CN114637279B - 一种基于局部方位信息的多智能体编队控制方法 - Google Patents

Abstract

本发明公开了一种基于局部方位信息的多智能体编队控制方法，其用于在局部坐标系中控制多智能体中的各智能体移动并最终使多智能体以预设的编队状态运行，该控制方法主要包括一用于实时输出控制二类智能体运动的控制算法，该控制算法所需的观测数据仅包括方位向量和相对朝向角，其余数据如方位约束条件等均为给定的已知量，而上述的方位向量和相对朝向角可通过简单的视觉传感器获得，并可基于二类智能体自身的局部坐标系进行表示，从而简化了多智能体编队控制对传感器的需求，极大地降低了设备成本。

Description

一种基于局部方位信息的多智能体编队控制方法

技术领域

本发明涉及多智能体编队控制方法技术领域，具体涉及一种基于局部方位信息的多智能体编队控制方法。

背景技术

多智能体编队控制一般是指在给出确定的多智能体编队的情况下，被动的跟随者通过预设的控制方法跟随主动的领导者运动，使得最终所有的多智能体均可到达所要求的编队位置的过程。

目前，多智能体编队控制方法主要包括基于全局位置反馈、基于相对位移反馈、基于距离反馈和基于方位信息反馈等方法，其中基于方位信息反馈的多智能体编队控制方法只需要智能体测量与邻居之间的相对方位，即可进行控制，而方位信息的检测只需要视觉传感器即可实现，因此相比于其他控制方法成本更为低廉。

现有技术中，基于方位信息的多智能体编队控制一般基于全局坐标系实现，这意味着需要将每个智能体所测得的方位信息统一至一全局坐标系，但每个智能体的方位信息均是基于其自身的局部坐标系所获得的，而自身的局部坐标系又会随着自身姿态的改变而改变，因此若要统一至一全局坐标系，还需要在每个智能体上额外配备激光雷达、视觉里程计或姿态传感器等，使得成本增加、控制方法更为复杂。

同时，现有技术中，多智能体编队控制一般还会受到非完整性约束，对于轮式移动机器人、水下机器人、无人飞行器等，其运动过程会受到智能体自身的朝向约束。

因此，在非完整性模型约束下，基于方位信息在局部坐标系中对智能体进行编队控制，对现有的多智能体编队控制方法的改进具有重要意义。

发明内容

本发明的目的在于克服背景技术中存在的上述缺陷或问题，提供一种基于局部方位信息的多智能体编队控制方法，其用于在局部坐标系中控制多智能体中的各智能体移动并最终使多智能体以预设的编队状态运行，该控制方法主要包括一用于实时输出控制二类智能体运动的控制算法，该控制算法所需的观测数据仅包括方位向量和相对朝向角，其余数据如方位约束条件等均为给定的已知量，而上述的方位向量和相对朝向角可通过简单的视觉传感器获得，并可基于二类智能体自身的局部坐标系进行表示，从而简化了多智能体编队控制对传感器的需求，极大地降低了设备成本。

为达成上述目的，本发明采用如下技术方案：

一种基于局部方位信息的多智能体编队控制方法，其用于在局部坐标系中控制所述多智能体中的各智能体移动并最终使所述多智能体以预设的编队状态运行，所述的多智能体包括至少两个适于根据预设轨迹移动的一类智能体，和适于跟随所述一类智能体移动的二类智能体；每一所述二类智能体均包括若干与其通信连接的邻居，且其被配置为适于观测其邻居相对其自身的方位信息并基于所述方位信息根据控制算法跟随所述一类智能体移动；所述邻居包括一类智能体和二类智能体；所述控制算法用于实时输出所述二类智能体的速度v_i和角速度ω_i，其为：

其中：

以上公式中：标记l表示一类智能体，标记f表示二类智能体，标记i表示任一智能体，标记j表示智能体i的邻居，表示二类智能体的集合，/>为智能体i的邻居j的集合；k_p、k_w、k_θ为正比例系数；/>表示/>的微分，/>表示智能体i与一类智能体之间的相对朝向角的估计值，/>表示智能体i由邻居j获得的邻居j与一类智能体之间的相对朝向角的估计值；表示智能体i与邻居j之间的相对朝向角；/>表示/>的微分，/>表示智能体i对一类智能体的速度的估计值，/>表示智能体i由邻居j获得的邻居j对一类智能体的速度的估计值，/>表示/>的微分；/>为所述方位信息，其表示基于智能体i自身的局部坐标系Σ_i由智能体i观测获得的其与邻居j之间的方位向量；/>为基于预设的编队状态给定的方位约束条件。

