CN114489084A - 一种多机器人在安全通信下的编队控制方法 - Google Patents

一种多机器人在安全通信下的编队控制方法 Download PDF

Info

Publication number
CN114489084A
CN114489084A CN202210136056.4A CN202210136056A CN114489084A CN 114489084 A CN114489084 A CN 114489084A CN 202210136056 A CN202210136056 A CN 202210136056A CN 114489084 A CN114489084 A CN 114489084A
Authority
CN
China
Prior art keywords
robot
position information
encrypted
adjacent
robots
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.)
Pending
Application number
CN202210136056.4A
Other languages
English (en)
Inventor
杨怡泽
杨洪勇
刘飞
刘莉
崔光海
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.)
Ludong University
Original Assignee
Ludong 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 Ludong University filed Critical Ludong University
Priority to CN202210136056.4A priority Critical patent/CN114489084A/zh
Publication of CN114489084A publication Critical patent/CN114489084A/zh
Pending legal-status Critical Current

Links

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
    • G05D1/0221—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
    • G05D1/0287—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling
    • G05D1/0289—Control of position or course in two dimensions specially adapted to land vehicles involving a plurality of land vehicles, e.g. fleet or convoy travelling with means for avoiding collisions between vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Manipulator (AREA)

Abstract

本发明涉及一种多机器人在安全通信下的编队控制方法。该控制方法包括：步骤1：构建多机器人系统模型和安全通信的控制策略，初始化机器人的位置信息，根据机器人的初始位置确定机器人的目标位置；步骤2：在控制策略下的控制下，每个机器人将自己的加密位置信息发送给动态变化的相邻机器人；步骤3：每个机器人接收到来自不同的动态变化的相邻机器人的加密位置信息后，基于该加密位置信息计算自己的下一时刻的位置信息，同时将计算获得的自己的下一时刻的位置信息经加密后发送动态变化的相邻机器人；步骤4：重复步骤2‑3，每个机器人的最终运动轨迹收敛至同一目标点。

