规划;
上述二次型优化方案可描述为如下的标准二次规划方案:
最小化:aωTω-vTω,
约束条件:eTω=k,Aω≤d,
其中,A=[In×n;-In×n];d=[1n×1;0n×1],对于上述标准二次规划问题,引入一类非线性互补函数来辅助求解满足等式约束和不等式约束的最优化问题,因此求解上述标准二次规划问题可以等价于求解一个非线性等式为:
g(y(t),t)=C(t)y(t)+ρ(t)=0,
其中,
且/>ρ2(t)=-k,λ(t)和ψ(t)分别代表上述标准二次规划问题中等式约束和不等式约束对应的拉格朗日乘子;∈(t)=d(t)-A(t)ω(t);为干扰项。
1053、对所述标准二次规划用抗扰动的二次规划求解器进行求解,得到求解结果;
可以利用数值算法、标准二次规划求解器对所述标准二次规划问题进行求解。求解得到无人艇集群的抗扰动分布式协同任务执行系统中集群无人艇的输出开关信息指令以实现最优无人艇的选择。
1054、根据所述求解结果确定分配无人艇集群的控制信号。
在本发明实施例中,是以集群中各无人艇与目标对象之间的位置距离作为选择最优无人艇的性能指标来构建任务分配权重,但是在实际操作以及任务执行过程中,对于最优无人艇的选择并不仅限于此,还涉及速度信息、执行能力、功能设计等多方面的因素。在对集群中无人艇进行最优选择时,为保证更加精确高效的判断可增加速度信息的判定,获取位置信息并得到距离数值后,需要对各无人艇的初始速度方向以及相对于目标对象的速度大小进行确定,若无人艇的初始速度方向与目标对象的运动速度方向相反,此时的无人艇需要根据所获取到的目标对象的运动方向以及速度信息进行自动调整,并由此提高任务执行的精度和效率;而本发明实施例提出的协同控制方法,由于集群中各无人艇只需与较少数量的临近无人艇进行通信,因而大大减小了通信负载和计算负载,使得任务可以高效稳定地完成。
以上主要描述了一种无人艇集群的抗扰动分布式协同控制方法,下面将对一种无人艇集群的抗扰动分布式协同控制装置进行详细描述。
请参阅图5,展示出了本发明实施例中一种无人艇集群的抗扰动分布式协同控制装置,所述无人艇集群的抗扰动分布式协同任务执行系统包括多个用于执行任务的无人艇及不多于无人艇数量的目标对象,所述系统内的各无人艇在通信拓扑图中连通:
所述控制装置包括:
无人艇信息获取模块501,用于探测和感知目标对象并获取所述目标对象的位置信息;
临近无人艇信息获取模块502,用于获取与各个无人艇可以实现有限通信的临近无人艇的位置信息,所述无人艇集群的抗扰动分布式协同任务执行系统内的无人艇在通信拓扑图中连通;
等式构建模块503,用于根据所述实时位置信息确定用于最优无人艇选择的判定等式所对应的任务分配权重,进而对所分配用于执行任务的无人艇进行选择以满足距离最近、性能最优的特点,以此选择结果作为输入信息构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
约束构建模块504,用于根据所述位置信息,按照预设的规则构建所述目标对象与用于执行任务的无人艇集群所对应的输出等式和不等式的约束;
控制信号确定模块505,用于在无人艇集群执行任务的输出等式和不等式的约束下,根据二次型优化和标准二次规划方法确定分配无人艇集群的控制信号;
无人艇控制模块506,用于根据所述位置信息,所述标准二次规划方法,以及所述构建的等式和不等式约束,实现无人艇集群的抗扰动分布式协同控制。
进一步来说,所述等式构建模块503具体可以包括:
权重信息构建单元,用于根据无人艇信息获取模块,临近无人艇信息获取模块所获得的信息,以及任务分配权重的映射函数f(·)对所分配执行任务的无人艇进行选择以满足距离最近、性能最优的特点,以此选择结果作为输入任务分配权重信息构建所述等式的系数向量v;
差值常量构建单元,用于根据所述位置信息获取结果确定第k个最大输入任务分配权重v与第k+1个最大输入任务分配权重间的差值a,以此确定结果构建所述等式的系数常量;
等式构建单元,用于根据所述位置信息、所述权重信息和差值常量构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式。
所述控制信号确定模块具体包括:
第一确定单元,用于设置最优化性能指标为集群中无人艇的任务分配权重,通过所述用于最优无人艇选择的判定等式以及所述无人艇集群的抗扰动分布式协同任务执行系统的约束确定二次型优化结果;
转换单元,用于将所述二次型优化结果转换为标准二次规划;
求解单元,用于对所述标准二次规划用抗扰动的二次规划求解器进行求解,得到求解结果;
控制信号确定单元,用于根据所述求解结果确定分配无人艇集群的控制信号。
进一步地,所述控制信号确定模块505具体可以包括:
所述无人艇集群的抗扰动分布式协同规则等价于一个标准的二次规划问题,如下所示:
最小化:aωTω-vTω,
约束条件:eTω=k,Aω≤d,
其中,A=[In×n;-In×n];d=[1n×1;0n×1],对于上述标准二次规划问题,引入一类非线性互补函数来辅助求解满足等式约束和不等式约束的最优化问题,因此求解上述标准二次规划问题可以等价于求解一个非线性等式为:
g(y(t),t)=C(t)y(t)+ρ(t)=0。
下面给出一个可行的抗扰动二次规划求解器的例子(本发明不限于该求解器例子)。通过定义一个误差函数σ(t)=g(y(t),t)=C(t)y(t)+ρ(t),结合积分增强型误差函数的演化公式我们可以给出所述抗扰动求解器的连续时间表达式为:
整理上述表达式得到连续时间抗扰动求解器模型为:
对于上述连续型抗扰动求解器模型可以用于求解所述无人艇集群的分布式协同规则对应的标准的二次规划问题,所求解结果即为所述控制信号,对应于无人艇集群的抗扰动分布式协同任务执行系统选择最优无人艇执行任务的输出开关信息指令。为了将求解器模型更好地应用于数值设备,我们拟给出欧拉前向差分公式(本发明不限于该差分公式)对上述求解器进行离散化:其中,k表示更新指数且k=0,1,2,…;δ为采样间隔。因此,目标抗扰动求解器模型,也即离散化抗扰动求解器模型为:
从以上实施例的描述可清楚的了解到上述系统、装置和单元的具体工作流程。对此,应该理解到,以上所描述的装置实施例仅仅是示意性的,我们仅是对上述单元做了一种逻辑上的划分以方便描述,而在实际实现时可以有另外的划分方式。
据上所述,以上实施例仅用以说明本发明的技术方案,而并非对其限制。本领域的技术人员应当理解:对上述实施例中所记载的技术方案仍可进行改进和优化,也可对其中部分技术特征进行等同替换。而这些改进或者替换,并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (10)
1.一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,根据目标对象和无人艇的位置与速度信息构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
所述无人艇集群的抗扰动分布式协同任务中对于最优无人艇的选择方法包括:
获取所述目标对象和集群中各无人艇的位置与速度信息;
按照所述无人艇集群的抗扰动分布式协同控制规则对集群中的无人艇进行最优化选择;
所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式为:
其中,vi=fi(zi)为输入向量v的第i个元素(i=1,2,3,…,n),其作为所述无人艇集群的抗扰动分布式协同控制中用于最优无人艇选择的输入信息,表征集群中各无人艇的任务分配权重;该任务分配权重由zi决定,zi表示判定最优无人艇选择的影响因素,包括:集群无人艇与目标对象的相对速度、相对位置、集群无人艇的执行能力、功能设计;ωi为输出向量ω的第i个元素,表征控制集群无人艇是否被用于执行任务的开关信息指令,且ω∈{0,1}n作为无人艇集群的抗扰动分布式协同任务执行系统的不等式约束条件;所述等式成立的条件为:条件1:如果vi属于输入向量v中的前k个最大的元素,即对应集群无人艇中任务分配权重最大的k艘无人艇,此时相应的输出元素ωi=f(vi)=1,该k艘无人艇用于执行任务,条件2:反之输出元素ωi=f(vi)=0,无人艇保持静止并继续监测新的目标对象;集群无人艇执行任务涉及多方面,如围追、跟踪和救援。
2.根据权利要求1所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,所述无人艇集群的抗扰动分布式协同任务执行系统包括多个用于执行任务的无人艇及不多于无人艇数量的目标对象,所述无人艇集群的抗扰动分布式协同任务执行系统内的无人艇在通信拓扑图中连通;
所述控制方法包括如下步骤:
分配无人艇并且实时探测和感知目标对象;
实时获取所述目标对象的位置和速度信息;
集群中各无人艇实时获取在其通信范围内的无人艇的位置和速度信息,所述各无人艇在通信拓扑图中连通;
根据所述目标对象和无人艇的位置与速度信息,按照预设的规则实时构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
在所述无人艇集群的抗扰动分布式协同任务执行系统的约束下,根据二次型优化和标准二次规划方法确定分配无人艇集群的控制信号;
根据所述控制信号实时选择出集群中任务分配权重最大的k艘无人艇执行任务,其余无人艇保持静止并等待下一个目标对象的出现,并实时识别无人艇与目标对象的运动坐标系,直至无人艇与目标对象的运动坐标系重合,从而实现抗扰动分布式协同无人艇对目标对象的围捕、跟踪和救援。
3.根据权利要求2所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,分配无人艇并且实时探测和感知目标对象具体为:
实时获取所述目标对象的位置和速度信息;
根据目标对象的类型分配不同类型的无人艇,将无人艇与目标对象间的相对位置、速度信息、无人艇的执行能力、功能设计作为分配的考虑因素,综合所述分配的考虑因素构成用于最优无人艇选择的任务分配权重vi=fi(zi);
根据目标对象的数量分配不同数量的无人艇,对于每个目标对象设置k艘无人艇用于任务执行;集群无人艇中任务分配权重最大的k艘无人艇被用于执行任务,其余无人艇静止并继续监测目标对象等待执行任务。
4.根据权利要求3所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,所述用于最优无人艇选择的判定等式通过以下步骤确定:
实时获取所述目标对象的位置和速度信息;
集群中各无人艇实时获取在其通信范围内的无人艇的位置和速度信息,所述各无人艇在通信拓扑图中连通;
根据所述目标对象和无人艇的位置与速度信息,实时构建所述用于最优无人艇选择的判定等式对应的任务分配权重;
无人艇监测目标对象并实时识别目标对象的运动坐标系,对无人艇集群的布局、无人艇与目标对象间的相对距离和速度信息进行实时确定并对所述任务分配权重不断修正以判定是否需要更改用于执行任务的无人艇;
根据所述任务分配权重构建所述用于最优无人艇选择的判定等式,即确定输入任务分配权重vi对应的输出开关信息指令ωi,结合所述无人艇集群的抗扰动分布式协同规则以及赢者通吃的设计理念:对于用于执行任务的无人艇的开关信息指令记为1;对于静止并继续监测目标对象等待执行任务的无人艇的开关信息指令记为0,因此,所述一种无人艇集群的抗扰动分布式协同控制方法与装置的输出开关信息指令满足:ω∈{0,1}n。
