CN114217605A - 基于虚拟结构法和人工势场法的编队控制方法 - Google Patents

基于虚拟结构法和人工势场法的编队控制方法 Download PDF

Info

Publication number
CN114217605A
CN114217605A CN202111337203.6A CN202111337203A CN114217605A CN 114217605 A CN114217605 A CN 114217605A CN 202111337203 A CN202111337203 A CN 202111337203A CN 114217605 A CN114217605 A CN 114217605A
Authority
CN
China
Prior art keywords
virtual structure
formation
virtual
agent
intelligent agent
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.)
Granted
Application number
CN202111337203.6A
Other languages
English (en)
Other versions
CN114217605B (zh
Inventor
黄晨
王予
孙晓强
李悦彬
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu University
Original Assignee
Jiangsu University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu University filed Critical Jiangsu University
Priority to CN202111337203.6A priority Critical patent/CN114217605B/zh
Publication of CN114217605A publication Critical patent/CN114217605A/zh
Application granted granted Critical
Publication of CN114217605B publication Critical patent/CN114217605B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05DSYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02Control of position or course in two dimensions
    • G05D1/021Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0287Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0291Fleet control

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)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了基于虚拟结构法和人工势场法的编队控制方法,由虚拟结构参考点周围的虚拟结构生成期望的虚拟结构队形,该虚拟结构队形中的虚拟结构作为虚拟结构点的期望位置;虚拟结构点向着期望位置运动;智能体则跟随智能体所对应的虚拟结构点移动,进而获得智能体编队队形;建立虚拟结构点和虚障碍物对智能体的斥力场;基于所构建的斥力场,根据智能体所受的势场作用对智能体进行受力分析,进而获得智能体所受到的斥力场力;智能体采用轨迹跟踪控制算法跟踪虚拟结构点的轨迹,根据虚拟结构点追踪虚拟结构以及避障产生的运动轨迹,利用轨迹跟踪控制算法实现智能体编队追踪控制。本方法采用人工势场法实现避障,编队控制方法适应性强、编队稳定。

Description

基于虚拟结构法和人工势场法的编队控制方法
技术领域
本发明涉及多智能体编队控制技术领域,尤其是基于虚拟结构法和人工势场法的编队控制方法。
背景技术
随着自动驾驶策略、传感器精度、无线通信技术的发展,自动驾驶逐渐成为各个车企和高校研究的重点,从扫地机器人到无人自动驾驶,单个智能体已经无法满足预期目标,所以智能体编队协作才是未来的发展方向。
编队控制是通过多智能体之间的协同合作,编队控制实现智能体队列成型、队形变换、预防碰撞,编队可以用最少的功耗实现庞大的控制,实现高效率、低功耗减少人力投入。现有的编队方法主要包括:跟随领航者控制法、基于行为控制法、基于虚拟结构控制法、基于人工势场控制法等。
上述现有编队方法存在一定的不足,具体是:跟随领航者控制法其结构简单、易于理解,但是缺点也很明显就是领导者受到的干扰会对队列造成巨大影响;行为控制法虽然具有实时的特点,但是很难描述系统并且保持其稳定;虚拟结构控制法中把编队结构当成虚拟的刚体,编队稳定,但是对路况的适应性较差;人工势场法可以实现实时控制,但是其忽略了通信拓扑的影响,脱离实际情况。
因此在现有编队的基础之上,提出一种适应性强、编队稳定的方法对于编队控制算法具有长远的意义。
发明内容
为了解决现有技术中存在的不足,本申请提出了基于虚拟结构法和人工势场法的编队控制方法,采用虚拟结构控制方法形成智能体编队队形,采用人工势场法实现避障,进而获得一种适应性强、编队稳定的编队控制方法。
本发明所采用的技术方案如下:
基于虚拟结构法和人工势场法的编队控制方法,包括如下步骤:
步骤1,分别建立智能体和障碍物模型;
步骤2,将虚拟结构参考点作为队列的参考点,由虚拟结构参考点周围的虚拟结构生成期望的虚拟结构队形,该虚拟结构队形中的虚拟结构作为虚拟结构点的期望位置;虚拟结构点的初始位置和智能体的初始位置是重合的,且虚拟结构点向着期望位置运动;智能体则跟随智能体所对应的虚拟结构点移动,进而获得智能体编队队形;
步骤3,建立虚拟结构点和虚障碍物对智能体的斥力场;
步骤4,基于所构建的斥力场,根据智能体所受的势场作用对智能体进行受力分析,进而获得智能体所受到的斥力场力;
步骤5,智能体采用轨迹跟踪控制算法跟踪虚拟结构点的轨迹,根据虚拟结构点追踪虚拟结构以及避障产生的运动轨迹,将运动轨迹输入到控制器当中,利用轨迹跟踪控制算法实现智能体编队追踪控制。
进一步,所述步骤3中建立虚拟结构点和虚障碍物对智能体的斥力场的方法为:
步骤3.1,由障碍物和虚拟结构点的距离定义斥力势场,表示为:
Figure BDA0003351000710000021
步骤3.2,对斥力势场求负梯度求得斥力势场所对应的斥力,表示为:
Figure BDA0003351000710000022
其中,k为比例系数,ρ0代表智能体和障碍物之间影响的距离,ρ(q,q0)表示智能体q与虚拟结构点q0的欧氏距离。
进一步,所述步骤3中智能体所受到的斥力场力,表示为:
Figure BDA0003351000710000023
其中,Uireq为智能体i所受的斥力场,i=1,2,3...n,n为对智能体产生斥力场的障碍物的个数;
因此智能体i所受的合力为:
Figure BDA0003351000710000024
其中,Fireq为智能体i所受的斥力场力。
进一步,所述步骤5中采用Stanley算法使智能体跟踪虚拟结构点的轨迹,实现智能体编队追踪控制。
进一步,所述多智能体采用二自由度自行车运动学模型。
进一步,以大小刚好包络障碍物的圆形代替障碍物,由此构建障碍物模型。
进一步,构建虚拟结构的质点模型,表示为:
Figure BDA0003351000710000031
式中,qi、pi分别为第i个质点的位置和速度,
Figure BDA0003351000710000032
分别是qi、pi的一阶导数;ui为第i个质点的控制输入。
进一步,第i个质点的控制输入表示为:
ui=c1(qri-qi)+c2(pri-pi)+fi
式中:c1,c2分别为位置误差系数和速度误差系数;qri,pri分别为期望的虚拟结构的位置和速度;fi为人工势场避障项。
本发明的有益效果:
1.本发明的编队控制方法综合了人工势场法和虚拟结构法,加强了编队的稳定性以及避障性能。
2.虚拟结构法以及人工势场法的融合,使得智能体相对独立,不在受到前车的影响,前车所受的扰动不会传遍整个车队,对车队的稳定性以及避障性能有着很大的提升。
3.编队形式由随虚拟结构决定,结构易于调整改变,适应性强。
附图说明
图1是本发明所构建的智能体和障碍物模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
基于虚拟结构法和人工势场法的编队控制方法,包括如下步骤:
步骤1,分别建立智能体和障碍物模型。
(1)对多智能体采用二自由度自行车运动学模型。整个二自由度自行车运动学模型控制量简化为智能体的速度v和车轮偏角δ,自行车模型适用范围非常广,可以解决大部分问题。多智能体的二自由度自行车运动学模型表示为:
Figure BDA0003351000710000041
其中,
Figure BDA0003351000710000049
分别是智能体在下沿x轴的速度、y轴的速度;
Figure BDA0003351000710000043
是智能体横摆角速度;θ为智能体偏航角,δ为前轮偏角,v是智能体的速度,L为智能体轴距。
(2)现实中障碍物形状多为不规则,为了计算方便以及安全性的考虑,障碍物以大小刚好可以包络障碍物的圆形代替。同时智能体自身的形状也不可以忽略,一般来说编队智能体的体积不会过大,所以以大小刚好可以包络智能体的圆形代替智能体向外产生斥力场。
步骤2,将虚拟结构参考点作为队列的参考点,由虚拟结构参考点周围的虚拟结构在虚拟结构参考点的后方生成期望的虚拟结构队形,该虚拟结构队形中的虚拟结构作为虚拟结构点的期望位置。虚拟结构点的初始位置和智能体的初始位置是重合的,并虚拟结构点向着期望的虚拟结构运动;智能体则跟随智能体所对应的虚拟结构点移动,进而获得智能体编队队形。
构建虚拟结构的质点模型为:
Figure BDA0003351000710000044
式中,
Figure BDA0003351000710000045
分别为第i个质点的位置和速度,
Figure BDA0003351000710000046
分别是qi、pi的一阶导数;
Figure BDA0003351000710000047
为第i个质点的控制输入,表示为:
ui=c1(qri-qi)+c2(pri-pi)+fi
式中:c1,c2分别为位置误差系数和速度误差系数;qri,pri分别为期望的虚拟结构的位置和速度;fi为人工势场避障项。虚拟结构点是智能体实际意义上的追踪目标,同时也对人工势场敏感,可以灵活根据车况调整队形。虚拟结构点和领导者的纵向安全距离Lx min为:
Figure BDA0003351000710000048
式中,t0为前方智能体开始减速的时刻,可将其设为0;t1为智能体速度由vA降到vB时,两智能体之间距离为0对应的时刻,为两智能体不发生碰撞的极限情况;vA(0),vB(0)分别为智能体A,B在t0时刻的速度,aA(t),aB(t)分别为智能体A,B在t0时刻的加速度,η为时间。
步骤3,建立虚拟结构点和虚障碍物对智能体的斥力场。斥力势场大小是由障碍物和虚拟结构点的距离决定的,两者之间的距离越大势能值越小,距离越小势能值越大。故斥力势场公式为:
Figure BDA0003351000710000051
其中,k为比例系数,ρ0代表智能体和障碍物之间影响的距离,为了让人工势场对编队没有影响,让人工势场的作用范围小于智能体跟随的最小距离Lx min。ρ(q,q0)表示智能体与虚拟结构点的欧氏距离,方向由智能体指向虚拟结构点。
对斥力势场求负梯度求得斥力势场所对应的斥力为:
Figure BDA0003351000710000052
步骤4,根据智能体所受的势场作用对智能体进行受力分析,所以智能体i所受的势能场为:
Figure BDA0003351000710000053
其中,Uireq为智能体i所受的斥力场,i=1,2,3...n,n为对智能体产生斥力场的障碍物的个数。因此智能体i所受的合力为:
Figure BDA0003351000710000054
其中,Fireq为智能体i所受的斥力场力。
步骤5,采用轨迹跟踪控制算法-Stanley算法使智能体跟踪虚拟结构点的轨迹,根据虚拟结构点追踪虚拟结构以及避障产生的运动轨迹,将运动轨迹输入到控制器当中,利用stanley算法实现智能体编队追踪控制。前轮偏角为
Figure BDA0003351000710000055
其中,
Figure BDA0003351000710000056
δy分别是航向误差角、横向误差角,
Figure BDA0003351000710000057
表示智能体航向与最近路径点切线方向之间的夹角;
Figure BDA0003351000710000061
ey(t)表示横向跟踪误差,d(t)表示虚拟结构点轨迹切线向的距离数值和速度有关,用车速v(t)和增益系数k表示。
以上实施例仅用于说明本发明的设计思想和特点,其目的在于使本领域内的技术人员能够了解本发明的内容并据以实施,本发明的保护范围不限于上述实施例。所以,凡依据本发明所揭示的原理、设计思路所作的等同变化或修饰,均在本发明的保护范围之内。

Claims (8)

1.基于虚拟结构法和人工势场法的编队控制方法,其特征在于,包括如下步骤:
步骤1,分别建立智能体和障碍物模型;
步骤2,将虚拟结构参考点作为队列的参考点,由虚拟结构参考点周围的虚拟结构生成期望的虚拟结构队形,该虚拟结构队形中的虚拟结构作为虚拟结构点的期望位置;虚拟结构点的初始位置和智能体的初始位置是重合的,且虚拟结构点向着期望位置运动;智能体则跟随智能体所对应的虚拟结构点移动,进而获得智能体编队队形;
步骤3,建立虚拟结构点和虚障碍物对智能体的斥力场;
步骤4,基于所构建的斥力场,根据智能体所受的势场作用对智能体进行受力分析,进而获得智能体所受到的斥力场力;
步骤5,智能体采用轨迹跟踪控制算法跟踪虚拟结构点的轨迹,根据虚拟结构点追踪虚拟结构以及避障产生的运动轨迹,将运动轨迹输入到控制器当中,利用轨迹跟踪控制算法实现智能体编队追踪控制。
2.根据权利要求1所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,所述步骤3中建立虚拟结构点和虚障碍物对智能体的斥力场的方法为:
步骤3.1,由障碍物和虚拟结构点的距离定义斥力势场,表示为:
Figure FDA0003351000700000011
步骤3.2,对斥力势场求负梯度求得斥力势场所对应的斥力,表示为:
Figure FDA0003351000700000012
其中,k为比例系数,ρ0代表智能体和障碍物之间影响的距离,ρ(q,q0)表示智能体q与虚拟结构点q0的欧氏距离。
3.根据权利要求2所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,所述步骤3中智能体所受到的斥力场力,表示为:
Figure FDA0003351000700000013
其中,Uireq为智能体i所受的斥力场,i=1,2,3...n,n为对智能体产生斥力场的障碍物的个数;因此智能体i所受的合力为:
Figure FDA0003351000700000021
其中,Fireq为智能体i所受的斥力场力。
4.根据权利要求1所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,所述步骤5中采用Stanley算法使智能体跟踪虚拟结构点的轨迹,实现智能体编队追踪控制。
5.根据权利要求1所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,所述多智能体采用二自由度自行车运动学模型。
6.根据权利要求1所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,以大小刚好包络障碍物的圆形代替障碍物,由此构建障碍物模型。
7.根据权利要求1所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,构建虚拟结构的质点模型,表示为:
Figure FDA0003351000700000022
式中,qi、pi分别为第i个质点的位置和速度,
Figure FDA0003351000700000023
分别是qi、pi的一阶导数;ui为第i个质点的控制输入。
8.根据权利要求7所述的基于虚拟结构法和人工势场法的编队控制方法,其特征在于,第i个质点的控制输入表示为:
ui=c1(qri-qi)+c2(pri-pi)+fi
式中:c1,c2分别为位置误差系数和速度误差系数;qri,pri分别为期望的虚拟结构的位置和速度;fi为人工势场避障项。
CN202111337203.6A 2021-11-12 2021-11-12 基于虚拟结构法和人工势场法的编队控制方法 Active CN114217605B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111337203.6A CN114217605B (zh) 2021-11-12 2021-11-12 基于虚拟结构法和人工势场法的编队控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111337203.6A CN114217605B (zh) 2021-11-12 2021-11-12 基于虚拟结构法和人工势场法的编队控制方法

Publications (2)

Publication Number Publication Date
CN114217605A true CN114217605A (zh) 2022-03-22
CN114217605B CN114217605B (zh) 2024-05-14

Family

ID=80696973

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111337203.6A Active CN114217605B (zh) 2021-11-12 2021-11-12 基于虚拟结构法和人工势场法的编队控制方法

Country Status (1)

Country Link
CN (1) CN114217605B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018176594A1 (zh) * 2017-03-31 2018-10-04 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法
CN111830982A (zh) * 2020-07-16 2020-10-27 陕西理工大学 一种移动机器人编队与避障控制方法
CN113157000A (zh) * 2021-05-06 2021-07-23 西北工业大学 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法
CN113341956A (zh) * 2021-05-20 2021-09-03 西安交通大学 基于改进人工势场法的多智能体主从式编队控制方法
CN113534819A (zh) * 2021-08-26 2021-10-22 鲁东大学 用于领航跟随型多智能体编队路径规划的方法和存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018176594A1 (zh) * 2017-03-31 2018-10-04 深圳市靖洲科技有限公司 一种面向无人自行车的人工势场路径规划法
CN111830982A (zh) * 2020-07-16 2020-10-27 陕西理工大学 一种移动机器人编队与避障控制方法
CN113157000A (zh) * 2021-05-06 2021-07-23 西北工业大学 基于虚拟结构和人工势场的飞行编队协同避障自适应控制方法
CN113341956A (zh) * 2021-05-20 2021-09-03 西安交通大学 基于改进人工势场法的多智能体主从式编队控制方法
CN113534819A (zh) * 2021-08-26 2021-10-22 鲁东大学 用于领航跟随型多智能体编队路径规划的方法和存储介质

Also Published As

Publication number Publication date
CN114217605B (zh) 2024-05-14

Similar Documents

Publication Publication Date Title
CN107015477B (zh) 基于状态反馈的车辆路径跟踪h∞控制方法
CN107831761B (zh) 一种智能车的路径跟踪控制方法
CN110827535A (zh) 非线性车辆队列协同自适应抗扰纵向控制方法
WO2023024914A1 (zh) 车辆避让方法、装置、计算机设备和存储介质
CN111703419B (zh) 一种智能汽车紧急工况下避撞轨迹规划方法
CN112068445A (zh) 自动驾驶车辆路径规划与路径跟踪集成控制方法及系统
CN113050651B (zh) 智能车自主行驶路径跟踪的时滞控制方法及系统
CN110703775B (zh) 一种基于改进人工势场的商用车车道保持路径规划方法
CN115933644A (zh) 一种基于改进人工势场法的多无人车编队整体避障方法
CN111650942A (zh) 一种基于扰动观测器的有限时间收敛车辆编队控制方法
CN114217605B (zh) 基于虚拟结构法和人工势场法的编队控制方法
CN110654386B (zh) 弯道下多智能电动汽车协作式巡航纵横向综合控制方法
Tong et al. Trajectory tracking control for four-wheel independently driven electric vehicle based on model predictive control and sliding model control
CN112947501A (zh) 一种基于改进人工势场法和状态切换的多auv混合编队方法
Wang et al. Driverless simulation of path tracking based on PID control
Li et al. Path-following control for self-driving forklifts based on cascade disturbance rejection with coordinates reconstruction
Huang et al. Cascade optimization control of unmanned vehicle path tracking under harsh driving conditions
Chen et al. Trajectory-tracking and Coordinated Control of Six-wheel-drive Rocker-bogie Patrol Robot
Yang et al. Optimal coordinated control of a vehicular platoon by taking into account the individual vehicle dynamics
Zhai et al. Local Trajectory Planning for Obstacle Avoidance of Unmanned Tracked Vehicles Based on Artificial Potential Field Method
Yang et al. Research on Active Obstacle Avoidance Based on Model Predictive Control of Unmanned Vehicles
Lin et al. Design and simulation of trajectory tracking controller based on fuzzy sliding mode control for
Guodong et al. Coordination control for formation and lateral stability under constant speed of four-wheel independently driving electric vehicles
CN112506047B (zh) 融合后轮反馈与滑模控制的智能汽车横向控制方法
CN115629549B (zh) 一种根据输入饱和的l2增益鲁棒路径跟踪方法

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