CN111435252B - 异构多智能体系统分组输出时变编队跟踪控制方法及系统 - Google Patents
异构多智能体系统分组输出时变编队跟踪控制方法及系统 Download PDFInfo
- Publication number
- CN111435252B CN111435252B CN202010040804.XA CN202010040804A CN111435252B CN 111435252 B CN111435252 B CN 111435252B CN 202010040804 A CN202010040804 A CN 202010040804A CN 111435252 B CN111435252 B CN 111435252B
- Authority
- CN
- China
- Prior art keywords
- matrix
- leader
- follower
- agent
- group
- 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 139
- 238000000034 method Methods 0.000 title claims abstract description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 193
- 230000003044 adaptive effect Effects 0.000 claims abstract description 52
- 238000004891 communication Methods 0.000 claims abstract description 28
- 238000010276 construction Methods 0.000 claims description 9
- 238000012886 linear function Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 6
- 230000008901 benefit Effects 0.000 abstract description 7
- 239000003795 chemical substances by application Substances 0.000 description 147
- 238000005755 formation reaction Methods 0.000 description 93
- 230000000875 corresponding effect Effects 0.000 description 15
- 230000001276 controlling effect Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 3
- 239000013598 vector Substances 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000002079 cooperative effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000000007 visual effect Effects 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- 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
-
- 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
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
- G05D1/104—Simultaneous control of position or course in three dimensions specially adapted for aircraft involving a plurality of aircrafts, e.g. formation flying
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)
Abstract
本发明公开一种异构多智能体系统分组输出时变编队跟踪控制方法及系统,方法包括:构建所述异构多智能体系统的协同控制架构;基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;确定各智能体期望实现的时变编队函数;确定分布式自适应控制协议中的部分参数;根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;根据所述分布式自适应控制协议确定各智能体的控制输入量;根据各智能体的所述控制输入量控制各智能体的执行机构运动。本发明基于协同控制架构和分布式自适应控制协议对实现对异构多智能体系统的跟踪控制,降低了多智能体个体间的通信量,不仅减小了通信带宽需求,还实现了优势互补。
Description
技术领域
本发明涉及多智能体编队控制技术领域,特别是涉及一种异构多智能体系统分组输出时变编队跟踪控制方法及系统。
背景技术
以美国、俄罗斯为代表的军事强国越来越重视由不同种类的作战平台组成的异构无人作战系统。相较于依赖单一种类的作战平台,异构无人作战系统兼具各种类作战平台的优势。例如,在无人系统侦查、避障的过程中,无人机飞行速度快、飞行高度大,因此侦查视野更广,通信覆盖范围更大,并且可以快速地到达指定作地点;但是无人机的负载能力较弱,并且很容易受到地面障碍物的遮挡。而无人车刚好可以弥补无人机的弱项,可以对无人机的视场盲区进行仔细排查。因此,通过合理、高效的配合,由无人机、无人车组成的异构无人机作战系统,可以有机融合不同作战单元的优势,通过取长补短的方式实现“1+1>2”的效果。
异构无人作战系统相较同构无人作战系统具备明显的优势,但是也给各作战平台、单元的调配带来了新的挑战。编队协同控制技术是异构无人作战系统的重要关键技术,是保证系统中各节点相互协作的先决条件,但现有技术中为分组编队跟踪大多采用多个编队跟踪的组合方法,组间相互独立,没有协同作用。如何在有限通信能力下,基于三层协同控制架构和分布式自适应控制协议使异构多智能体系统实现分组输出时变编队跟踪控制成为本领域急需解决的技术问题。