5.根据权利要求1至4中任一项所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,根据所述无人艇集群对多目标对象进行监测并执行相应任务的规则,利用二次型优化和标准二次规划方法确定分配无人艇集群的控制信号具体包括:
设置最优化性能指标为集群中无人艇的任务分配权重,通过所述用于最优无人艇选择的判定等式以及所述无人艇集群的抗扰动分布式协同任务执行系统的约束确定二次型优化结果;
将所述二次型优化结果转换为标准二次规划;
对所述标准二次规划用抗扰动的二次规划求解器进行求解,得到求解结果;
根据所述求解结果确定分配无人艇集群的控制信号。
6.根据权利要求5所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,优化方案制定过程为:
假设第k个最大值输入任务分配权重v与第k+1个最大值输入任务分配权重间的差值最小为一个大于0的常数a,那么无人艇集群执行任务中用于最优无人艇选择的判定等式等价于一个标准的二次规划问题为:
最小化:aωTω-vTω,
约束条件:eTω=k,0≤ωi≤1,i=1,2,...,n
其中,二次规划问题中各系数矩阵或向量的定义为:v=[v1,v2,…,vn]T;ω=[ω1,ω2,…,ωn]T;e=[1,1,…,1]T;上标T表示矩阵和向量的转置;
上述标准二次规划问题可以重新表述为:
最小化:aωTω-vTω,
约束条件:eTω=k,Aω≤d,
其中,A=[In×n;-In×n];d=[1n×1;0n×1],对于上述标准二次规划问题,引入一类非线性互补函数来辅助求解满足等式约束和不等式约束的最优化问题,因此求解上述标准二次规划问题可以等价于求解一个非线性等式为:
q(y(t),t)=C(t)y(t)+ρ(t)=0,
其中,
且/>ρ2(t)=-k,λ(t)和ψ(t)分别代表上述标准二次规划问题中等式约束和不等式约束对应的拉格朗日乘子;∈(t)=d(t)-A(t)ω(t);为干扰项;
因此,对于实现无人艇集群执行任务的抗扰动分布式协同控制,实现针对所探测到的目标对象,集群无人艇中任务分配权重的前k个最大值所对应的无人艇可以实现对其有效地围追、跟踪和救援任务,而在后续执行任务时,对于再次选择任务分配权重最大的无人艇需要对上述非线性等式进行重复操作,即进行迭代运算,且每次无人艇的选择范围均为排除已派出执行任务的无人艇后所有剩余的无人艇。
7.一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,所述无人艇集群的抗扰动分布式协同任务执行系统包括多个用于执行任务的无人艇及不多于无人艇数量的目标对象,所述无人艇集群的抗扰动分布式协同任务执行系统内的各无人艇在通信拓扑图中连通;
控制装置包括:
无人艇信息获取模块,用于探测和感知目标对象并获取所述目标对象的位置和速度信息;
临近无人艇信息获取模块,用于获取与各个无人艇可以实现有限通信的临近无人艇的位置和速度信息,所述无人艇集群的抗扰动分布式协同任务执行系统内的无人艇在通信拓扑图中连通;
等式构建模块,用于根据所述位置和速度信息确定用于最优无人艇选择的判定等式所对应的任务分配权重,进而对所分配用于执行任务的无人艇进行选择以满足距离最近、性能最优的特点,以此选择结果作为输入信息构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式;
约束构建模块,用于根据所述位置和速度信息,按照预设的规则构建所述目标对象与用于执行任务的无人艇集群所对应的输出等式和不等式的约束;
控制信号确定模块,用于在无人艇集群执行任务的输出等式和不等式的约束下,根据二次型优化和标准二次规划方法确定分配无人艇集群的控制信号;
无人艇控制模块,用于根据所述位置和速度信息,所述标准二次规划方法,以及所述构建的等式和不等式约束,实现无人艇集群的抗扰动分布式协同控制。
8.根据权利要求7所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,所述等式构建模块具体包括:
权重信息构建单元,用于根据无人艇信息获取模块,临近无人艇信息获取模块所获得的信息,以及任务分配权重的映射函数f(·)对所分配执行任务的无人艇进行选择以满足距离最近、性能最优的特点,以此选择结果作为输入任务分配权重信息构建所述等式的系数向量v;
差值常量构建单元,用于根据所述位置和速度信息获取结果确定第k个最大输入任务分配权重v与第k+1个最大输入任务分配权重间的差值a,以此确定结果构建所述等式的系数常量;
等式构建单元,用于根据所述位置和速度信息、所述权重信息和差值常量构建所述无人艇集群的抗扰动分布式协同任务中用于最优无人艇选择的判定等式。
9.根据权利要求7所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,所述控制信号确定模块具体包括:
第一确定单元,用于设置最优化性能指标为集群中无人艇的任务分配权重,通过所述用于最优无人艇选择的判定等式以及所述无人艇集群的抗扰动分布式协同任务执行系统的约束确定二次型优化结果;
转换单元,用于将所述二次型优化结果转换为标准二次规划;
求解单元,用于对所述标准二次规划用抗扰动的二次规划求解器进行求解,得到求解结果;
控制信号确定单元,用于根据所述求解结果确定分配无人艇集群的控制信号。
