CN110162065B - 一种基于有向跟随的自适应多智能体编队控制方法 - Google Patents
一种基于有向跟随的自适应多智能体编队控制方法 Download PDFInfo
- Publication number
- CN110162065B CN110162065B CN201910524838.3A CN201910524838A CN110162065B CN 110162065 B CN110162065 B CN 110162065B CN 201910524838 A CN201910524838 A CN 201910524838A CN 110162065 B CN110162065 B CN 110162065B
- Authority
- CN
- China
- Prior art keywords
- agent
- communication
- leader
- level
- agents
- 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
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004891 communication Methods 0.000 claims abstract description 114
- 230000002452 interceptive effect Effects 0.000 claims abstract description 14
- 238000013461 design Methods 0.000 claims abstract description 5
- 230000003993 interaction Effects 0.000 claims abstract description 3
- 238000005755 formation reaction Methods 0.000 claims description 71
- 238000005381 potential energy Methods 0.000 claims description 11
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012790 confirmation Methods 0.000 claims description 5
- 238000006116 polymerization reaction Methods 0.000 claims description 4
- 238000011160 research Methods 0.000 description 7
- 230000006399 behavior Effects 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011273 social behavior Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- 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
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
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)
- Computer And Data Communications (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Abstract
本发明公开一种基于有向跟随的自适应多智能体编队控制方法和系统,包括以下步骤:获取一个由多个智能体组成的多智能体系统,确定领导者,利用图论进行抽象描述,获取通信拓扑结构;根据领导者构建一个通信等级交互网,确定每个智能体的通信等级;采用跟随策略根据通信交互等级确定每个智能体的有向跟随目标和斥力目标;构建通信拓扑结构变化后的通信等级网局部更新方法;设计一种智能体控制率满足设计的控制方法,并利用能量函数验证系统稳定性,满足控制要求。本发明的方法及系统,应用在有领导者的自适应多智能体系统只具备局部通信的编队控制,在较低的通信量下,多智能体系统进行稳定的编队控制,防止编队失败。
Description
技术领域
本发明涉及多智能体编队控制领域,特别是涉及一种基于有向跟随的自适应多智能体编队控制方法。
背景技术
随着技术的发展,智能体在近几十年来引起了研究人员的极大关注,他们在通信、计算机技术、生物学、社会行为学等各个方面,都有潜在的研究价值。而随着智能时代的逐渐到来,智能体也广泛的应用在生活的各个方面,但随着应用功能的日趋复杂,通过多个简单的智能体组成的多智能体系统比单一智能体具有更大的优势。多智能体系统在军事、航天、工业等各个领域都有广泛的应用,例如无人机的编队飞行,多个卫星进行协同运行、智能体车的编队运输等等。所以,多智能体系统的协调控制在获得广泛的研究。在多智能体的协同控制研究中,又分为多智能体蜂拥控制研究、多智能体编队控制研究、多智能体一致性研究等几大类,其中多智能体编队控制研究对实际应用具有很大的价值。