Description

一种多机器人在安全通信下的编队控制方法
技术领域
本发明涉及机器人移动控制技术领域，具体而言，涉及一种多机器人在安全通信下的编队控制方法。
背景技术
多机器人系统协同控制问题研究的一个重要内容是它的集体行为。在多机器人系统一致性协调的过程中，多机器人系统一致性协议的设计是基于机器人自身与其邻接机器人之间状态信息的连续交互为前提，即需要机器人之间进行真实并且连续的通信。如果某些不法分子监听机器人通信并窃取相关信息，就可能根据通信通道中的信息，推测出机器人的状态更新规则，甚至推断出整个系统的最终通信协议，那么对机器人和整个多机器人系统系统而言这是非常危险的。
另外，由于机器人系统的动态系统拓扑结构的高复杂程度以及机器人工作环境的限制，比如深海、深空探测器、超远距离机集群协作控制等，很多时候连续信息通信难以实现，在一个较短的时间内会发生多机器人之间的通信不连通情况。
由此，需要一种多机器人在安全通信下的编队控制方法，尤其是在通信受限的环境中实现有效的编队控制。
发明内容
为了改善上述技术问题，本发明提供了一种多机器人在安全通信下的编队控制方法，每个机器人上搭载有距离传感器和通信模块，该编队控制方法包括：
步骤1：构建多机器人系统模型和安全通信的控制策略，初始化机器人的位置信息，根据机器人的初始位置确定机器人的目标位置；
步骤2：在控制策略下的控制下，每个机器人将自己的加密位置信息发送给动态变化的相邻机器人；
步骤3：每个机器人接收到来自不同的动态变化的相邻机器人的加密位置信息后，基于该加密位置信息计算自己的下一时刻的位置信息，同时将计算获得的自己的下一时刻的位置信息经加密后发送动态变化的相邻机器人；
步骤4：重复步骤2-3，每个机器人的最终运动轨迹收敛至同一目标点。
其中：所述多机器人系统模型是：
Figure BDA0003504686640000021
其中，xi代表机器人i的位置信息；
Figure BDA0003504686640000022
代表机器人i的速度；ui代表机器人i的控制策略；I表示机器人集合，I＝{1，2，…，n}；
所述安全通信的控制策略是：
Figure BDA0003504686640000023
其中，di表示机器人i与其所有相邻机器人的连接权重之和，aij表示机器人i与机器人j之间的连接权重，
Figure BDA0003504686640000024
是机器人i在时刻t要发送的加密位置信息，
Figure BDA0003504686640000025
是相邻机器人j在时刻t要发送的加密位置信息；j∈Ni表示机器人j是机器人i能够直接通信的相邻机器人。
其中：所述根据机器人的初始位置确定多个机器人的目标位置的方法包括：基于每个机器人运动轨迹期望值的收敛要求，多个机器人的初始位置的均值为多个机器人的目标位置。
其中：所述每个机器人将自己的经加密的位置信息发送给动态变化的相邻机器人的方法是：
所述每个机器人首先基于自身初始位置信息xi(0)找出相邻位置信息x′i(0)，该相邻位置信息x′i(0)满足其与初始位置信息xi(0)之间的最大差值Δf＝b*ε，其中b是预设的服从参数值，ε是大于0的预设参数值，然后分别为初始位置信息xi(0)和相邻位置信息x′i(0)加入包含服从参数μ＝0和
Figure BDA0003504686640000031
的拉普拉斯噪声wi(t)，分别生成要发送的加密位置信息
Figure BDA0003504686640000032
和加密位置信息
Figure BDA0003504686640000033
即
Figure BDA0003504686640000034
Figure BDA0003504686640000035
最后，所述每个机器人基于所述控制策略将所生成的加密位置信息
Figure BDA0003504686640000036
和加密位置信息
Figure BDA0003504686640000037
随机性任选其一发送给它的相邻机器人。
其中：所述步骤3的具体实现方法包括：
每个机器人使用所接到相邻机器人发来的加密位置信息
Figure BDA0003504686640000038
或者
Figure BDA0003504686640000039
计算自己在下一时刻的位置信息xi(t)，找出相邻位置信息x′i(t)，该相邻位置信息x′i(t)满足其与所述位置信息xi(t)之间的最大差值Δf＝b*ε，其中b是预设的服从参数值，ε是大于0的预设参数值，然后分别为所述位置信息xi(t)和所述相邻位置信息x′i(t)加入含服从参数μ＝0和
Figure BDA00035046866400000310
的拉普拉斯噪声wi(t)，分别生成要发送的加密位置信息
Figure BDA00035046866400000311
和加密位置信息
Figure BDA00035046866400000312
即
Figure BDA00035046866400000313
Figure BDA00035046866400000314
最后，所述每个机器人基于所述控制策略将所生成的加密位置信息
Figure BDA0003504686640000041
和加密位置信息
Figure BDA0003504686640000042
随机性任选其一发送给它的相邻机器人。
与现有技术相比，本发明的有益效果是：
本发明对每个机器人的初始位置信息进行了加密处理，基于加密的位置信息计算自己的下一时刻的位置信息后，再次对计算获得的下一时刻的位置信息进行加密处理，继而每个机器人接收到的相邻机器人的位置信息都是加密信息，实现了安全通信的目的；另外，每个机器人将自己的初始位置信息和满足一定条件的相邻位置信息经加密后随机性任选其一发送给相邻机器人，相邻机器人在计算自己的下一时刻的位置信息时在一定概率下使用的是经加密的相邻位置信息来计算，这又增加了一次加密处理，进一步加强了加密强度。此外，本发明采用了基于机器人在上一时刻的位置信息计算下一时刻的位置信息的方法，即便在一个较短的时间内发生多机器人之间的通信不连通，但在一个较长的时间内多个机器人之间是联合连通的，保证了多个机器人的最终运动轨迹收敛至同一目标点。
附图说明
图1为本发明提供的多机器人在安全通信下的编队控制方法的流程图；
图2a-2c是多机器人系统的动态拓扑图；
图3是在本发明提供的编队控制方法下多机器人系统的运动轨迹收敛曲线图。
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。
如图1所示，本发明提供了一种多机器人在安全通信下的编队控制方法，每个机器人上搭载有距离传感器和通信模块，该编队控制方法包括：
S1：构建多机器人系统模型和安全通信的控制策略，初始化机器人的位置信息，根据机器人的初始位置确定机器人的目标位置；
S2：在控制策略下的控制下，每个机器人将自己的加密位置信息发送给动态变化的相邻机器人；
S3：每个机器人接收到来自不同的动态变化的相邻机器人的加密位置信息后，基于该加密位置信息计算自己的下一时刻的位置信息，同时将计算获得的自己的下一时刻的位置信息经加密后发送动态变化的相邻机器人；
S4：重复步骤S2-3，每个机器人的最终运动轨迹收敛至同一目标点。
在步骤S1中：
构建的所述多机器人系统模型是：
Figure BDA0003504686640000051
其中，xi代表机器人i的位置信息；
Figure BDA0003504686640000055
代表机器人i的速度，它是位置信息xi对时间的导数；ui代表机器人i的控制策略，就是对机器人之间的通信施加的控制要求、控制机器人速度改变的规则；I表示机器人集合，I＝{1，2，…，n}。
机器人的多个位置信息连在一起就是该机器人移动的路径。
构建的所述安全通信的控制策略是：
Figure BDA0003504686640000052
其中，di表示机器人i与其所有相邻机器人的连接权重之和，aij表示机器人i与机器人j之间的连接权重，
Figure BDA0003504686640000053
是机器人i在时刻t要发送的加密位置信息，
Figure BDA0003504686640000054
是相邻机器人j在时刻t要发送的加密位置信息；j∈Ni表示机器人j是机器人i能够直接通信的相邻机器人。
所述初始化机器人的位置信息，在应用过程中，通常是记录下机器人的起始位置或者初始状态。
所述根据机器人的初始位置确定机器人的目标位置的方法包括：
Figure BDA0003504686640000061
其中：x(t)是机器人在时刻t的目标位置或者目标速度，xi(0)是机器人i的初始位置或者初始速度，N是机器人的数量。
当x(t)是机器人在时刻t的目标速度时，速度与时间的乘积为移动距离，即目标位置信息。
机器人在多个时刻的目标位置连线是机器人在由该多个时刻构成的时间段内的运动轨迹。对于多个机器人的协同运动，通过通信协议或者运动控制策略，可以使得所有机器人的运动轨迹最后收敛到一个指定位置或指定速度，例如指定为初始值的均值。换句话说，机器人的目标位置可以通过设置的通信协议或者运动控制策略来进行设置和实现。从另一个角度理解，多个机器人组队协同运动时，理想状态是让每个机器人都按照指定速度运动或是在某一时刻都运动到指定的目标位置，这样就可以控制多机器人系统的协同运动的统一性、一致性。
在步骤S2中：
所述每个机器人将自己的加密位置信息发送给动态变化的相邻机器人的具体过程是：
所述每个机器人首先基于自身初始位置信息xi(0)找出相邻位置信息x′i(0)，这个可以通过查询函数来实现，该相邻位置信息x′i(0)满足其与初始位置信息xi(0)之间的最大差值Δf＝b*ε，其中b是预设的服从参数值，基于实验经验b的值需要小于1，优选的b的值小于0.5，ε是大于0的预设参数值，参数ε是表示隐私保护强度，该值越小，表示隐私保护强度越大。然后分别为初始位置信息xi(0)和相邻位置信息x′i(0)加入包含服从参数μ＝0和
Figure BDA0003504686640000071
的拉普拉斯噪声wi(t)，分别生成要发送的加密位置信息
Figure BDA0003504686640000072
和加密位置信息
Figure BDA0003504686640000073
即
Figure BDA0003504686640000074
Figure BDA0003504686640000075
最后，所述每个机器人基于所述控制策略将所生成的加密位置信息
Figure BDA0003504686640000076
和加密位置信息
Figure BDA0003504686640000077
随机性任选其一发送给它的相邻机器人。
相邻机器人是指与某一机器人能够直接通信的机器人，也称为邻居机器人。在实践中，某一机器人的相邻机器人的数量至少有1个。
对加密位置信息
Figure BDA0003504686640000078
和
Figure BDA0003504686640000079
随机性任选其一发送给相邻机器人，这样可以进一步实现保护位置信息这一隐私数据；另外
Figure BDA00035046866400000710
和
Figure BDA00035046866400000711
的值很接近，任选其一发给相邻机器人后，相邻机器人在计算自己在下一时刻的位置信息时不会出现较大偏差。
在这里，设定参数ε是表示隐私保护强度，该值越小，表示隐私保护强度越大。可以根据实际要求，考虑敏感度Δf，预先设定参数ε的具体值。
在这里，拉普拉斯噪声wi(t)的概率密度函数为
Figure BDA00035046866400000712
在步骤S3中：
所述每个机器人接收到来自不同的动态变化的相邻机器人的加密位置信息后，基于该加密位置信息计算自己的下一时刻的位置信息，同时将计算获得的自己的下一时刻的位置信息经加密后发送动态变化的相邻机器人的具体实现方法包括：
每个机器人使用所接到相邻机器人发来的加密位置信息
Figure BDA0003504686640000081
或者
Figure BDA0003504686640000082
计算自己在下一时刻的位置信息xi(t)，找出相邻位置信息x′i(t)，这可以通过查询函数来实现，该相邻位置信息x′i(t)满足其与所述位置信息xi(t)之间的最大差值Δf＝b*ε，其中b是预设的服从参数值，基于实验经验b的值需要小于1，优选的b的值小于0.5，ε是大于0的预设参数值，然后分别为所述位置信息xi(t)和所述相邻位置信息x′i(t)加入含服从参数μ＝0和
Figure BDA0003504686640000083
的拉普拉斯噪声wi(t)，分别生成要发送的加密位置信息
Figure BDA0003504686640000084
和加密位置信息
Figure BDA0003504686640000085
即
Figure BDA0003504686640000086
Figure BDA0003504686640000087
最后，所述每个机器人基于所述控制策略将所生成的加密位置信息
Figure BDA0003504686640000088
和加密位置信息
Figure BDA0003504686640000089
随机性任选其一发送给它的相邻机器人。
其中，计算机器人在下一时刻的位置信息xi(t)的方法如下：对
Figure BDA00035046866400000810
Figure BDA00035046866400000811
联合求解，可以得到位置信息xi(t)，wi(t)是上述的包含服从参数μ＝0和
Figure BDA00035046866400000812
的拉普拉斯噪声。同样的，当使用的上一时刻的位置信息是加密的相邻位置信息
Figure BDA0003504686640000091
时，对
Figure BDA0003504686640000092
Δf＝b*ε联合求解，可以得到位置信息xi(t)，wi(t)是上述的包含服从参数μ＝0和
Figure BDA0003504686640000093
的拉普拉斯噪声。
在步骤S4中：
重复步骤2-3，可以得到每个机器人在一段时间内的运动轨迹。
在对所述每个机器人的最终运动轨迹收敛至同一目标点进行验证时，可以检验是否满足：
Figure BDA0003504686640000094
其中：xi(t)是机器人i在时刻t的自身位置信息，xj(t)是机器人j在时刻t的自身位置信息，E表示数学期望。
上式表示两个数列的差值均方收敛到0。
由于附加的拉普拉斯噪声的存在，多机器人系统在运动过程中最终达到均方一致，实现均方意义下的目标一致。
由于附加在真实位置信息上的拉普拉斯噪声的均值为0，对多机器人系统的解求期望值后得到：
Figure BDA0003504686640000095
这是每个机器人运动轨迹期望值的收敛值，其为机器人的初始值的均值。
图2a-c是多机器人系统的动态拓扑图。从图2a、2b和2c分别所示的动态拓扑图可以看出，在一个较短的时间内(例如图2a或图2b或图2c)多个机器人之间不能实现连续信息通信，在拓扑图中，连线表示通信连通。但是，在一个较长的时间内多个机器人之间是联合连通的，即将不连通的图2a、2b和2c相互叠合(并集)，可以看到是一个连通的拓扑图，即多个机器人之间是通信连通。这样，在一段时间内多个机器人之间是通信连通的，保证了多个机器人的最终运动轨迹收敛至同一目标点。
图3是在本发明提供的编队控制方法下多机器人系统的运动轨迹收敛曲线图。从图3所示的曲线图可以看出，最终运动轨迹收敛至同一目标点，机器人的真实状态与发送的状态的差值在很小的范围内波动，而且波动的值在零附近，说明了多机器人之间实现了安全通信，真实状态受到了保护。
本发明对每个机器人的初始位置信息进行了加密处理，基于加密的位置信息计算自己的下一时刻的位置信息后，再次对计算获得的下一时刻的位置信息进行加密处理，继而每个机器人接收到的相邻机器人的位置信息都是加密信息，实现了安全通信的目的；另外，每个机器人将自己的初始位置信息和满足一定条件的相邻位置信息经加密后随机性任选其一发送给相邻机器人，相邻机器人在计算自己的下一时刻的位置信息时在一定概率下使用的是经加密的相邻位置信息来计算，这又增加了一次加密处理，进一步加强了加密强度。此外，本发明采用了基于机器人在上一时刻的位置信息计算下一时刻的位置信息的方法，即便在一个较短的时间内发生多机器人之间的通信不连通，但在一个较长的时间内多个机器人之间是联合连通的，保证了多个机器人的最终运动轨迹收敛至同一目标点。
以上内容是结合具体实施方式对本发明作进一步详细说明，不能认定本发明具体实施只局限于这些说明，对于本发明所属技术领域的普通技术人员来说，在不脱离本发明的构思的前提下，还可以作出若干简单的推演或替换，都应当视为属于本发明所提交的权利要求书确定的保护范围。

Claims (5)

1.一种多机器人在安全通信下的编队控制方法，每个机器人上搭载有距离传感器和通信模块，该编队控制方法包括：
步骤1：构建多机器人系统模型和安全通信的控制策略，初始化机器人的位置信息，根据机器人的初始位置确定机器人的目标位置；
步骤2：在控制策略下的控制下，每个机器人将自己的加密位置信息发送给动态变化的相邻机器人；
步骤3：每个机器人接收到来自不同的动态变化的相邻机器人的加密位置信息后，基于该加密位置信息计算自己的下一时刻的位置信息，同时将计算获得的自己的下一时刻的位置信息经加密后发送动态变化的相邻机器人；
步骤4：重复步骤2-3，每个机器人的最终运动轨迹收敛至同一目标点。
2.根据权利要求1所述的一种多机器人在安全通信下的编队控制方法，其中：所述多机器人系统模型是：
Figure FDA0003504686630000011
其中，xi代表机器人i的位置信息；
Figure FDA0003504686630000012
代表机器人i的速度；ui代表机器人i的控制策略；I表示机器人集合，I＝{1，2，…，n}；
所述安全通信的控制策略是：
Figure FDA0003504686630000013
其中，di表示机器人i与其所有相邻机器人的连接权重之和，aij表示机器人i与机器人j之间的连接权重，
Figure FDA0003504686630000014
是机器人i在时刻t要发送的加密位置信息，
Figure FDA0003504686630000015
是相邻机器人j在时刻t要发送的加密位置信息；j∈Ni表示机器人j是机器人j能够直接通信的相邻机器人。
3.根据权利要求1所述的一种多机器人在安全通信下的编队控制方法，其中：所述根据机器人的初始位置确定机器人的目标位置的方法包括：基于每个机器人运动轨迹期望值的收敛要求，多个机器人的初始位置的均值为多个机器人的目标位置。
4.根据权利要求2所述的一种多机器人在安全通信下的编队控制方法，其中：所述每个机器人将自己的加密位置信息发送给动态变化的相邻机器人的方法是：
所述每个机器人首先基于自身初始位置信息xi(0)找出相邻位置信息x′i(0)，该相邻位置信息x′i(0)满足其与初始位置信息xi(0)之间的最大差值Δf＝b*ε，其中b是预设的服从参数值，ε是大于0的预设参数值，然后分别为初始位置信息xi(0)和相邻位置信息x′i(0)加入包含服从参数μ＝0和
Figure FDA0003504686630000021
的拉普拉斯噪声wi(t)，分别生成要发送的加密位置信息
Figure FDA0003504686630000022
和加密位置信息
Figure FDA0003504686630000023
即
Figure FDA0003504686630000024
Figure FDA0003504686630000025
最后，所述每个机器人基于所述控制策略将所生成的加密位置信息
Figure FDA0003504686630000026
和加密位置信息
Figure FDA0003504686630000027
随机性任选其一发送给它的相邻机器人。
5.根据权利要求4所述的一种多机器人在安全通信下的编队控制方法，其中：所述步骤3的具体实现方法包括：
每个机器人使用所接到相邻机器人发来的加密位置信息
Figure FDA0003504686630000028
或者
Figure FDA0003504686630000029
计算自己在下一时刻的位置信息xi(t)，找出相邻位置信息x′i(t)，该相邻位置信息x′i(t)满足其与所述位置信息xi(t)之间的最大差值Δf＝b*ε，其中b是预设的服从参数值，ε是大于0的预设参数值，然后分别为所述位置信息xi(t)和所述相邻位置信息x′i(t)加入含服从参数μ＝0和
Figure FDA0003504686630000031
的拉普拉斯噪声wi(t)，分别生成要发送的加密位置信息
Figure FDA0003504686630000032
和加密位置信息
Figure FDA0003504686630000033
即
Figure FDA0003504686630000034
Figure FDA0003504686630000035
最后，所述每个机器人基于所述控制策略将所生成的加密位置信息
Figure FDA0003504686630000036
和加密位置信息
Figure FDA0003504686630000037
随机性任选其一发送给它的相邻机器人。
CN202210136056.4A 2022-02-15 2022-02-15 一种多机器人在安全通信下的编队控制方法 Pending CN114489084A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210136056.4A CN114489084A (zh) 2022-02-15 2022-02-15 一种多机器人在安全通信下的编队控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210136056.4A CN114489084A (zh) 2022-02-15 2022-02-15 一种多机器人在安全通信下的编队控制方法

Publications (1)

Publication Number Publication Date
CN114489084A true CN114489084A (zh) 2022-05-13

Family

ID=81481320

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210136056.4A Pending CN114489084A (zh) 2022-02-15 2022-02-15 一种多机器人在安全通信下的编队控制方法

Country Status (1)

Country Link
CN (1) CN114489084A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109379125A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种多智能体编队控制方法及系统
CN109947131A (zh) * 2019-04-08 2019-06-28 燕山大学 一种基于强化学习的多水下机器人编队控制方法
CN111983923A (zh) * 2020-07-17 2020-11-24 鹏城实验室 一种受限多智能体系统编队控制方法、系统及设备
CN112327839A (zh) * 2020-10-27 2021-02-05 中国科学技术大学 用于多机器人系统的编队控制方法、装置、设备及介质
CN112859910A (zh) * 2021-01-08 2021-05-28 山东大学 考虑隐私保护的无人机编队事件触发一致性控制方法及系统
CN112947407A (zh) * 2021-01-14 2021-06-11 华南理工大学 一种多智能体有限时间的编队路径跟踪控制方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109379125A (zh) * 2018-09-30 2019-02-22 北京航空航天大学 一种多智能体编队控制方法及系统
CN109947131A (zh) * 2019-04-08 2019-06-28 燕山大学 一种基于强化学习的多水下机器人编队控制方法
CN111983923A (zh) * 2020-07-17 2020-11-24 鹏城实验室 一种受限多智能体系统编队控制方法、系统及设备
CN112327839A (zh) * 2020-10-27 2021-02-05 中国科学技术大学 用于多机器人系统的编队控制方法、装置、设备及介质
CN112859910A (zh) * 2021-01-08 2021-05-28 山东大学 考虑隐私保护的无人机编队事件触发一致性控制方法及系统
CN112947407A (zh) * 2021-01-14 2021-06-11 华南理工大学 一种多智能体有限时间的编队路径跟踪控制方法及系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴正平，等: "基于一致性理论的多机器人系统队形控制", 控制与决策, vol. 22, no. 11, pages 1241 - 1244 *
孙玉娇，等: "具有切换拓扑的多智能体系统协同控制的差分隐私保护", 控制理论与应用, pages 1 - 8 *
王银涛: "多智能体信息一致性在机器人编队控制中的应用", 火力与指挥控制, vol. 35, no. 10, pages 4 - 7 *

Similar Documents

Publication Publication Date Title
Cheon et al. Toward a secure drone system: Flying with real-time homomorphic authenticated encryption
Chen et al. Surrounding control in cooperative agent networks
CN112003700B (zh) 一种忆阻神经网络固定时间控制的安全通信方法及系统
CN110716582B (zh) 适用于通信受间歇DoS攻击下的多智能体一致性跟踪协议设计方法
CN113268064A (zh) 一种考虑通信时延的多移动机器人协同编队控制方法
CN111884817B (zh) 一种分布式无人机集群网络安全通信的实现方法
CN113312635B (zh) 一种基于状态隐私保护的多智能体容错一致性方法
Zhang et al. Collaborative control of multivehicle systems in diverse motion patterns
Ghedini et al. Toward efficient adaptive ad-hoc multi-robot network topologies
CN110865655B (zh) 无人机系统中无人机的编队和避障控制方法
CN111722625B (zh) 时变数量群体机器人接力目标跟踪系统的稳定性分析方法
Kan et al. Ensuring network connectivity during formation control using a decentralized navigation function
Wang et al. Consensus control of multi-agent systems with deception attacks using event-triggered adaptive cognitive control
Hammad et al. A provable secure and efficient authentication framework for smart manufacturing industry
CN114489084A (zh) 一种多机器人在安全通信下的编队控制方法
CN111596688B (zh) 基于连续通信的多无人机编队一致性控制方法
Stephan et al. Hybrid architecture for communication-aware multi-robot systems
Bezzo et al. A decentralized connectivity strategy for mobile router swarms
Bhattacharya et al. Spatial approaches to broadband jamming in heterogeneous mobile networks: a game-theoretic approach
US20230085829A1 (en) Norm-free event triggered information exchange for distributed control of multiagent systems
Yu et al. Flocking and topology manipulation based on space partitioning
Ruggeri et al. Safety-based dynamic task offloading for human-robot collaboration using deep reinforcement learning
Simonetto et al. Distributed multi-target tracking via mobile robotic networks: A localized non-iterative SDP approach
Nakamura et al. Numerical investigation on reduction of power consumption and improvement of success rate for consensus in multi‐agent systems over a wireless network considering the number of agents
Zhu et al. Networked cyber-physical systems: Interdependence, resilience and information exchange

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20220513