发明内容
基于此,本发明的目的是提供一种异构多智能体系统分组输出时变编队跟踪控制方法及系统,以实现对异构多智能体进行跟踪控制。
为实现上述目的,本发明提供了一种异构多智能体系统分组输出时变编队跟踪控制方法,所述方法包括:
步骤S1:构建所述异构多智能体系统的协同控制架构;所述协同控制架构包括三层,第一层为虚拟领导者层,包含一个虚拟领导者;第二层为分组领导者层,包含M个分组领导者;第三层为跟随者层,包含N个跟随者;
步骤S2:基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;
步骤S3:确定各智能体期望实现的时变编队函数;
步骤S4:确定分布式自适应控制协议中的部分参数;
步骤S5:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;
步骤S6:根据所述分布式自适应控制协议确定各智能体的控制输入量;
步骤S7:根据各智能体的所述控制输入量控制各智能体的执行机构运动,确定期望状态输出量。
可选的,所述构建所述异构多智能体系统的协同控制架构,包括:
步骤S11:从所述异构多智能体系统中选取M个智能体作为分组领导者,N个智能体作为跟随者;
步骤S12:将M个分组领导者和N个跟随者代入第一判断公式,判断等式是否成立;如果等式成立,则输出M个分组领导者和N个跟随者;如果等式不成立,则重复步骤S11;
步骤S13:设计一个虚拟领导者,将所述虚拟领导者和M个分组领导者代入第二判断公式,判断等式是否成立;如果等式成立,则输出所述虚拟领导者;如果等式不成立,则重复步骤S13。
可选的,所述基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵,包括:
步骤S21:基于所述协同控制架构确定各智能体之间的通信拓扑关系;
步骤S22:基于所述通信拓扑关系确定邻接矩阵。
可选的,所述确定各智能体的期望时变编队函数,包括:
步骤S31:构建各智能体期望实现的时变编队函数;
步骤S32:判断各智能体期望实现的时变编队函数是否满足编队可行性条件;如果满足编队可行性条件,则输出各智能体期望实现的时变编队函数;如果不满足编队可行性条件,则重复步骤S31。
可选的,所述编队可行性条件为:
本发明还提供一种异构多智能体系统分组输出时变编队跟踪控制系统,所述系统包括:
协同控制架构构建模块,用于构建所述异构多智能体系统的协同控制架构;所述协同控制架构包括三层,第一层为虚拟领导者层,包含一个虚拟领导者;第二层为分组领导者层,包含M个分组领导者;第三层为跟随者层,包含N个跟随者;
邻接矩阵确定模块,用于基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;
时变编队函数确定模块,用于确定各智能体期望实现的时变编队函数;
部分参数确定模块,用于确定分布式自适应控制协议中的部分参数;
分布式自适应控制协议确定模块,用于根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;
控制输入量确定模块,用于根据所述分布式自适应控制协议确定各智能体的控制输入量;
执行控制模块,用于根据各智能体的所述控制输入量控制各智能体的执行机构运动,确定期望状态输出量。
可选的,所述协同控制架构构建模块,包括:
选取单元,用于从所述异构多智能体系统中选取M个智能体作为分组领导者,N个智能体作为跟随者;
第一判断单元,用于将M个分组领导者和N个跟随者代入第一判断公式,判断等式是否成立;如果等式成立,则输出M个分组领导者和N个跟随者;如果等式不成立,则返回“选取单元”;
第二判断单元,用于设计一个虚拟领导者,将所述虚拟领导者和M个分组领导者代入第二判断公式,判断等式是否成立;如果等式成立,则输出所述虚拟领导者;如果等式不成立,则返回“第二判断单元”。
可选的,所述邻接矩阵确定模块,包括:
通信拓扑关系确定单元,用于基于所述协同控制架构确定各智能体之间的通信拓扑关系;
邻接矩阵确定单元,用于基于所述通信拓扑关系确定邻接矩阵。
可选的,所述时变编队函数确定模块,包括:
时变编队函数构建单元,用于构建各智能体期望实现的时变编队函数;
第三判断单元,用于判断各智能体期望实现的时变编队函数是否满足编队可行性条件;如果满足编队可行性条件,则输出各智能体期望实现的时变编队函数;如果不满足编队可行性条件,则返回“时变编队函数构建单元”。
可选的,所述编队可行性条件为:
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明公开一种异构多智能体系统分组输出时变编队跟踪控制方法及系统,方法包括:构建所述异构多智能体系统的协同控制架构;基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;确定各智能体期望实现的时变编队函数;确定分布式自适应控制协议中的部分参数;根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;根据所述分布式自适应控制协议确定各智能体的控制输入量;根据各智能体的所述控制输入量控制各智能体的执行机构运动。本发明基于协同控制架构和分布式自适应控制协议对实现对异构多智能体系统的跟踪控制,降低了多智能体个体间的通信量,不仅减小了通信带宽需求,还实现了优势互补。
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为本发明实施例异构多智能体系统分组输出时变编队跟踪控制方法流程图;
图2为本发明实施例异构多智能体系统模型架构示意图;
图3为本发明实施例二维平面内的分组编队偏移示意图;
图4为本发明实施例异构多智能体系统分组输出时变编队跟踪控制系统结构图;
图5为本发明实施例异构多智能体系统通信拓扑关系示意图;
图6为本发明实施例异构多智能体系统的三维运动轨迹与各智能体部分时刻的位置信息。
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、完整地描述,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异构多智能体系统分组输出时变编队跟踪控制方法及系统,以实现对异构多智能体进行跟踪控制。