智能体编队控制是一种多个智能体在达到目标队形的过程中,既能组成目标队形,又可以适应具体的环境约束的一种控制方法。多智能体编队控制已有许多种成熟的控制方法,现有的常用方法主要有基于领航-跟随者方法、虚拟结构法、基于行为的方法、基于图论、势能法的方法。虽然现有多种方法能够对智能体的编队进行精确控制,且具有良好的鲁棒性,但这些算法大部分要求能够实时获取周围智能体的状态信息,尤其是对一些有明确位置目标的智能体,需要实时获取全局智能体数据,然后根据位置信息进行控制,最后形成多智能体编队。但在实际的应用中,我们往往会发现这些前提都是不能实现的。首先,传感器都是有一定采样频率的,智能体获取自身的位置信息存在一定时间间隔,并以一定的频率发送数据。其次,智能体的通信范围是有限的,所以全局范围内的通信基本是不可能的;而且每个智能体的通信都是存在一定带宽的,在进行多个一对一的通信时会浪费大量的通信资源。另外,智能体系统可能会进入复杂环境,无法进行全局通信。最后,当智能体编队中有单一智能体出现故障时,则将无法维持原来的编队,需要进行全局重新规划。因此在基于行为法和领航-跟随法的基础上引入智能体自适应控制策略,使之能够在之感知局部智能体的情况下完成编队控制,使智能体的编队控制更好的应用于实际系统。
发明内容
本发明的目的是提供一种基于有向跟随的自适应多智能体编队控制方法,以解决传统智能体系统仅具有局部通信下的编队无法控制,通信量大,部分智能体故障引发编队失败等问题。
为实现上述目的,本发明提供如下方案:
一种基于有向跟随的自适应多智能体编队控制方法,包括:
步骤1:对多智能体系统进行初始操作,包括:
获取一个由多个智能体组成的多智能体系统,保证初始状态能够连接,确定领导者,并进行编号,领导者编号为1,其他编号为2,…,N。
定义通信范围C,利用图论G(V,A)进行抽象描述。
设定最优编队之间的距离R1和斥力场作用距离R2。
确定状态信息通信和通信等级交互网的等级确定通信两种通信模式,降低通信损耗量。
步骤2:一种基于领导者的通信等级交互网方法,包括:
把领导者智能体的通信的等级定义为1,并通过领导者智能体向周围智能体发送带有等级信息的交流信息。
跟随者智能体选择周围通信等级最大的智能体作为第一跟随目标,在第一跟随目标的等级上减1即为智能体本身等级,然后向周围智能体发送带有自己通信等级的等级交流信息,直到全部确认结束。
领导者智能体需要每隔一段时间对全局进行一次通信等级更新。
步骤3:一种基于通信等级交互网,多智能体编队控制的跟随策略方法,包括:
根据智能体的稳定状态标准确认自身状态。
对于通信等级为2的跟随者智能体,只接受领导者的状态信息。
对于通信等级小于2的跟随者智能体,根据控制要求选择第二跟随者,方法如下:智能体i从能够通信的剩余智能体中选取第二跟随目标j,其中智能体j的通信等级高于或者等于智能体i,且若智能体i与智能体j同级,则智能体j处于稳定状态或者与i不具有同一第一跟随目标。若智能体i周围存在多个满足条件的智能体,则选取等级最高的智能体;若周围存在多个通信等级相同的且满足条件的智能体,则选取距离最近的智能体。
智能体只能获取跟随目标的状态信息,而对其他进行感知范围智能体,则将依据感知器进行避障操作,即斥力目标。
步骤4:一种多智能体编队的动态切换策略方法,包括:
当存在智能体α故障时,周围以智能体α作为跟随目标的智能体β会迅速感知,智能体β确认最新等级,并进行局部通信等级更新。
当智能体α在不稳定状态感受到新的智能体时,确认新的等级,判断是否达到稳定要求,若稳定,进行局部通信更新。
步骤5:一种基于有向跟随的自适应多智能体编队控制系统,包括:
当跟随者智能体处于不稳定状态时,则需要加入领导者的引导作用,使之在趋向于领导者,从而并入编队中。
若智能体处于稳定状态即完全并入编队中,则不需要领导者的引导。
设计智能体控制率:
其中ψα(z)为聚合势能函数,ψβ(z)为斥力场势能函数,k1,k2>0,C代表是否对领导者进行跟随,当智能体稳定状态时,C=0;不稳定时,C=1。
然后通过证明显示了基于有向跟随的自适应多智能体编队控制系统最终稳定,且所有智能体的速度保持一致。
本发明与现有技术相比具有如下优点:
本发明提供了一种基于有向跟随的自适应多智能体编队控制方法和系统,在多智能体系统存在单一领导者、个体只具备局部感知能力、能够获取周围智能体状态信息的情况下,定义了一种基于领导者的通信等级网,确定通信等级,为防止出现编队失败,同时为了减少智能体之间的通信损耗,提出了一种跟随的控制协议,以及相应的智能体控制率,最终通过数学推导,论证实现多智能体的编队控制(最终保持在编队内,速度一致);当多智能体编队出现单一智能体故障时,根据提出的一种通信拓扑切换的策略,最终形成新的编队控制,保证了编队的稳定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所提供的基于有向跟随的自适应多智能体编队控制方法流程图。
图2为本发明所提供的一个基于通信等级交互网进行等级确定的实例。
图3为本发明所提供的一个根据多智能体跟随策略进行编队控制的实例。
