CN110297492B - 一种多车辆网络在时变环境下的协调跟踪控制系统及方法 - Google Patents

Abstract

本发明公开了一种多车辆网络在时变环境下的协调跟踪控制系统及方法，第一确定模块确定多车辆网络的预期目标位置，第二确定模块确定多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵，获取模块获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置，控制模块根据多车辆网络的预期目标位置、当前时刻的加权邻接矩阵和接收目标矩阵以及每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，这样，能够保证在多车辆网络的通信拓扑为非固定的情况下，存在对抗关系的多车辆网络形成分组，两个分组里的车辆分别达到目标位置以及目标位置的对称位置，从而可以实现双向一致跟踪，控制精度较高。

Description

一种多车辆网络在时变环境下的协调跟踪控制系统及方法

技术领域

本发明涉及控制技术领域，尤其涉及一种多车辆网络在时变环境下的协调跟踪控制系统及方法。

背景技术

目前，多车辆网络的协调跟踪控制方法在实际应用中受到广泛关注，这主要是由于控制要求的日益提高使得控制系统趋于复杂化、多样化，单个车辆难以执行较为复杂的任务，而多个车辆之间可以通过协调作用来共同实现既定目标，同时，通过多个车辆之间的协同作用可以提高多车辆网络的工作效率以及故障处理能力，当工作环境发生变化或多车辆网络局部发生故障时，多车辆网络仍可通过它们之间的相互通信作用来完成预定的任务。

在实际应用中，多车辆网络所处的环境是不断变化的，多车辆网络中各个个体车辆之间并非总是存在合作关系。现有技术难以克服多车辆网络中存在的对抗关系以及复杂的时变多车辆网络环境带来的影响，并且，往往只能使所有车辆到达依赖于初始条件以及拓扑结构的同一个位置，而不能根据实际需要实现不同车辆对于预期目标位置的双向跟踪。

发明内容

有鉴于此，本发明提供了一种多车辆网络在时变环境下的协调跟踪控制系统及方法，用以解决在时变通信互连关系下，多车辆网络对于预期目标位置的双向跟踪任务问题。

因此，本发明提供了一种多车辆网络在时变环境下的协调跟踪控制系统，包括：第一确定模块、第二确定模块、获取模块以及控制模块；其中，

所述第一确定模块，用于确定所述多车辆网络的预期目标位置；

所述第二确定模块，用于确定所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵；其中，所述多车辆网络中的所有个体车辆的集合为V，集合V分为两组V₁和V₂，满足V₁∪V₂＝V，

所述多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

所述多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且|b_i(t)|≥ω＞0，

t≥t₀；

或者，所述多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

且所述多车辆网络是一致强连通的；所述多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且存在T＞0，v_i(t)∈V满足

其中，v_i为所述多车辆网络中的个体车辆i，v_j为所述多车辆网络中的个体车辆j，a_ij(t)为所述多车辆网络在当前时刻t第i行第j列的加权邻接矩阵元素，b_i(t)为所述多车辆网络在当前时刻t个体车辆i对应的接收目标矩阵元素，b_j(t)为所述多车辆网络在当前时刻t个体车辆j对应的接收目标矩阵元素，v_i(t)为所述多车辆网络在当前时刻t的个体车辆i，ω为一个任意正常数，t₀为初始时刻，T为时间常数；

所述获取模块，用于获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置；

所述控制模块，用于根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆。

在一种可能的实现方式中，在本发明提供的上述协调跟踪控制系统中，所述控制模块，包括：控制量确定单元和位置控制单元；其中，

所述控制量确定单元，用于根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置，通过以下公式确定每个个体车辆的控制量：

其中，u_i(t)为个体车辆i在当前时刻t的控制量，x_i(t)为个体车辆i在当前时刻t的位置，x_j(t)为个体车辆i的邻居车辆j在当前时刻t的位置，N_i(t)为个体车辆i在当前时刻t的邻居车辆的集合，x_r为所述多车辆网络的预期目标位置，sgn(·)为符号函数；