10.根据权利要求9所述的一种无人艇集群的抗扰动分布式协同控制方法与装置,其特征在于,所述控制信号确定模块采用的二次型优化为:
所述无人艇集群的抗扰动分布式协同规则等价于一个标准的二次规划问题,如下所示:
最小化:aωTω-vTω,
约束条件:eTω=k,Aω≤d,
其中,A=[In×n;-In×n];d=[1n×1;0n×1],对于上述标准二次规划问题,引入一类非线性互补函数来辅助求解满足等式约束和不等式约束的最优化问题,因此求解上述标准二次规划问题可以等价于求解一个非线性等式为:
g(y(t),t)=C(t)y(t)+ρ(t)=0。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483040.9A CN110096061B (zh) | 2019-06-04 | 2019-06-04 | 一种无人艇集群的抗扰动分布式协同控制方法与装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910483040.9A CN110096061B (zh) | 2019-06-04 | 2019-06-04 | 一种无人艇集群的抗扰动分布式协同控制方法与装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110096061A CN110096061A (zh) | 2019-08-06 |
CN110096061B true CN110096061B (zh) | 2023-08-01 |
Family
ID=67450319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910483040.9A Active CN110096061B (zh) | 2019-06-04 | 2019-06-04 | 一种无人艇集群的抗扰动分布式协同控制方法与装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110096061B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB2586621A (en) * | 2019-08-29 | 2021-03-03 | Rolls Royce Plc | Automated operation of unmanned waterborne vessels |
CN111830916A (zh) * | 2020-07-02 | 2020-10-27 | 兰州大学 | 一种面向多目标追踪的群机器人分布式竞争协同方法 |
CN113093733B (zh) * | 2021-03-17 | 2022-09-23 | 东南大学 | 一种无人艇集群对海打击方法 |
CN113580129B (zh) * | 2021-07-19 | 2024-01-16 | 中山大学 | 一种基于机器人的多目标协同围捕方法、装置及介质 |
CN114866284B (zh) * | 2022-04-01 | 2023-04-25 | 上海大学 | 无人艇集群分布式安全控制方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013100229A1 (ko) * | 2011-12-28 | 2013-07-04 | 한국과학기술연구원 | 수자원 관리용 무인 보트 운용 시스템 및 그 운용 방법 |
CN106774331A (zh) * | 2016-12-30 | 2017-05-31 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群分簇编队方法 |
CN107608347A (zh) * | 2017-09-04 | 2018-01-19 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群围追跟踪方法 |
CN109591966A (zh) * | 2018-12-03 | 2019-04-09 | 江苏科技大学 | 一种内河湖泊水域监测双体体无人艇及信息协同艇 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8849483B2 (en) * | 2011-04-13 | 2014-09-30 | California Institute Of Technology | Target trailing with safe navigation with colregs for maritime autonomous surface vehicles |
-
2019
- 2019-06-04 CN CN201910483040.9A patent/CN110096061B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013100229A1 (ko) * | 2011-12-28 | 2013-07-04 | 한국과학기술연구원 | 수자원 관리용 무인 보트 운용 시스템 및 그 운용 방법 |
CN106774331A (zh) * | 2016-12-30 | 2017-05-31 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群分簇编队方法 |
CN107608347A (zh) * | 2017-09-04 | 2018-01-19 | 广东华中科技大学工业技术研究院 | 一种分布式控制无人艇集群围追跟踪方法 |
CN109591966A (zh) * | 2018-12-03 | 2019-04-09 | 江苏科技大学 | 一种内河湖泊水域监测双体体无人艇及信息协同艇 |
Non-Patent Citations (3)
Title |
---|
冯辉 ; 刘梦佳 ; 徐海祥 ; .基于AHPSO算法的无人艇多目标路径规划.华中科技大学学报(自然科学版).2018,(06),全文. * |
张博 ; 康凤举 ; 阎晋屯 ; .无人舰艇集群攻击任务规划优化模型仿真.计算机仿真.2014,(11),全文. * |
杨朔 ; 刘伟 ; 孙健 ; .基于积分LOS的多无人艇协同路径跟踪.计算机测量与控制.2017,(09),全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN110096061A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110096061B (zh) | 一种无人艇集群的抗扰动分布式协同控制方法与装置 | |
Skulstad et al. | A hybrid approach to motion prediction for ship docking—Integration of a neural network model into the ship dynamic model | |
CN111695776B (zh) | 无人机集群分布式在线协同区域侦察方法及装置 | |
Liu et al. | Unmanned surface vehicles: An overview of developments and challenges | |
Chen et al. | Tracking control of surface vessels via fault-tolerant adaptive backstepping interval type-2 fuzzy control | |
Stateczny et al. | Universal autonomous control and management system for multipurpose unmanned surface vessel | |
CN110794855A (zh) | 一种水下机器人综合控制系统及其方法 | |
Soltani et al. | Reliable control of ship-mounted satellite tracking antenna | |
Mukhopadhyay et al. | Collaborative autonomous surveys in marine environments affected by oil spills | |
CN116166034B (zh) | 跨域协同围捕方法、装置及系统 | |
CN109657928B (zh) | 一种车载传感器系统的闭环协同调度框架的协同调度方法 | |
CN112363539A (zh) | 多无人机协同目标搜索方法 | |
CN111538349A (zh) | 面向多任务的长航程auv自主决策方法 | |
Wen et al. | Intelligent multi-AUG ocean data collection scheme in maritime wireless communication network | |
Hasan et al. | Predictive digital twins for autonomous ships | |
CN111413886B (zh) | 一种基于系统辨识的实船操纵性指数辨识方法及装置 | |
CN110908404B (zh) | 一种基于数据驱动的auv智能观测运动方法 | |
Ferreira et al. | Enhancing autonomous capabilities and human-robot interaction for unmanned surface vehicles | |
Yang et al. | The technological development and prospect of unmanned surface vessel | |
CN111273671A (zh) | 一种智能船舶的非周期通讯远程观测器 | |
Shaik et al. | Development and Validation of Embedded System Architecture for Shallow-Water Based H-AUV | |
Gao et al. | Artificial intelligence algorithms in unmanned surface vessel task assignment and path planning: A survey | |
Wang et al. | Physics-informed Data-driven Approach for Ship Docking Prediction | |
KR101529026B1 (ko) | 가중치 기반의 임무지향 전역경로 생성 방법 | |
JP5561424B1 (ja) | 表示制御装置、表示制御方法およびプログラム |
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 |