图4为本发明所提供的关于聚合势能函数的图示。
图5为本发明所提供的关于斥力场势能函数的图示。
具体实施方式
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清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明的目的是提供一种基于有向跟随的自适应多智能体编队控制方法,达到智能体自适应编队控制,进行有领导者的有向跟踪,解决只具有局部通信情况下的编队失败问题。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明所提供的基于有向跟随的自适应多智能体编队控制方法和系统整体流程图。一种基于有向跟随的自适应多智能体编队控制方法和系统,包括:
步骤1:对多智能体系统进行初始操作,包括:
步骤1.1:获取一个由多个智能体组成的智能体系统,保证初始状态智能体之间能够信息传递,这些智能体可以是无人机、潜艇、卫星、水雷等等。确定领导者,并进行编号,领导者编号为1,其他编号为2,…,N。
步骤1.2:获得智能体之间的通信半径C,利用图论G(V,A)进行抽象描述,其中V代表各个智能体,根据智能体之间的位置距离和通信范围确定获取通信拓扑结构A,当aij=1时,即智能体j能与智能体i进行通信,相反aij=0表示不能通信,由于领导者不接受其他智能体状态信息,
步骤1.3:为保证自适应智能体的编队控制,设定最优编队之间的距离R1和斥力场作用距离R2,设置R2≤R1;同时,为了防止通信范围过大对稳定的编队控制产生影响,设置R1≤C≤1.5R1。
步骤1.4:本发明多智能体编队的通信分为状态信息通信和通信等级交互网的等级确定通信两种,其中,等级交互的通信在范围内的智能体必须接收,从而确定跟随目标;对于状态信息通信,智能体采用广播式通信,其他智能体根据是否把该智能体确定为跟随目标进行选择接收,这样能够最大限度的降低通信损耗。
图2为本发明设计的一种基于有领导者的多智能体通信等级交互网实例。
步骤2:通信等级交互网的确定方法,包括:
步骤2.1:把领导者智能体的通信的等级定义为1,且领导者智能体不接收周围的等级确定信息。
步骤2.2:通过领导者智能体向周围智能体发送带有等级信息的交流信息,为防止在等级确定交流中出现混乱,可以在等级交流时在交流信息中加入领导者时间戳。
步骤2.3:每个跟随者智能体都能够接收到周围智能体发出的通信等级交流信息,在接收到的所有信息中,选择通信等级最大的智能体作为第一跟随目标,在第一跟随目标的等级上减1即为智能体本身等级,然后向周围智能体发送带有自己通信等级的等级交流信息。
步骤2.4:在跟随者智能体确定通信等级时,都要以最新的领导者时间戳代替旧的时间戳等级,从而防止出现混乱情况。
步骤2.5:当最后的智能体确定好通信等级后,此次的基于领导者的多智能体交互等级网确认完毕。
步骤2.6:在理想情况下,通信交流等级网需要随着多智能体编队的动态变化而切换,但在实际的应用中,由于自适应智能体无法获得全局信息,只能获取局部信息,所以在实际中需要领导者每隔一段时间对全局进行一次通信等级更新。
图3为本发明在基于通信等级的跟随控制策略的跟随实例,表现不同智能体的通信等级和跟随目标,可以看到部分智能体处于不稳定状态。
步骤3:基于通信等级交互网,多智能体编队控制的跟随策略方法,包括:
步骤3.1:对于领导者智能体来说,会一直处于稳定状态;对于跟随者智能体来说,通信等级为2的跟随者智能体只要在领导者的通信范围内,则都是稳定范围;通信等级为其他的跟随者智能体,只有同时存在两个跟随目标时,才处于稳定状态。
步骤3.2:对于通信等级为2的跟随者智能体,只接受领导者的状态信息。
步骤3.3:对于通信等级小于2的跟随者智能体,除了步骤2.3中确定好的第一跟随目标外,还需要当前智能体i从能够通信的剩余智能体中选取第二跟随目标j,其中智能体j的通信等级高于或者等于智能体i,且若智能体i与智能体j同级,则智能体j处于稳定状态或者与i不具有同一第一跟随目标。若智能体i周围存在多个满足条件的智能体,则选取等级最高的智能体;若周围存在多个通信等级相同的且满足条件的智能体,则选取距离最近的智能体。
步骤3.4:智能体只能获取跟随目标的状态信息,而对其他进行感知范围智能体,则将依据感知器进行避障操作,即变为斥力目标。
步骤4:当局部智能体通信拓扑结构由于智能体故障发生变化,或者是智能体故障,或者增加新的智能体,多智能体编队的动态切换方法,包括:
步骤4.1:当存在智能体α故障时,周围以智能体α作为跟随目标的智能体β会迅速感知,然后向另一跟随目标发送等级确认信息,若另一跟随目标也是β智能体,则回复无法确定,若另一跟随目标正常回复,则确认智能体β等级,加入智能体α编号,不会影响的通信等级,发送新的更新信息,进行局部更新。
步骤4.2:当智能体α在不稳定状态感受到新的智能体时,将会向周围发送等级确认信息,收到回复后确认新的等级,判断是否达到稳定要求,若稳定,加入智能体α编号,不会影响的通信等级,发送新的更新信息,进行局部更新。
步骤5:当智能体系统中的智能体存在不稳定状态时,若出现智能体故障或者通信受阻,则会把多智能体的单一编队分成两个或者多个,从而造成编队失败,使一些跟随者不能重返编队中,所以保持每个跟随者智能体处于稳定状态对编队控制其重要作用。一种基于有向跟随的自适应多智能体编队控制系统,包括:
步骤5.1:当跟随者智能体处于不稳定状态时,则需要加入领导者的引导作用,使之在趋向于领导者,从而并入编队中。若智能体处于稳定状态即完全并入编队中,则不需要领导者的引导。
步骤5.4:设计智能体控制率:
其中ψα(z)为聚合势能函数,ψβ(z)为斥力场势能函数,k1,k2>0,C代表是否对领导者进行跟随,当智能体稳定状态时,C=0;不稳定时,C=1。
图4为聚合势能函数曲线,其中R1=10,C=16。
图5为斥力场势能函数曲线,其中R2=10,C=16。
步骤5.3:当智能体i处于不稳定状态时,此时C=1,即把领导者作为引导量。若智能体i具有一个跟随目标,智能体i的理想运动轨迹为以跟随目标智能体为圆心,最佳距离R1为半径,向领导者方向的圆弧,停留在跟随目标智能体与领导者连线中,然后向领导者前进,最终,智能体稳定。若不稳定智能体没有跟随目标,则将进全速向领导者前进,直到稳定。
步骤5.4:对于处于稳定状态的智能体进行编队控制,领导者速度在短时间内不变的一致性分析:
步骤5.5:多智能体系统在编队发生通信拓扑切换时,若存在不稳定智能体,则依据步骤5.3证明,最终达到稳定状态,然后进行编队的一致性控制。
Claims (9)
1.一种基于有向跟随的自适应多智能体编队控制方法,其特征在于,包括以下步骤:
步骤1:获取一个由多个智能体组成的多智能体系统,保证初始状态能够连接,确定领导者,并进行编号,领导者编号为1,其他编号为2,…,N,能够进行信息交流,定义通信范围C,利用图论G(V,A)进行抽象描述,根据智能体之间的位置距离和通信范围确定获取通信拓扑结构A;设定最优编队之间的距离R1和斥力场作用距离R2;
步骤2:根据领导者构建一个通信等级交互网,把领导者智能体的通信等级定义为1,然后逐层递减,最终确定每个智能体的通信等级;
步骤3:根据通信交互等级确定智能体的跟随目标以及斥力目标,并对智能体的稳定状态进行定义;
步骤4:构建通信拓扑结构变化后的通信等级网局部更新方法;
步骤5:设计一种智能体控制率满足设计的控制方法,并利用能量函数验证系统稳定性,满足控制要求;
构造智能体的控制率:
其中ψα(z)为聚合势能函数,ψβ(z)为斥力场势能函数,k1,k2>0,C代表是否对领导者进行跟随,当智能体稳定状态时,C=0;不稳定时,C=1。
2.根据权利要求1所述的方法,其特征在于:所述智能体之间在进行通信时,要具有两种通信方式,分别为状态信息通信和通信等级交互网的等级确定通信;
智能体关于状态信息的通信是基于广播式的,但是每个智能体只对选择的跟随目标信息进行接收,这样能够最大限度的降低通信损耗;而在通信交互网的等级确认通信,根据情况采用一对一或者一对多;
定义多智能体稳定状态,对于领导者智能体来说,一直处于稳定状态;对于通信等级为2的跟随者智能体来说,只要领导者智能体作为跟随目标即为稳定状态;对于其他通信等级的跟随者智能体来说,只要保持两个跟随目标才是稳定状态。
3.根据权利要求1所述的方法,其特征在于:为保证自适应多智能体的编队控制,需要最优距离和斥力作用距离进行设定,设置R2≤R1;同时,为了防止通信范围过大对稳定的编队控制产生影响,设置R1≤C≤1.5R1。
4.根据权利要求1所述的方法,其特征在于:在通信等级交互网的确认中,根据多智能体的通信拓扑结构以领导者为核心进行等级确定,在每个智能体中,只选择周围等级最高的智能体作为第一跟随目标,然后本身等级减1,并且每次更新领导者状态信息;
当通信等级低于2的智能体,在获取第一个跟随目标后,还要获取第二个跟随目标;第二个跟随目标的判断标准为具备通信等级高于或等于当前智能体,若等级相同则选取距离最近的;若处于相同等级的智能体,则只能选择处于稳定状态或者不从同一个第一领导者的智能体作为第二跟随目标。
5.根据权利要求1所述的方法,其特征在于:当通信拓扑结构发生变化时,若是发现一个跟随目标缺失,则向另一跟随目标确认跟随等级,然后进行局部通信等级更新;若是周围增加智能体,则向周围所有目标确认通信等级,更新局部通信等级。
8.根据权利要求1所述的方法,其特征在于:当智能体i处于不稳定状态时,此时C=1,即把领导者作为引导量;若智能体i具有一个跟随目标,智能体i的理想运动轨迹为以跟随目标智能体为圆心,最佳距离R1为半径,向领导者方向的圆弧,停留在跟随目标智能体与领导者连线中,然后向领导者前进,最终,智能体稳定;若不稳定智能体没有跟随目标,则将进全速向领导者前进,直到稳定。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524838.3A CN110162065B (zh) | 2019-06-18 | 2019-06-18 | 一种基于有向跟随的自适应多智能体编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910524838.3A CN110162065B (zh) | 2019-06-18 | 2019-06-18 | 一种基于有向跟随的自适应多智能体编队控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110162065A CN110162065A (zh) | 2019-08-23 |