进一步的，所述的预设的编队状态为二维平面上的编队状态，且所述的方位约束条件基于一类智能体所共用的局部坐标系Σ_l建立；其中：

为基于预设的编队状态给定的智能体i与邻居j之间的目标方位向量，其满足方位刚性要求；

θ_l为一类智能体在以所述的预设的编队状态所确定的全局坐标系Σ_w中的朝向角。

进一步的，智能体i与其邻居j之间的方位向量定义为其中：

e_ij＝p_j-p_i；

其表示智能体i在二维平面上的坐标；

其表示邻居j在二维平面上的坐标。

进一步的，所述一类智能体的朝向角始终不变。

进一步的，所述二类智能体上设有用于观测所述智能体i与其邻居j之间的相对朝向角和方位向量/>的视觉传感器。

由上述对本发明的描述可知，相对于现有技术，本发明具有如下有益效果：

本发明采用分布式的控制方法对多智能体进行控制，其目的在于使多智能体能够以预设的编队状态运行，其中多智能体包括作为领导者的一类智能体和作为跟随者的二类智能体，一类智能体可以根据预设的程序自主控制运行，二类智能体可以跟随一类智能体运行并以一类智能体为参照物到达预设的编队状态中所指定的位置。

其中，对于二类智能体的控制根据控制算法实时输出速度和角速度实现，该控制算法中所需要的测量值包括相对的方位向量和相对朝向角，方位约束条件为给定的已知量，其余参数为根据方位信息通过计算即可获得，并且其所获得的方位信息是基于二类智能体自身的局部坐标系表示的，这就使得本发明所提供的控制方法无需包括基于全局坐标系的控制过程，二类智能体只需要测量其与邻居的相对朝向角和方位向量即可实现对其速度和角速度的控制；同时，相比于一类智能体直接将其自身信息传递至二类智能体，接收到信息的二类智能体再将一类智能体的信息传递至后段的其他二类智能体的情况，该控制方法不会在通信过程中出现回环，因此无需对传递的信息添加识别标志，进而降低了通信数据量，还可避免逐层传递信息带来的通信延迟的问题，因此其可以在作为领导者的一类智能体速率时变的情况下实现二类智能体的编队跟随。

同时，该控制算法还基于非完整性约束模型建立，其考虑到多智能体实际运行过程中的朝向问题，相比于常规的基于方位信息的控制算法，其更加适用于实际的应用场景。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域的普通技术人员来说，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的多智能体仿真实验中各智能体的轨迹变化；

图2为本发明实施例所提供的多智能体仿真实验中各智能体的朝向角变化；

图3为本发明实施例所提供的多智能体仿真实验中各智能体的方位误差变化；

图4为本发明实施例所提供的多智能体仿真实验中各智能体的速率变化。

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，所描述的实施例是本发明的优选实施例，且不应被看作对其他实施例的排除。基于本发明实施例，本领域的普通技术人员在不作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。

本发明的权利要求书、说明书及上述附图中，除非另有明确限定，如使用术语“第一”、“第二”或“第三”等，都是为了区别不同对象，而不是用于描述特定顺序。

本发明的权利要求书、说明书及上述附图中，如使用术语“包括”、“具有”以及它们的变形，意图在于“包含但不限于”。

本实施例涉及一种基于局部方位信息的多智能体编队控制方法，其用于在局部坐标系中控制多智能体中的各智能体移动并最终使多智能体以预设的编队状态运行，其中，多智能体可以是由多个无人飞行器、轮式机器人等组成的智能体集群，其包括有多个自身即具备一定的计算能力的智能体，且每个智能体至少可以获知其自身的速度和角速度，并可基于其自身建立一局部坐标系。

多智能体在某一阶段的最终状态即为上述的预设的编队状态，此时该多智能体集群中的每一智能体均达到该预设的编队状态中所指定的位置，此时该多智能体集群可以处于移动状态或是静止状态，但各个智能体之间应当是处于相对静止状态。

在本实施例中，智能体上还设置有视觉传感器，该视觉传感器可以用于观测该智能体周围的其他智能体所在的位置，并以此计算二者之间的相对朝向角和方位向量。

此外，本发明所提供的控制方法所应用的多智能体集群，属于存在领导者和跟随者这两种不同身份的智能体类别的多智能体集群。其中，作为领导者的智能体在本实施例中为一类智能体，其可以根据预设的轨迹进行移动，在移动过程中，一类智能体实时的方向、速率等均为预设的已知量。另外，作为跟随着的智能体在本实施例中为二类智能体，其适于跟随一类智能体移动，实际上，本发明主要在于提供一种如何控制二类智能体使其得以在位于预设范围内的任意位置均可跟随一类智能体移动并最终到达指定位置。

其中，每一二类智能体均包括若干与其通信连接的邻居，且其被配置为始于观测其邻居相对其自身的方位信息并基于该方位信息根据控制算法跟随一类智能体移动。其中的邻居既可为其他的二类智能体，也可为一类智能体。

应当注意的是，由于本发明所提供的控制方法是基于方位信息对二类智能体进行控制，因此其面对的场景要求一类智能体在该多智能体集群中至少包括两个。

上述的控制算法用于实时输出二类智能体的速度v_i和角速度ω_i，其具体为：

其中，

以上公式中，标记l表示一类智能体，标记f表示二类智能体，标记i表示任一智能体，标记j表示智能体i的邻居，表示二类智能体的集合，/>为智能体i的邻居j的集合；k_p、k_w、k_θ为正比例系数；/>表示/>的微分，/>表示智能体与一类智能体之间的相对朝向角的估计值，/>表示智能体i由邻居j获得的邻居j与一类智能体之间的相对朝向角的估计值；表示智能体i与邻居j之间的相对朝向角；/>表示/>的微分，/>表示智能体i对一类智能体的速度的估计值，/>表示智能体i由邻居j获得的邻居j对一类智能体的速度的估计值，/>表示/>的微分；/>表示基于智能体i自身的局部坐标系Σ_i由智能体i观测获得的其与邻居j之间的方位向量；/>为基于预设的编队状态给定的方位约束条件；所述的方位信息包括智能体i与邻居j之间的相对朝向角/>和方位向量/>

应当注意的是，本发明所提供的控制方法所指向的多智能体预设的编队状态为二维平面上的编队状态，其不考虑三维环境上的展开，且上述的方位约束条件基于一类智能体所共用的局部坐标系Σ_l建立；

其中：

为基于预设的编队状态给定的智能体和邻居之间的目标方位向量，其满足方位刚性要求；θ_l为一类智能体在以所述的预设的编队状态所确定的全局坐标系Σ_w中的朝向角。

此外，智能体i与其邻居j之间的方位向量定义为

其中：e_ij＝p_j-p_i；

其表示智能体i在二维平面上的坐标；

其表示邻居j在二维平面上的坐标。

上述的公式中主要包括控制器、朝向角观测器和速率观测器，控制器包括公式(1)和公式(2)，其用于输出控制二类智能体所需的速度v_i和角速度ω_i；朝向角观测器为公式(3)，其用于获取智能体i相对一类智能体的朝向角的估计值，这一估计值可通过其与邻居j之间的相对朝向角获得；速率观测器为公式(4)，其可应用于一类智能体处于移动状态时的情况，用于获取一类智能体的速率的估计值。

在本实施例中，由于仅有二类智能体需要以上述控制算法进行控制，因此上述的智能体i可以视为二类智能体而不包括一类智能体，但由于某些二类智能体可以直接观测到一类智能体，因此对于该部分二类智能体而言，一类智能体也属于其邻居j。

在实际运算过程中，每个二类智能体独立地执行以下步骤：

S1、初始化和/>为0；

S2、接收邻居j发送的

S3、测量与邻居j的相对朝向角

S4、依据控制算法所提供的公式计算并获得新的/>

S5、基于局部坐标系Σ_i计算邻居j的方位向量

S6、依据控制算法所提供的公式计算速度v_i和角速度ω_i。

每个二类智能体基于预设的周期循环执行上述步骤，直至其所处的多智能体集群以预设的编队状态运行。其中，作为领导者的一类智能体的朝向角在控制过程中始终保持不变，同时上述的相对朝向角和方位向量/>均通过设置在二类智能体上的视觉传感器实现测量。

此外，本实施例提供一仿真实验，以对上述控制方法的有效性进行证明。

具体的，参照图1，该仿真实验中给出的预设编队状态为由两个正方形拼接形成的矩形，采用的多智能体集群包括6个智能体，其中一类智能体的数量为2个，二类智能体的数量为4个，并且这4个二类智能体中有2个可以直接跟踪一类智能体，剩余的2个二类智能体跟踪之前的2个二类智能体。

该预设的编队状态包括10个方位约束条件依据编号由1至10分别为：[0,-1]^T，/>[0,-1]^T，

另外，k_θ、k_p、k_w都等于1，θ_l等于π/4，一类智能体的速率v_l为一个时变的速率。

依据以上参数进行仿真实验，结果如图1-4所示。

参照图1，其中的线条表示各智能体的运动轨迹，轨迹上的箭头表示各智能体的运动方向，最终该多智能体集群可以实现以给定的预设编队状态运行。

参照图2，其中位于中间的线条表示一类智能体的朝向角变化，其表明一类智能体的朝向角在控制过程中保持不变，其余线条表示4个二类智能体的朝向角变化，最终各二类智能体的朝向角与一类智能体的朝向角保持一致。

参照图3，采用作为方位约束条件/>的误差表示，可得知各误差最终稳定在0附近，表明各个智能体之间的方位向量满足了设定的方位约束条件/>

参照图4，其中直线条表示一类智能体的速率变化，其余曲线条表示二类智能体的速率变化，其表明各二类智能体最终与一类智能体的速率趋于一致。

本发明所提供的一种基于局部方位信息的多智能体编队控制方法，对于二类智能体的控制根据控制算法实时输出速度和角速度实现，该控制算法中所需要的测量值包括相对的方位向量和相对朝向角，方位约束条件为给定的已知量，其余参数为根据方位信息通过计算即可获得，并且其所获得的方位信息是基于二类智能体自身的局部坐标系表示的，这就使得本发明所提供的控制方法无需包括基于全局坐标系的控制过程，二类智能体只需要测量其与邻居的相对朝向角和方位向量即可实现对其速度和角速度的控制；同时，相比于一类智能体直接将其自身信息传递至二类智能体，接收到信息的二类智能体再将一类智能体的信息传递至后段的其他二类智能体的情况，该控制方法不会在通信过程中出现回环，因此无需对传递的信息添加识别标志，进而降低了通信数据量，还可避免逐层传递信息带来的通信延迟的问题，因此其可以在作为领导者的一类智能体速率时变的情况下实现二类智能体的编队跟随。

上述说明书和实施例的描述，用于解释本发明保护范围，但并不构成对本发明保护范围的限定。通过本发明或上述实施例的启示，本领域普通技术人员结合公知常识、本领域的普通技术知识和/或现有技术，通过合乎逻辑的分析、推理或有限的试验可以得到的对本发明实施例或其中一部分技术特征的修改、等同替换或其他改进，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于局部方位信息的多智能体编队控制方法，其用于在局部坐标系中控制所述多智能体中的各智能体移动并最终使所述多智能体以预设的编队状态运行，其特征是，

所述的多智能体包括至少两个适于根据预设轨迹移动的一类智能体，和适于跟随所述一类智能体移动的二类智能体；

每一所述二类智能体均包括若干与其通信连接的邻居，且其被配置为适于观测其邻居相对其自身的方位信息并基于所述方位信息根据控制算法跟随所述一类智能体移动；

所述邻居包括一类智能体和二类智能体；

所述控制算法用于实时输出所述二类智能体的速度v_i和角速度ω_i，其为：

其中：

以上公式中：

标记l表示一类智能体，标记f表示二类智能体，标记i表示任一智能体，标记j表示智能体i的邻居，v_f表示二类智能体的集合，为智能体i的邻居j的集合；

k_p、k_w、k_θ为正比例系数；

表示/>的微分，/>表示智能体i与一类智能体之间的相对朝向角的估计值，/>表示智能体i由邻居j获得的邻居j与一类智能体之间的相对朝向角的估计值；/>表示智能体i与邻居j之间的相对朝向角；

表示/>的微分，/>表示智能体i对一类智能体的速度的估计值，/>表示智能体i由邻居j获得的邻居j对一类智能体的速度的估计值，/>表示/>的微分；

为所述方位信息，其表示基于智能体i自身的局部坐标系Σ_i由智能体i观测获得的其与邻居j之间的方位向量；

为基于预设的编队状态给定的方位约束条件。

2.如权利要求1所述的一种基于局部方位信息的多智能体编队控制方法，其特征是，所述的预设的编队状态为二维平面上的编队状态，且所述的方位约束条件基于一类智能体所共用的局部坐标系Σ_l建立；

其中：

为基于预设的编队状态给定的智能体i与邻居j之间的目标方位向量，其满足方位刚性要求；

θ_l为一类智能体在以所述的预设的编队状态所确定的全局坐标系Σ_w中的朝向角。

3.如权利要求2所述的一种基于局部方位信息的多智能体编队控制方法，其特征是，智能体i与其邻居j之间的方位向量定义为

其中：

e_ij＝p_j-p_i；

其表示智能体i在二维平面上的坐标；

其表示邻居j在二维平面上的坐标。

4.如权利要求3所述的一种基于局部方位信息的多智能体编队控制方法，其特征是，所述一类智能体的朝向角始终不变。

5.如权利要求4所述的一种基于局部方位信息的多智能体编队控制方法，其特征是，所述二类智能体上设有用于观测所述智能体i与其邻居j之间的相对朝向角和方位向量/>的视觉传感器。