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为本发明实施例异构多智能体系统分组输出时变编队跟踪控制方法流程图,如图1所示,本发明公开一种异构多智能体系统分组输出时变编队跟踪控制方法,所述方法包括:
步骤S1:构建所述异构多智能体系统的协同控制架构;所述协同控制架构包括三层,第一层为虚拟领导者层,包含一个虚拟领导者;第二层为分组领导者层,包含M个分组领导者;第三层为跟随者层,包含N个跟随者;
步骤S2:基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;
步骤S3:确定各智能体期望实现的时变编队函数;
步骤S4:确定分布式自适应控制协议中的部分参数;
步骤S5:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;
步骤S6:根据所述分布式自适应控制协议确定各智能体的控制输入量;
步骤S7:根据各智能体的所述控制输入量控制各智能体的执行机构运动,确定期望状态输出量。
下面对各个步骤进行详细论述:
在对具体步骤进行详细论述前,首先明确异构多智能体系统的概念和动力学模型,并了解分组时变输出编队跟踪的定义。
异构多智能体系统中包括多个智能体,每个智能体的动力学模型均可以不同,因此称作异构多智能体系统,本发明采用的模型为一般线性系统模型,任何可近似线性化的模型都可以适用于本发明,经典应用实例为四旋翼无人机或麦克纳姆轮无人车等。综上所述,异构多智能体系统中各智能体的动力学模型,具体公式为:
其中,i=1,2,...,1+M+N,M为分组领导者总个数,N为跟随者总个数,xi(t)为第i个智能体对应的状态量, 为ni维实向量的集合,ui(t)为第i个智能体对应的控制输入量, 为mi维实向量的集合,yi(t)为第i个智能体对应的输出状态量,yi(t)∈Rp,Rp为p维实向量的集合,Ai为第i个智能体的系统矩阵, 为ni阶实方阵的集合,Bi为第i个智能体的控制矩阵, 为ni×mi维矩阵的集合,Ci为第i个智能体的输出矩阵, 为p×ni维矩阵的集合。
本发明所述三层协同控制架构中增加了虚拟领导者层,使得整个所述异构多智能体系统的输出状态轨迹可以由虚拟领导者的控制输入进行实时调整。如果只是考虑普通的分组编队控制而不考虑跟踪控制,则不需要对整个编队的运动轨迹进行实时调整,可以不增加虚拟领导者层。为了方便后续表达,同时避免混淆,虚拟领导者标号为1,M个分组领导者分别标号为g=2,3,...,1+M,N个跟随者分别标号为j=2+M,3+M,...,1+M+N,每个跟随者j其对应跟踪的分组领导者标号为
关于分组输出时变编队跟踪控制的定义。
对于任意给定的有界初始状态,如果以下等式关系成立,则称多智能体系统实现了分组输出时变编队跟踪控制。
其中hg(t)、hj(t)分别表示分组领导者层和跟随者层期望实现的输出时变编队,yi(i∈{1,2,...,1+M+N})表示智能体i的输出状态量,下标的定义保持不变。
通俗地来理解,就是当分组领导者的输出状态量与虚拟领导者的输出状态量保持一定的编队偏移,跟随者的输出状态量与分组领导者的输出状态量保持一定的编队偏移时,可称为多智能体系统实现了分组输出时变编队跟踪控制。从图3中能够更加直观的理解分组时变输出编队跟踪控制的定义由来。
下面对各个步骤进行详细论述:
步骤S1:构建所述异构多智能体系统的协同控制架构,具体步骤包括:
异构多智能体系统中包括多个智能体,所述智能体为四旋翼无人机或麦克纳姆轮无人车等,异构多智能体系统中每个智能体的动力学模型均采用一般线性系统模型。
步骤S11:从所述异构多智能体系统中选取M个智能体作为分组领导者,N个智能体作为跟随者,分组领导者的个数和跟随者的个数可根据实际需求任选;
步骤S12:将M个分组领导者和N个跟随者代入第一判断公式,判断等式是否成立;如果等式成立,则说明M个分组领导者和N个跟随者选取合理,输出M个分组领导者和N个跟随者;如果等式不成立,则重复步骤S11;所述第一判断公式具体为:
其中,Aj为第j个跟随者的系统矩阵,Bj为第j个跟随者的控制矩阵,Cj为第j个跟随者的输出矩阵,Ej、Fj、Hj均为第j个跟随者的解矩阵,为第j个跟随者对应的分组领导者的系统矩阵,为第j个跟随者对应的分组领导者的控制矩阵,为第j个跟随者对应的分组领导者的输出矩阵,为第j个跟随者对应的分组领导者的标号,j=2+M,3+M,...,1+M+N。
步骤S13:设计一个虚拟领导者,将所述虚拟领导者和M个分组领导者代入第二判断公式,判断等式是否成立;如果等式成立,则说明所述虚拟领导者设计合理,输出所述虚拟领导者;如果等式不成立,则重复步骤S13,重新设计虚拟领导者;所述第二判断公式具体为:
其中,Eg、Fg、Hg均为第g个分组领导者的解矩阵,Ag为第g个分组领导者的系统矩阵,Bg为第g个分组领导者的控制矩阵,Cg为第g个分组领导者的输出矩阵,A1为虚拟领导者的系统矩阵,B1为虚拟领导者的控制矩阵,C1为虚拟领导者的输出矩阵,g=2,3,...,1+M。
本发明所述协同控制架构中增加了虚拟领导者层,使得整个所述异构多智能体系统的输出状态轨迹可以由虚拟领导者的控制输入进行实时调整。如果只是考虑普通的分组编队控制而不考虑跟踪控制,则不需要对整个编队的运动轨迹进行实时调整,可以不增加虚拟领导者层。为了方便后续表达,同时避免混淆,虚拟领导者标号为1,M个分组领导者分别标号为g=2,3,...,1+M,N个跟随者分别标号为j=2+M,3+M,...,1+M+N,每个跟随者j其对应跟踪的分组领导者标号为
步骤S2:基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵,具体步骤包括:
步骤S21:基于所述协同控制架构确定各智能体之间的通信拓扑关系,具体为:
如果有向图G中某一个节点到其他所有节点都存在有向连接,则称为有向图G中包含一颗以该节点为根的生成树。为使异构多智能体系统能够实现分组输出时变编队跟踪控制,根据上述异构多智能体系统的协同控制架构,系统的通信关系有如下假设:
有向图G中包含一棵以虚拟领导者为根节点生成树,同时N个跟随者被分成M个分组,每个分组有且只有一个分组领导者,虚拟领导者和分组领导者之间是单向通信,即虚拟领导者不接收分组领导者的信息,同理,分组领导者与跟随者之间也是单向通信,即分组领导者不接收跟随者的信息。
步骤S22:基于所述通信拓扑关系确定邻接矩阵,具体为:
假设有向图G有q个节点,可以表示为其中表示节点的集合,表示边的集合,用Ni来表示节点ιi邻居的集合;有向图G的邻接矩阵可以表示为W=[wij]∈Rq×q,当节点ιj∈Ni时,wij=1,否则wij=0。
步骤S3:确定各智能体期望实现的时变编队函数。
步骤S31:构建各智能体期望实现的时变编队函数,可根据实际需求任意构建;
步骤S32:判断各智能体期望实现的时变编队函数是否满足编队可行性条件;如果满足编队可行性条件,则输出各智能体期望实现的时变编队函数;如果不满足编队可行性条件,则重复步骤S31,重新构建各智能体期望实现的时变编队函数;所述编队可行性条件为:
引入下列假设:动力学模型(1)中矩阵Bi为列满秩矩阵,即满足rank(Bi)=mi,并且(Ai,Bi)可镇定,(Ci,Ai)可检测,其中i=1,2,...,1+M+N,rank(Bi)为矩阵Bi的秩,其值为mi,因为Bi是ni×mi矩阵,所以Bi是列满秩矩阵可得到的结论。
步骤S4:确定分布式自适应控制协议中的部分参数,具体包括:
步骤S41:选取第i个智能体的第一增益矩阵Si和第二增益矩阵使得Ai+SiCi与满足Hurwitz赫尔维茨条件;其中,Ai为第i个智能体的系统矩阵,Bi为第i个智能体的控制矩阵,Ci为第i个智能体的输出矩阵。
步骤S43:根据确定Lyapunov李雅普诺夫方程的正定实对称解阵其中,Qi为Lyapunov李雅普诺夫方程的正定实对称解阵,Ai为第i个智能体的系统矩阵,Bi为第i个智能体的控制矩阵,为第i个智能体的第二增益矩阵,为ni阶单位阵。
步骤S44:根据确定黎卡提方程的正定实对称解阵,其中,P1为与虚拟领导者有关的正定实对称解阵, 为与第j个跟随者对应的分组领导者有关的正定实对称解阵,A1为虚拟领导者的系统矩阵,为第j个跟随者对应的分组领导者的的系统矩阵,为ni阶单位阵,为阶单位阵。
步骤S5:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议,具体包括:
在本发明所提出的三层协同控制框架中,虚拟领导者用于配置整个异构多智能体系统的输出状态轨迹,理论上其模型可以任意设计,控制输入也可以任意配置,但其他智能体需要完成对虚拟领导者的分组输出时变编队跟踪任务,本步骤为最为关键一步,用来设计对于除虚拟领导者外其他智能体的分布式自适应控制协议:
步骤S51:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分组领导者分布式自适应控制协议,具体公式为:
其中,为分组领导者g对虚拟领导者1的状态x1(t)的估计值,为的一阶导数,αg、βg和γg为分组领导者g的自适应增益,和为上述自适应增益的导数,A1为虚拟领导者的系统矩阵,P1为与虚拟领导者有关的正定实对称解阵,为该估计值相对于其邻居估计值的局部误差,为非线性功能函数,也可理解为中间变量,sgn(·)为标准符号函数,B1为虚拟领导者的控制矩阵,为B1的转置矩阵,wg1为分组领导者g与虚拟领导者之间的邻接矩阵的权重,x1(t)为虚拟领导者的状态量,wgk为分组领导者g与智能体k的邻接矩阵的权重,为智能体k对虚拟领导者1的状态x1(t)的估计值,M为分组领导者的总个数,为分组领导者g对自身状态的估计值,为的一阶导数,Ag为分组领导者g的系统矩阵,Bg为分组领导者g的控制矩阵,Cg为分组领导者g的输出矩阵,yg(t)为分组领导者g的状态输出量,Sg为分组领导者g的第一增益矩阵,为分组领导者g的第二增益矩阵,为分组领导者g的第三增益矩阵,为期望时变编队函数,满足 为的一阶导数,vg(t)为分组领导者g的编队补偿项,Fg、Hg和Eg均为分组领导者g的解矩阵,为Hg的转置矩阵,Qg为分组领导者g的Lyapunov李雅普诺夫方程的正定实对称解阵,为Qg的转置矩阵,为根据分组领导者g的控制矩阵Bg所求得的非奇异矩阵中的参数,g=2,3,...,1+M。
步骤S51:根据所述时变编队函数和所述部分参数构建跟随者分布式自适应控制协议,具体公式为:
其中,为跟随者j对其跟踪的分组领导者的状态的估计值,为的一阶导数,αj、βj和γj为跟随者者j的自适应增益,和为上述自适应增益的导数,为该估计值相对于其邻居估计值的局部误差,为第j个跟随者对应的分组领导者的系统矩阵,为与第j个跟随者对应的分组领导者有关的正定实对称解阵,为第j个跟随者对应的分组领导者的控制矩阵,为的转置矩阵,为第j个跟随者与第j个跟随者对应的分组领导者之间的邻接矩阵的权重,为第j个跟随者对应的分组领导者的状态量,为非线性功能函数,也可理解为中间变量,sgn(·)为标准符号函数,Nj为节点ιi邻居的集合,wjk为跟随者j与智能体k的邻接矩阵的权重,为智能体k对跟踪的分组领导者的状态的估计值,Aj为跟随者j的系统矩阵,为跟随者j的对自身状态的估计值,Bj为跟随者j的控制矩阵,Sj为跟随者j的第一增益矩阵,Cj为跟随者j的输出矩阵,yj(t)为跟随者j的状态输出量,为跟随者j的第二增益矩阵,为跟随者j的第三增益矩阵,为跟随者j对应的期望时变编队函数,满足 为的一阶导数,vj(t)为跟随者者j的编队补偿项,Fj、Hj和Ej均为跟随者j的解矩阵,为Hj的转置矩阵,为Bj的转置矩阵,Qj为跟随者j的Lyapunov李雅普诺夫方程的正定实对称解阵,为根据跟随者j的控制矩阵Bj所求得的非奇异矩阵中的参数,j=2+M,...,1+M+N。
现对上述分布式自适应控制协议进行进一步解读,以分组领导者的分布式自适应控制协议(7)为例(同理可以类推到跟随者的分布式自适应控制协议(8)),(7a)是一种只利用局部相对信息(由(7c)可知)的观测器的设计方法,通过(7a)可以使各个分组领导者对虚拟领导者的估计值收敛到虚拟领导者状态的真实值,而(7b)中的滑模控制器消除了虚拟领导者控制输入对分组领导者的影响,(7d)为分组领导者利用观测器理论根据自身的输出状态对自身的全部状态进行估计,(7e)为分布式自适应控制协议即执行器的核心部分,而(7f)中的滑模控制器同样是为了消除了虚拟领导者控制输入对分组领导者的影响而设计,(7g)为编队补偿项,能够保证时变编队误差收敛到0,而不是收敛到某个有界值。
步骤S6:根据所述分布式自适应控制协议确定各智能体的控制输入量即(7g)和(8g)。
步骤S7:根据步骤S6中得到的控制输入量控制执行器工作,进而控制各智能体的运动状态,以达到期望目的。
例如,四旋翼无人机通过电转速对其飞行位置和姿态进行控制,上述步骤得到的控制输入量可以转化为电机转速值等,进而根据智能体的动力学模型,实现分组输出时变编队跟踪控制。
本发明中提到的编队可行性条件(6)是期望实现的时变编队函数能够实现的前提条件,因为期望实现的时变编队函数的集合为无穷集合,只有满足可行性条件的编队集合才能最终得以实现。如果期望实现的时变编队函数且期望实现的时变编队函数的一阶导数则将期望时变编队问题转化为时不变编队问题。本发明所提供的方法依然能够解决异构多智能体系统分组输出时不变编队跟踪问题。如果所有智能体具有相同的模型即A∈Rn×n,B∈Rn×m,C∈Rp×n可以验证当E=In、F=0、H=In时,(1)(2)成立,则异构问题转化为同构问题,而关于同构多智能体系统的分组输出时变编队跟踪问题也可以用本发明提供的方法解决。
图4为本发明实施例异构多智能体系统分组输出时变编队跟踪控制系统结构图,如图4所示,本发明还公开一种异构多智能体系统分组输出时变编队跟踪控制系统,所述系统包括:
协同控制架构构建模块1,用于构建所述异构多智能体系统的协同控制架构;所述协同控制架构包括三层,第一层为虚拟领导者层,包含一个虚拟领导者;第二层为分组领导者层,包含M个分组领导者;第三层为跟随者层,包含N个跟随者;
邻接矩阵确定模块2,用于基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;
时变编队函数确定模块3,用于确定各智能体期望实现的时变编队函数;
部分参数确定模块4,用于确定分布式自适应控制协议中的部分参数;
分布式自适应控制协议确定模块5,用于根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;
控制输入量确定模块6,用于根据所述分布式自适应控制协议确定各智能体的控制输入量;
执行控制模块7,用于根据各智能体的所述控制输入量控制各智能体的执行机构运动,确定期望状态输出量。
下面对各个模块进行详细论述:
作为一种可选的实施方式,本发明所述协同控制架构构建模块1,包括:
选取单元,用于从所述异构多智能体系统中选取M个智能体作为分组领导者,N个智能体作为跟随者;
第一判断单元,用于将M个分组领导者和N个跟随者代入第一判断公式,判断等式是否成立;如果等式成立,则输出M个分组领导者和N个跟随者;如果等式不成立,则返回“选取单元”;
第二判断单元,用于设计一个虚拟领导者,将所述虚拟领导者和M个分组领导者代入第二判断公式,判断等式是否成立;如果等式成立,则输出所述虚拟领导者;如果等式不成立,则返回“第二判断单元”。
作为一种可选的实施方式,本发明所述邻接矩阵确定模块2,包括:
通信拓扑关系确定单元,用于基于所述协同控制架构确定各智能体之间的通信拓扑关系;
邻接矩阵确定单元,用于基于所述通信拓扑关系确定邻接矩阵。
作为一种可选的实施方式,本发明所述时变编队函数确定模块3,包括:
时变编队函数构建单元,用于构建各智能体期望实现的时变编队函数;
第三判断单元,用于判断各智能体期望实现的时变编队函数是否满足编队可行性条件;如果满足编队可行性条件,则输出各智能体期望实现的时变编队函数;如果不满足编队可行性条件,则返回“时变编队函数构建单元”。
作为一种可选的实施方式,本发明所述编队可行性条件为:
本发明创新性的采用协同控制架构,相比普通的编队跟踪,引入分组领导者层,并在分组领导者层增加协同控制输入,使得分组领导者之间能够互相协作,进而使其小组内的跟随者也能够充分地发挥特性,形成优势互补,同时,所有智能体在有向通信拓扑条件下,只利用与其存在通信关系的智能体的某些信息,降低了多智能体系统个体间的通信量,提高了算法的实用性。另外还采用有向通信拓扑结构,减小通信带宽需求。
本发明中智能体均采用异构体模型,即所有智能体的动力学模型都可以不同,只要是可以近似线性化的智能体模型都可以在本发明的所提供的算法下实现异构多智能体系统的分组输出时变编队跟踪控制。
仿真验证
考虑由1个虚拟领导者,3个分组领导者和12个跟随者组成异构多智能体系统,整个异构系统的模型架构如图2所示,通信拓扑关系如图5所示,分组领导者的标号为2、3、4,跟随者标号为5~16。虚拟领导者、2个分组领导者和8个跟随者采用二阶模型,1个分组领导者和4个跟随者采用一阶模型,二阶模型的系统矩阵设计为:
一阶模型的系统矩阵设计为AR=0、BR=1、CR=1。为了获得更加直观性的验证效果,仿真中考虑异构多智能体系统在三维惯性空间的运动。虚拟领导者的初始位置选取在(-6,0,0),在x轴、y轴和z轴方向上的速度分别为0、-6和0。虚拟领导者在各坐标轴方向上的控制输入量分别设计为 分组领导者和跟随者在x轴和y轴上的初始位置随机选取,初始速度为0,在z轴上的初始位置和初始速度都为0,期望实现的分组时变编队函数设计如下:
分组领导者的控制输入都采用分布式自适应控制协议(7),跟随者的控制输入均采用分布式自适应控制协议(8),可以得到以下待定参数值:
E2=[1,0],Ei=1(i=5,6,7,8),Ei=I2×2(i=3,4,9,10,...,16),
F2=[0,1],Fi=0(i=5,6,7,8),Fi=[0,0](i=3,4,9,10,...,16),
H2=0,Hi=1(i=3,4,...,16),
因此整个异构多智能体系统的三维运动轨迹如图6中黑点所示,图中还包括虚拟领导者、分组领导者和跟随者在t=0,8,16,25s时的位置信息,其中虚拟领导者用星号表示,分组领导者用实心三角形表示,跟随者用空心其他形状表示(同一形状表示同一分组的跟随者)。从图6中可以看出,本发明所提供的方法可以使异构多智能体系统实现分组输出时变编队跟踪控制。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.一种异构多智能体系统分组输出时变编队跟踪控制方法,其特征在于,所述方法包括:
步骤S1:构建所述异构多智能体系统的协同控制架构;所述协同控制架构包括三层,第一层为虚拟领导者层,包含一个虚拟领导者;第二层为分组领导者层,包含M个分组领导者;第三层为跟随者层,包含N个跟随者;
步骤S2:基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;
步骤S3:确定各智能体期望实现的时变编队函数;
步骤S4:确定分布式自适应控制协议中的部分参数;
步骤S5:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;
步骤S6:根据所述分布式自适应控制协议确定各智能体的控制输入量;
步骤S7:根据各智能体的所述控制输入量控制各智能体的执行机构运动,确定期望状态输出量;
步骤S5:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议,具体包括:
步骤S51:根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分组领导者分布式自适应控制协议,具体公式为:
其中,为分组领导者g对虚拟领导者1的状态x1(t)的估计值,为的一阶导数,αg、βg和γg为分组领导者g的自适应增益,和为上述自适应增益的导数,A1为虚拟领导者的系统矩阵,P1为与虚拟领导者有关的正定实对称解阵,为该估计值相对于其邻居估计值的局部误差,为非线性功能函数,也可理解为中间变量,sgn(·)为标准符号函数,B1为虚拟领导者的控制矩阵,为B1的转置矩阵,wg1为分组领导者g与虚拟领导者之间的邻接矩阵的权重,x1(t)为虚拟领导者的状态量,wgk为分组领导者g与智能体k的邻接矩阵的权重,为智能体k对虚拟领导者1的状态x1(t)的估计值,M为分组领导者的总个数,为分组领导者g对自身状态的估计值,为的一阶导数,Ag为分组领导者g的系统矩阵,Bg为分组领导者g的控制矩阵,Cg为分组领导者g的输出矩阵,yg(t)为分组领导者g的状态输出量,Sg为分组领导者g的第一增益矩阵,为分组领导者g的第二增益矩阵,为分组领导者g的第三增益矩阵,为期望时变编队函数,满足 为的一阶导数,vg(t)为分组领导者g的编队补偿项,Fg、Hg和Eg均为分组领导者g的解矩阵,为Hg的转置矩阵,Qg为分组领导者g的Lyapunov李雅普诺夫方程的正定实对称解阵,为Qg的转置矩阵,为根据分组领导者g的控制矩阵Bg所求得的非奇异矩阵中的参数,g=2,3,...,1+M;
步骤S52:根据所述时变编队函数和所述部分参数构建跟随者分布式自适应控制协议,具体公式为:
其中,为跟随者j对其跟踪的分组领导者的状态的估计值,为的一阶导数,αj、βj和γj为跟随者者j的自适应增益,和为上述自适应增益的导数,为该估计值相对于其邻居估计值的局部误差,为第j个跟随者对应的分组领导者的系统矩阵,为与第j个跟随者对应的分组领导者有关的正定实对称解阵,为第j个跟随者对应的分组领导者的控制矩阵,为的转置矩阵,为第j个跟随者与第j个跟随者对应的分组领导者之间的邻接矩阵的权重,为第j个跟随者对应的分组领导者的状态量,为非线性功能函数,也可理解为中间变量,sgn(·)为标准符号函数,Nj为节点ιi邻居的集合,wjk为跟随者j与智能体k的邻接矩阵的权重,为智能体k对跟踪的分组领导者的状态的估计值,Aj为跟随者j的系统矩阵,为跟随者j的对自身状态的估计值,Bj为跟随者j的控制矩阵,Sj为跟随者j的第一增益矩阵,Cj为跟随者j的输出矩阵,yj(t)为跟随者j的状态输出量,为跟随者j的第二增益矩阵,为跟随者j的第三增益矩阵,为跟随者j对应的期望时变编队函数,满足 为的一阶导数,vj(t)为跟随者者j的编队补偿项,Fj、Hj和Ej均为跟随者j的解矩阵,为Hj的转置矩阵,为Bj的转置矩阵,Qj为跟随者j的Lyapunov李雅普诺夫方程的正定实对称解阵,为根据跟随者j的控制矩阵Bj所求得的非奇异矩阵中的参数,j=2+M,...,1+M+N。
2.根据权利要求1所述的异构多智能体系统分组输出时变编队跟踪控制方法,其特征在于,所述构建所述异构多智能体系统的协同控制架构,包括:
步骤S11:从所述异构多智能体系统中选取M个智能体作为分组领导者,N个智能体作为跟随者;
步骤S12:将M个分组领导者和N个跟随者代入第一判断公式,判断等式是否成立;如果等式成立,则输出M个分组领导者和N个跟随者;如果等式不成立,则重复步骤S11;
步骤S13:设计一个虚拟领导者,将所述虚拟领导者和M个分组领导者代入第二判断公式,判断等式是否成立;如果等式成立,则输出所述虚拟领导者;如果等式不成立,则重复步骤S13。
3.根据权利要求1所述的异构多智能体系统分组输出时变编队跟踪控制方法,其特征在于,所述基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵,包括:
步骤S21:基于所述协同控制架构确定各智能体之间的通信拓扑关系;
步骤S22:基于所述通信拓扑关系确定邻接矩阵。
4.根据权利要求1所述的异构多智能体系统分组输出时变编队跟踪控制方法,其特征在于,所述确定各智能体的期望时变编队函数,包括:
步骤S31:构建各智能体期望实现的时变编队函数;
步骤S32:判断各智能体期望实现的时变编队函数是否满足编队可行性条件;如果满足编队可行性条件,则输出各智能体期望实现的时变编队函数;如果不满足编队可行性条件,则重复步骤S31。
6.一种异构多智能体系统分组输出时变编队跟踪控制系统,其特征在于,所述系统包括:
协同控制架构构建模块,用于构建所述异构多智能体系统的协同控制架构;所述协同控制架构包括三层,第一层为虚拟领导者层,包含一个虚拟领导者;第二层为分组领导者层,包含M个分组领导者;第三层为跟随者层,包含N个跟随者;
邻接矩阵确定模块,用于基于所述协同控制架构确定分布式自适应控制协议中的邻接矩阵;
时变编队函数确定模块,用于确定各智能体期望实现的时变编队函数;
部分参数确定模块,用于确定分布式自适应控制协议中的部分参数;
分布式自适应控制协议确定模块,用于根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议;
控制输入量确定模块,用于根据所述分布式自适应控制协议确定各智能体的控制输入量;
执行控制模块,用于根据各智能体的所述控制输入量控制各智能体的执行机构运动,确定期望状态输出量;
根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分布式自适应控制协议,具体包括:
根据所述邻接矩阵、所述时变编队函数和所述部分参数构建分组领导者分布式自适应控制协议,具体公式为:
其中,为分组领导者g对虚拟领导者1的状态x1(t)的估计值,为的一阶导数,αg、βg和γg为分组领导者g的自适应增益,和为上述自适应增益的导数,A1为虚拟领导者的系统矩阵,P1为与虚拟领导者有关的正定实对称解阵,为该估计值相对于其邻居估计值的局部误差,为非线性功能函数,也可理解为中间变量,sgn(·)为标准符号函数,B1为虚拟领导者的控制矩阵,为B1的转置矩阵,wg1为分组领导者g与虚拟领导者之间的邻接矩阵的权重,x1(t)为虚拟领导者的状态量,wgk为分组领导者g与智能体k的邻接矩阵的权重,为智能体k对虚拟领导者1的状态x1(t)的估计值,M为分组领导者的总个数,为分组领导者g对自身状态的估计值,为的一阶导数,Ag为分组领导者g的系统矩阵,Bg为分组领导者g的控制矩阵,Cg为分组领导者g的输出矩阵,yg(t)为分组领导者g的状态输出量,Sg为分组领导者g的第一增益矩阵,为分组领导者g的第二增益矩阵,为分组领导者g的第三增益矩阵,为期望时变编队函数,满足 为的一阶导数,vg(t)为分组领导者g的编队补偿项,Fg、Hg和Eg均为分组领导者g的解矩阵,为Hg的转置矩阵,Qg为分组领导者g的Lyapunov李雅普诺夫方程的正定实对称解阵,为Qg的转置矩阵,为根据分组领导者g的控制矩阵Bg所求得的非奇异矩阵中的参数,g=2,3,...,1+M;
根据所述时变编队函数和所述部分参数构建跟随者分布式自适应控制协议,具体公式为:
其中,为跟随者j对其跟踪的分组领导者的状态的估计值,为的一阶导数,αj、βj和γj为跟随者者j的自适应增益,和为上述自适应增益的导数,为该估计值相对于其邻居估计值的局部误差,为第j个跟随者对应的分组领导者的系统矩阵,为与第j个跟随者对应的分组领导者有关的正定实对称解阵,为第j个跟随者对应的分组领导者的控制矩阵,为的转置矩阵,为第j个跟随者与第j个跟随者对应的分组领导者之间的邻接矩阵的权重,为第j个跟随者对应的分组领导者的状态量,为非线性功能函数,也可理解为中间变量,sgn(·)为标准符号函数,Nj为节点ιi邻居的集合,wjk为跟随者j与智能体k的邻接矩阵的权重,为智能体k对跟踪的分组领导者的状态的估计值,Aj为跟随者j的系统矩阵,为跟随者j的对自身状态的估计值,Bj为跟随者j的控制矩阵,Sj为跟随者j的第一增益矩阵,Cj为跟随者j的输出矩阵,yj(t)为跟随者j的状态输出量,为跟随者j的第二增益矩阵,为跟随者j的第三增益矩阵,为跟随者j对应的期望时变编队函数,满足 为的一阶导数,vj(t)为跟随者者j的编队补偿项,Fj、Hj和Ej均为跟随者j的解矩阵,为Hj的转置矩阵,为Bj的转置矩阵,Qj为跟随者j的Lyapunov李雅普诺夫方程的正定实对称解阵,为根据跟随者j的控制矩阵Bj所求得的非奇异矩阵中的参数,j=2+M,...,1+M+N。
7.根据权利要求6所述的异构多智能体系统分组输出时变编队跟踪控制系统,其特征在于,所述协同控制架构构建模块,包括:
选取单元,用于从所述异构多智能体系统中选取M个智能体作为分组领导者,N个智能体作为跟随者;
第一判断单元,用于将M个分组领导者和N个跟随者代入第一判断公式,判断等式是否成立;如果等式成立,则输出M个分组领导者和N个跟随者;如果等式不成立,则返回“选取单元”;
第二判断单元,用于设计一个虚拟领导者,将所述虚拟领导者和M个分组领导者代入第二判断公式,判断等式是否成立;如果等式成立,则输出所述虚拟领导者;如果等式不成立,则返回“第二判断单元”。
8.根据权利要求6所述的异构多智能体系统分组输出时变编队跟踪控制系统,其特征在于,所述邻接矩阵确定模块,包括:
通信拓扑关系确定单元,用于基于所述协同控制架构确定各智能体之间的通信拓扑关系;
邻接矩阵确定单元,用于基于所述通信拓扑关系确定邻接矩阵。
9.根据权利要求6所述的异构多智能体系统分组输出时变编队跟踪控制系统,其特征在于,所述时变编队函数确定模块,包括:
时变编队函数构建单元,用于构建各智能体期望实现的时变编队函数;
第三判断单元,用于判断各智能体期望实现的时变编队函数是否满足编队可行性条件;如果满足编队可行性条件,则输出各智能体期望实现的时变编队函数;如果不满足编队可行性条件,则返回“时变编队函数构建单元”。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010040804.XA CN111435252B (zh) | 2020-01-15 | 2020-01-15 | 异构多智能体系统分组输出时变编队跟踪控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010040804.XA CN111435252B (zh) | 2020-01-15 | 2020-01-15 | 异构多智能体系统分组输出时变编队跟踪控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111435252A CN111435252A (zh) | 2020-07-21 |
CN111435252B true CN111435252B (zh) | 2020-12-25 |
Family
ID=71580422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010040804.XA Active CN111435252B (zh) | 2020-01-15 | 2020-01-15 | 异构多智能体系统分组输出时变编队跟踪控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111435252B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112000108B (zh) * | 2020-09-08 | 2021-09-21 | 北京航空航天大学 | 一种多智能体集群分组时变编队跟踪控制方法及系统 |
CN113485344B (zh) * | 2021-07-15 | 2023-12-01 | 北京航空航天大学 | 一种多智能体输出编队跟踪控制方法及系统 |
CN113900380B (zh) * | 2021-11-17 | 2023-02-28 | 北京航空航天大学 | 一种异构集群系统鲁棒输出编队跟踪控制方法及系统 |
CN114371625B (zh) * | 2022-01-11 | 2022-10-25 | 哈尔滨工业大学 | 节点数变化的多智能体编队控制方法 |
CN114594786B (zh) * | 2022-01-25 | 2024-06-07 | 北京航空航天大学 | 基于离散系统的异构分布式集群系统编队控制算法 |
CN114967677B (zh) * | 2022-04-15 | 2024-07-19 | 北京航空航天大学 | 一种非线性集群系统的时变编队跟踪优化控制方法及系统 |
CN114815856B (zh) * | 2022-06-27 | 2022-09-20 | 中国人民解放军国防科技大学 | 非完整多智能体系统时变编队包含控制方法、装置和设备 |
CN116047908B (zh) * | 2023-01-16 | 2023-10-13 | 齐齐哈尔大学 | 混合阶异构多智能体系统协同最优编队控制方法及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681247A (zh) * | 2018-05-14 | 2018-10-19 | 中国人民解放军火箭军工程大学 | 一种完全分布式保性能通信容错编队控制方法 |
CN108983825A (zh) * | 2018-09-30 | 2018-12-11 | 北京航空航天大学 | 一种无人机时变编队的跟踪方法及系统 |
CN109445447A (zh) * | 2019-01-14 | 2019-03-08 | 北京航空航天大学 | 一种多智能体编队跟踪控制方法及系统 |
CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪系统及方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101935006B1 (ko) * | 2017-06-23 | 2019-01-03 | 중앙대학교 산학협력단 | 멀티 에이전트 시스템에 포함되는 추종 에이전트 및 이의 제어 방법 |
-
2020
- 2020-01-15 CN CN202010040804.XA patent/CN111435252B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108681247A (zh) * | 2018-05-14 | 2018-10-19 | 中国人民解放军火箭军工程大学 | 一种完全分布式保性能通信容错编队控制方法 |
CN108983825A (zh) * | 2018-09-30 | 2018-12-11 | 北京航空航天大学 | 一种无人机时变编队的跟踪方法及系统 |
CN109613931A (zh) * | 2019-01-07 | 2019-04-12 | 北京航空航天大学 | 基于生物社会力的异构无人机集群目标跟踪系统及方法 |
CN109445447A (zh) * | 2019-01-14 | 2019-03-08 | 北京航空航天大学 | 一种多智能体编队跟踪控制方法及系统 |
Non-Patent Citations (3)
Title |
---|
多无人机协同控制方法及应用研究;韩亮等;《导航定位与授时》;20180731;第5卷(第4期);第1-7页 * |
异构多智能体系统分组输出时变编队跟踪控制;田磊等;《航空学报》;20191230;第41卷(第7期);摘要,第323727-1-323727-5,323727-9页 * |
飞行器集群协同制导控制方法及应用研究;任章等;《导航定位与授时》;20190930;第6卷(第5期);第1-9页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111435252A (zh) | 2020-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111435252B (zh) | 异构多智能体系统分组输出时变编队跟踪控制方法及系统 | |
CN111665848B (zh) | 拓扑切换下无人机与无人车异构集群编队跟踪控制方法 | |
CN114020042A (zh) | 一种异构无人集群编队合围跟踪控制方法及系统 | |
CN111522258B (zh) | 多无人机协同控制仿真系统及其构建方法、仿真方法 | |
CN104407619B (zh) | 不确定环境下的多无人机同时到达多个目标方法 | |
CN110780668B (zh) | 一种多无人艇的分布式编队合围跟踪控制方法及系统 | |
CN110673649B (zh) | 基于拓扑优化的时变信道下无人机编队一致性控制方法、系统、装置及存储介质 | |
CN110554709A (zh) | 一种分布式的仿生的多智能体自主集群控制方法 | |
CN107807521B (zh) | 面向固定时间的编队飞行器协同控制方法及系统 | |
CN112987790A (zh) | 一种分布式异构集群系统分组编队跟踪控制方法和系统 | |
CN111948944A (zh) | 一种基于自适应神经网络的四旋翼编队容错控制方法 | |
CN113900380B (zh) | 一种异构集群系统鲁棒输出编队跟踪控制方法及系统 | |
CN114924588B (zh) | 一种无人机集群弹性安全编队方法 | |
CN112650299B (zh) | 一种考虑时变编队的分组一致性无人机编队控制方法 | |
CN112947086B (zh) | 一种无人机和无人车组成的异构多智能体系统编队控制中执行器故障的自适应补偿方法 | |
CN113296507A (zh) | 一种基于时空解耦的多动力定位船舶协同编队控制方法 | |
CN113900449B (zh) | 多无人机轨迹规划方法、装置、无人机及存储介质 | |
CN115033013A (zh) | 具有输入约束的多无人机固定时间分布式编队控制方法 | |
CN118131621A (zh) | 一种基于多智能体系统的分布式固定时间优化方法 | |
CN117724533A (zh) | 一种基于改进超螺旋的高速飞行器编队控制方法及系统 | |
CN115981375B (zh) | 基于事件触发机制的多无人机时变编队控制器设计方法 | |
CN116208968B (zh) | 基于联邦学习的轨迹规划方法及装置 | |
CN114371625B (zh) | 节点数变化的多智能体编队控制方法 | |
CN114866284A (zh) | 无人艇集群分布式安全控制方法 | |
CN112558613B (zh) | 基于复拉普拉斯矩阵的编队控制方法 |
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 |