CN110162065B true CN110162065B (zh) | 2021-11-19 |
Family
ID=67625210
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910524838.3A Active CN110162065B (zh) | 2019-06-18 | 2019-06-18 | 一种基于有向跟随的自适应多智能体编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110162065B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110398975A (zh) * | 2019-09-04 | 2019-11-01 | 西北工业大学 | 一种基于广播式通信架构的领航跟随型多机编队容错控制方法 |
CN110992677B (zh) * | 2019-11-20 | 2021-03-19 | 北方工业大学 | 一种应对通信异常的智能网联汽车编队控制方法及系统 |
CN111552314B (zh) * | 2020-05-09 | 2021-05-18 | 北京航空航天大学 | 多无人机自适应编队跟踪控制方法 |
CN111651705B (zh) * | 2020-05-18 | 2022-05-13 | 北京航空航天大学 | 集群编队跟踪控制方法 |
CN112987776A (zh) * | 2020-12-01 | 2021-06-18 | 一飞智控(天津)科技有限公司 | 单机故障返航路径规划方法、系统、无人机及存储介质 |
CN112965525B (zh) * | 2021-02-10 | 2022-11-22 | 成都两江前沿科技有限公司 | 约束条件下的大规模固定翼无人机集群编队方法 |
CN114442487B (zh) * | 2022-01-18 | 2023-03-21 | 北京理工大学 | 多智能体系统仿射编队中的领导者选取方法 |
CN114684202B (zh) * | 2022-06-01 | 2023-03-10 | 浙江大旗新能源汽车有限公司 | 一种用于自动驾驶车辆的智能系统及其集成控制方法 |
CN116513381B (zh) * | 2023-06-06 | 2023-11-14 | 广州市番高气模制品有限公司 | 一种基于人工智能的水上充气无人船 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215260A (zh) * | 2011-06-02 | 2011-10-12 | 北京理工大学 | 一种具有连通性保持的多智能体系统协同控制方法 |
CN104281053A (zh) * | 2013-07-08 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 一种解决通信时滞的多智能体协同控制方法 |
CN104281052A (zh) * | 2013-07-06 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 一种基于行为的领航者-跟随者多智能体队形控制方法 |
CN104820431A (zh) * | 2015-05-08 | 2015-08-05 | 西北工业大学 | 多无人机集群对地观测系统及其编队控制方法 |
CN104865960A (zh) * | 2015-04-29 | 2015-08-26 | 山东师范大学 | 基于平面的一种多智能体队形控制方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9436187B2 (en) * | 2015-01-15 | 2016-09-06 | The United States Of America As Represented By The Secretary Of The Navy | System and method for decentralized, multi-agent unmanned vehicle navigation and formation control |
CN109491396B (zh) * | 2018-12-28 | 2021-11-09 | 辽宁工业大学 | 一种多智能体事件驱动编队控制系统及方法 |
-
2019
- 2019-06-18 CN CN201910524838.3A patent/CN110162065B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102215260A (zh) * | 2011-06-02 | 2011-10-12 | 北京理工大学 | 一种具有连通性保持的多智能体系统协同控制方法 |