所述位置控制单元，用于根据每个个体车辆的控制量、每个个体车辆当前时刻的位置和每个个体车辆的采样时间，通过以下公式确定每个个体车辆下一时刻的位置：

x_i(t+1)＝x_i(t)+ΔTu_i(t)

其中，x_i(t+1)为个体车辆i在下一时刻t+1的位置，ΔT为个体车辆i的采样时间。

本发明还提供了一种多车辆网络在时变环境下的协调跟踪控制方法，包括如下步骤：

S1：确定所述多车辆网络的预期目标位置；

S2：确定所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵；

S3：获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置；

S4：根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆。

在一种可能的实现方式中，在本发明提供的上述控制方法中，步骤S4，根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，具体包括如下步骤：

S41：根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置，通过以下公式确定每个个体车辆的控制量：

其中，u_i(t)为个体车辆i在当前时刻t的控制量，x_i(t)为个体车辆i在当前时刻t的位置，x_j(t)为个体车辆i的邻居车辆j在当前时刻t的位置，N_i(t)为个体车辆i在当前时刻t的邻居车辆的集合，x_r为所述多车辆网络的预期目标位置，sgn(·)为符号函数；

S42：根据每个个体车辆的控制量、每个个体车辆当前时刻的位置和每个个体车辆的采样时间，通过以下公式确定每个个体车辆下一时刻的位置：

x_i(t+1)＝x_i(t)+ΔTu_i(t)

其中，x_i(t+1)为个体车辆i在下一时刻t+1的位置，ΔT为个体车辆i的采样时间。

本发明提供的上述多车辆网络在时变环境下的协调跟踪控制系统及方法，第一确定模块确定多车辆网络的预期目标位置，第二确定模块确定多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵，获取模块获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置，控制模块根据确定的多车辆网络的预期目标位置、当前时刻的加权邻接矩阵和接收目标矩阵以及获取的每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，这样，能够保证在多车辆网络的通信拓扑为非固定的情况下，存在对抗关系的多车辆网络形成分组，两个分组里的车辆分别达到目标位置以及目标位置的对称位置，从而可以实现双向一致跟踪，控制精度较高。

附图说明

图1为本发明实施例提供的多车辆网络在时变环境下的协调跟踪控制系统的结构示意图之一；

图2为多车辆网络的示意图；

图3为本发明实施例提供的多车辆网络在时变环境下的协调跟踪控制系统的结构示意图之二；

图4为本发明实施例提供的多车辆网络在时变环境下的协调跟踪控制方法的流程图。

具体实施方式

下面将结合本申请实施方式中的附图，对本申请实施方式中的技术方案进行清楚、完整的描述，显然，所描述的实施方式仅仅是作为例示，并非用于限制本申请。

本发明实施例提供的一种多车辆网络在时变环境下的协调跟踪控制系统，如图1所示，包括：第一确定模块1、第二确定模块2、获取模块3以及控制模块4；其中，

第一确定模块1，用于确定多车辆网络的预期目标位置；具体地，预期目标位置为多车辆网络中车辆最终所期望达到的参考位置，为预先设定值，根据跟踪要求作为人为预先输入目标；

第二确定模块2，用于确定多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵；其中，多车辆网络中的所有个体车辆的集合为V，集合V分为两组V₁和V₂，满足V₁∪V₂＝V，

具体地，多车辆网络的加权邻接矩阵和接收目标矩阵参数会随环境、时刻的变化而改变，不同时刻具有预先对应的值，具体某确定时刻对应的加权邻接矩阵和接收目标矩阵可以通过如下两种演变规则根据确切时刻情况进行获取：

具体某确定时刻对应的加权邻接矩阵和接收目标矩阵可以通过第一种演变规则根据确切时刻情况进行获取：

多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且|b_i(t)|≥ω＞0，

t≥t₀；

或者，具体某确定时刻对应的加权邻接矩阵和接收目标矩阵可以通过第二种演变规则根据确切时刻情况进行获取：

多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

且多车辆网络是一致强连通(uniformly strongly connected)的，即在多车辆网络中，每个个体车辆在每个非重叠时间段内的某些时段都能直接或间接地接收到其他所有个体车辆的位置信息；多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且存在T＞0，v_i(t)∈V满足

其中，v_i为多车辆网络中的个体车辆i，v_j为多车辆网络中的个体车辆j，a_ij(t)为多车辆网络在当前时刻t第i行第j列的加权邻接矩阵元素，b_i(t)为多车辆网络在当前时刻t个体车辆i对应的接收目标矩阵元素，b_j(t)为多车辆网络在当前时刻t个体车辆j对应的接收目标矩阵元素，v_i(t)为多车辆网络在当前时刻t的个体车辆i，ω为一个任意正常数，t₀为初始时刻，T为时间常数；

获取模块3，用于获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置；具体地，个体车辆的邻居车辆指的是有信息流向该个体车辆的所有其他车辆的集合，如图2所示，个体车辆2和个体车辆4在大多数时刻为个体车辆5的邻居车辆，而个体车辆1和个体车辆3不是个体车辆5的邻居车辆；具体地，可以通过在个体车辆上安装传感器装置获取自身及其邻居车辆的当前时刻的位置；

控制模块4，用于根据多车辆网络的预期目标位置、多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆。

本发明实施例提供的上述协调跟踪控制系统，第一确定模块确定多车辆网络的预期目标位置，第二确定模块确定多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵，获取模块获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置，控制模块根据确定的多车辆网络的预期目标位置、当前时刻的加权邻接矩阵和接收目标矩阵以及获取的每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，这样，能够保证在多车辆网络的通信拓扑为非固定的情况下，存在对抗关系的多车辆网络形成分组，两个分组里的车辆分别达到目标位置以及目标位置的对称位置，从而可以实现双向一致跟踪，控制精度较高。

需要说明的是，本发明实施例提供的上述协调跟踪控制系统，针对第一种演变规则，在多车辆网络具有连通性的情况下，每个个体车辆可以根据自身的位置信息及其邻居车辆的位置信息实现控制目标；在多车辆网络不具有连通性的情况下，不存在邻居车辆的个体车辆v_i(即a_ij(t)＝0)可以不需要获取其他任何车辆的信息，仅需知道自身的位置即可实现控制目标。针对第二种演变规则，每个个体车辆只需在每个非重叠有限时间段内的一些时刻获取邻居车辆的信息，且整个网络中只需保证至少一个个体车辆在每个非重叠有限时间段内获取目标信息。

在具体实施时，在本发明实施例提供的上述协调跟踪控制系统中，如图3所示，控制模块4，具体可以包括：控制量确定单元41和位置控制单元42；其中，控制量确定单元41，用于根据多车辆网络的预期目标位置、多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置，通过以下公式确定每个个体车辆的控制量：

其中，u_i(t)为个体车辆i在当前时刻t的控制量，x_i(t)为个体车辆i在当前时刻t的位置，x_j(t)为个体车辆i的邻居车辆j在当前时刻t的位置，N_i(t)为个体车辆i在当前时刻t的邻居车辆的集合，x_r为多车辆网络的预期目标位置，sgn(·)为符号函数；位置控制单元42，用于根据每个个体车辆的控制量、每个个体车辆当前时刻的位置和每个个体车辆的采样时间，通过以下公式确定每个个体车辆下一时刻的位置：

x_i(t+1)＝x_i(t)+ΔTu_i(t)

其中，x_i(t+1)为个体车辆i在下一时刻t+1的位置，ΔT为个体车辆i的采样时间；也就是说，每个个体车辆根据由自身位置信息及其邻居车辆的位置信息得到的控制量，更新调整自身的位置，最终实现双向一致跟踪。

基于同一发明构思，本发明实施例还提供了一种多车辆网络在时变环境下的协调跟踪控制系统的控制方法，如图4所示，包括如下步骤：

S1：确定多车辆网络的预期目标位置；

具体地，预期目标位置为多车辆网络中车辆最终所期望达到的参考位置，为预先设定值，根据跟踪要求作为人为预先输入目标；

S2：确定多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵；其中，多车辆网络中的所有个体车辆的集合为V，集合V分为两组V₁和V₂，满足V₁∪V₂＝V，

具体地，多车辆网络的加权邻接矩阵和接收目标矩阵会随环境、时刻的变化而改变，不同时刻具有预先对应的值，具体某确定时刻对应的加权邻接矩阵和接收目标矩阵可以通过如下两种演变规则根据确切时刻情况进行获取：

具体某确定时刻对应的加权邻接矩阵和接收目标矩阵可以通过第一种演变规则根据确切时刻情况进行获取：

多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且|b_i(t)|≥ω＞0，

t≥t₀；

或者，具体某确定时刻对应的加权邻接矩阵和接收目标矩阵可以通过第二种演变规则根据确切时刻情况进行获取：

多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

且多车辆网络是一致强连通(uniformly strongly connected)的，即在多车辆网络中，每个个体车辆在每个非重叠时间段内的某些时段都能直接或间接地接收到其他所有个体车辆的位置信息；多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且存在T＞0，v_i(t)∈V满足

其中，v_i为多车辆网络中的个体车辆i，v_j为多车辆网络中的个体车辆j，a_ij(t)为多车辆网络在当前时刻t第i行第j列的加权邻接矩阵元素，b_i(t)为多车辆网络在当前时刻t个体车辆i对应的接收目标矩阵元素，b_j(t)为多车辆网络在当前时刻t个体车辆j对应的接收目标矩阵元素，v_i(t)为多车辆网络在当前时刻t的个体车辆i，ω为一个任意正常数，t₀为初始时刻，T为时间常数；

S3：获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置；

具体地，个体车辆的邻居车辆指的是有信息流向该个体车辆的所有其他车辆的集合，如图2所示，个体车辆2和个体车辆4在大多数时刻为个体车辆5的邻居车辆，而个体车辆1和个体车辆3不是个体车辆5的邻居车辆；具体地，可以通过在个体车辆上安装传感器装置获取自身及其邻居车辆的当前时刻的位置；

S4：根据多车辆网络的预期目标位置、多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆。

需要说明的是，在本发明实施例提供的上述控制方法中，步骤S1、步骤S2和步骤S3的执行没有固定的先后顺序，在此不做限定。

在具体实施时，在本发明实施例提供的上述控制方法中，步骤S4，根据多车辆网络的预期目标位置、多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，具体包括如下步骤：

S41：根据多车辆网络的预期目标位置、多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置，通过以下公式确定每个个体车辆的控制量：

其中，u_i(t)为个体车辆i在当前时刻t的控制量，x_i(t)为个体车辆i在当前时刻t的位置，x_j(t)为个体车辆i的邻居车辆j在当前时刻t的位置，N_i(t)为个体车辆i在当前时刻t的邻居车辆的集合，x_r为多车辆网络的预期目标位置，sgn(·)为符号函数；

S42：根据每个个体车辆的控制量、每个个体车辆当前时刻的位置和每个个体车辆的采样时间，通过以下公式确定每个个体车辆下一时刻的位置：

x_i(t+1)＝x_i(t)+ΔTu_i(t)

其中，x_i(t+1)为个体车辆i在下一时刻t+1的位置，ΔT为个体车辆i的采样时间；也就是说，每个个体车辆根据由自身位置信息及其邻居车辆的位置信息得到的控制量，更新调整自身的位置，最终实现双向一致跟踪。

本发明实施例提供的上述多车辆网络在时变环境下的协调跟踪控制系统及方法，第一确定模块确定多车辆网络的预期目标位置，第二确定模块确定多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵，获取模块获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置，控制模块根据确定的多车辆网络的预期目标位置、当前时刻的加权邻接矩阵和接收目标矩阵以及获取的每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，这样，能够保证在多车辆网络的通信拓扑为非固定的情况下，存在对抗关系的多车辆网络形成分组，两个分组里的车辆分别达到目标位置以及目标位置的对称位置，从而可以实现双向一致跟踪，控制精度较高。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (4)

1.一种多车辆网络在时变环境下的协调跟踪控制系统，其特征在于，包括：第一确定模块、第二确定模块、获取模块以及控制模块；其中，

所述第一确定模块，用于确定所述多车辆网络的预期目标位置；

所述第二确定模块，用于确定所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵；其中，所述多车辆网络中的所有个体车辆的集合为V，集合V分为两组V₁和V₂，满足V₁∪V₂＝V，

所述多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

所述多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且|b_i(t)|≥ω＞0，

t≥t₀；

或者，所述多车辆网络当前时刻的加权邻接矩阵满足：对于v_i∈V₁，v_j∈V₁或者v_i∈V₂，v_j∈V₂满足a_ij(t)≥0，

对于v_i∈V₁，v_j∈V₂或者v_i∈V₂，v_j∈V₁满足a_ij(t)≤0，

且所述多车辆网络是一致强连通的；所述多车辆网络当前时刻的接收目标矩阵满足：b_i(t)≥0，b_j(t)≤0，

v_j∈V₂，t≥t₀，或者，b_i(t)≤0，b_j(t)≥0，

v_j∈V₂，t≥t₀；且存在T＞0，v_i(t)∈V满足

其中，v_i为所述多车辆网络中的个体车辆i，v_j为所述多车辆网络中的个体车辆j，a_ij(t)为所述多车辆网络在当前时刻t第i行第j列的加权邻接矩阵元素，b_i(t)为所述多车辆网络在当前时刻t个体车辆i对应的接收目标矩阵元素，b_j(t)为所述多车辆网络在当前时刻t个体车辆j对应的接收目标矩阵元素，v_i(t)为所述多车辆网络在当前时刻t的个体车辆i，ω为一个任意正常数，t₀为初始时刻，T为时间常数；

所述获取模块，用于获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置；

所述控制模块，用于根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆。

2.如权利要求1所述的协调跟踪控制系统，其特征在于，所述控制模块，包括：控制量确定单元和位置控制单元；其中，

所述控制量确定单元，用于根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置，通过以下公式确定每个个体车辆的控制量：

其中，u_i(t)为个体车辆i在当前时刻t的控制量，x_i(t)为个体车辆i在当前时刻t的位置，x_j(t)为个体车辆i的邻居车辆j在当前时刻t的位置，N_i(t)为个体车辆i在当前时刻t的邻居车辆的集合，x_r为所述多车辆网络的预期目标位置，sgn(·)为符号函数；

所述位置控制单元，用于根据每个个体车辆的控制量、每个个体车辆当前时刻的位置和每个个体车辆的采样时间，通过以下公式确定每个个体车辆下一时刻的位置：

x_i(t+1)＝x_i(t)+ΔTu_i(t)

其中，x_i(t+1)为个体车辆i在下一时刻t+1的位置，ΔT为个体车辆i的采样时间。

3.一种如权利要求1或2所述的多车辆网络在时变环境下的协调跟踪控制系统的控制方法，其特征在于，包括如下步骤：

S1：确定所述多车辆网络的预期目标位置；

S2：确定所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵；

S3：获取每个个体车辆当前时刻的位置以及每个个体车辆的邻居车辆当前时刻的位置；

S4：根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆。

4.如权利要求3所述的控制方法，其特征在于，步骤S4，根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置控制每个个体车辆，具体包括如下步骤：

S41：根据所述多车辆网络的预期目标位置、所述多车辆网络当前时刻的加权邻接矩阵和接收目标矩阵、所述每个个体车辆当前时刻的位置以及所述每个个体车辆的邻居车辆当前时刻的位置，通过以下公式确定每个个体车辆的控制量：

其中，u_i(t)为个体车辆i在当前时刻t的控制量，x_i(t)为个体车辆i在当前时刻t的位置，x_j(t)为个体车辆i的邻居车辆j在当前时刻t的位置，N_i(t)为个体车辆i在当前时刻t的邻居车辆的集合，x_r为所述多车辆网络的预期目标位置，sgn(·)为符号函数；

S42：根据每个个体车辆的控制量、每个个体车辆当前时刻的位置和每个个体车辆的采样时间，通过以下公式确定每个个体车辆下一时刻的位置：

x_i(t+1)＝x_i(t)+ΔTu_i(t)

其中，x_i(t+1)为个体车辆i在下一时刻t+1的位置，ΔT为个体车辆i的采样时间。

Images