CN104281052A (zh) * | 2013-07-06 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 一种基于行为的领航者-跟随者多智能体队形控制方法 |
CN104281053A (zh) * | 2013-07-08 | 2015-01-14 | 哈尔滨点石仿真科技有限公司 | 一种解决通信时滞的多智能体协同控制方法 |
CN104865960A (zh) * | 2015-04-29 | 2015-08-26 | 山东师范大学 | 基于平面的一种多智能体队形控制方法 |
CN104820431A (zh) * | 2015-05-08 | 2015-08-05 | 西北工业大学 | 多无人机集群对地观测系统及其编队控制方法 |
Non-Patent Citations (4)
Title |
---|
Distributed adaptive fault-tolerant control approach to cooperative output regulation for linear multi-agent systems;Chao Deng;《Automatica》;20190531;62-68 * |
时延多智能体系统的编队控制;杨洪勇,等;《浙江大学学报(工学版)》;20100715;1355-1360 * |
有人机/无人机编队协同作战决策系统架构设计;王新尧,等;《无人系统技术》;20200715;66-72 * |
通信时滞下事件驱动多智能体系统环形编队控制;何逻辑,等;《计算机应用研究》;20190514;1661-1665 * |
Also Published As
Publication number | Publication date |
---|---|
CN110162065A (zh) | 2019-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110162065B (zh) | 一种基于有向跟随的自适应多智能体编队控制方法 | |
CN108803349B (zh) | 非线性多智能体系统的最优一致性控制方法及系统 | |
CN111522361A (zh) | 主-从模式的多无人机编队一致性控制方法 | |
CN113253764B (zh) | 一种基于降维观测器的无人集群仿射编队控制方法 | |
CN112650214B (zh) | 一种集群系统动态编队的队形控制方法 | |
CN107992090A (zh) | 一种应用于网络化集群智能体系统的自适应编队方法 | |
CN105376297A (zh) | Sdn控制器数量调整以及与交换机映射的方法 | |
CN113870588B (zh) | 一种基于深度q网络的交通灯控制方法、终端及存储介质 | |
CN111142567A (zh) | 一种无人机系统中的无人机目标位置交换方法及装置 | |
CN113759935B (zh) | 基于模糊逻辑的智能群体编队移动控制方法 | |
CN109889564B (zh) | 一种网联汽车的集中式群体协同控制方法 | |
CN111596688A (zh) | 基于连续通信的多无人机编队一致性控制方法 | |
CN110162084B (zh) | 基于一致性理论的飞航导弹集群系统编队控制方法 | |
Lan et al. | Adaptive 3D Distance‐Based Formation Control of Multiagent Systems with Unknown Leader Velocity and Coplanar Initial Positions | |
CN115617039A (zh) | 一种基于事件触发的分布式仿射无人艇编队控制器构建方法和无人艇编队控制方法 | |
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 | |
CN112578817A (zh) | 无人机的控制方法、装置、存储介质和电子设备 | |
CN111240365A (zh) | 带有指定性能的无人机编队自适应执行器故障补偿方法 | |
Ding et al. | Dynamics Event-Triggered-Based Time-Varying Bearing Formation Control for UAVs | |
CN114756052B (zh) | 一种基于无人机群的多目标协同追踪方法 | |
CN116126017A (zh) | 一种基于事件触发机制的多无人驾驶智能体包含控制方法 | |
CN116954266B (zh) | 一种通信约束的无人机编队鲁棒控制方法及系统 | |
CN115577318B (zh) | 基于半实物的数据融合评估方法、系统、设备及储存介质 | |
CN117891259B (zh) | 多图形构型的多智能体编队控制方法和相关产品 | |
CN118012129A (zh) | 一种预设收敛精度的无人机集群分布式编队控制方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |