CN116027782A - 一种考虑有偏测距误差的分布式相似编队控制方法 - Google Patents
一种考虑有偏测距误差的分布式相似编队控制方法 Download PDFInfo
- Publication number
- CN116027782A CN116027782A CN202211671705.7A CN202211671705A CN116027782A CN 116027782 A CN116027782 A CN 116027782A CN 202211671705 A CN202211671705 A CN 202211671705A CN 116027782 A CN116027782 A CN 116027782A
- Authority
- CN
- China
- Prior art keywords
- agent
- formation
- measurement
- biased
- formation control
- 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.)
- Withdrawn
Links
- 230000015572 biosynthetic process Effects 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005259 measurement Methods 0.000 claims abstract description 48
- 238000011217 control strategy Methods 0.000 claims abstract description 21
- 238000004891 communication Methods 0.000 claims abstract description 9
- 238000013461 design Methods 0.000 claims abstract description 4
- 239000003795 chemical substances by application Substances 0.000 claims description 106
- 238000005755 formation reaction Methods 0.000 claims description 103
- 239000011159 matrix material Substances 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 6
- 125000002015 acyclic group Chemical group 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000012886 linear function Methods 0.000 claims description 3
- 230000010363 phase shift Effects 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种考虑有偏测距误差的分布式相似编队控制方法,步骤如下:将多智能体系统的分布式相似编队控制策略转化为离散时间意义下的多智能体的分布式控制策略;设计k时刻被控多智能体编队系统动态模型;设计被控多智能体编队系统测量拓扑模型;引入有偏随机测距误差模型;将k时刻考虑偏随机测距误差的被控多智能体编队系统模型转化为一般的状态空间模型;确定相似编队控制算法收敛定义;根据目标队形得到可以消除有偏随机测距误差影响的相似编队控制策略。本发明通过在2根测量拓扑的基础上增加适量有向测量边以及有向通信链路,进一步设计相似编队算法参数,从而消除了有偏随机测量误差对分布式相似编队算法的影响。
Description
技术领域
本发明涉及多智能体系统分布式编队控制技术,特别是一种考虑有偏测距误差的分布式相似编队控制方法。
背景技术
多智能体系统的研究工作中有大量关于编队控制的工作,编队控制被广泛应用于如商业表演、区域探测和人员搜救等邻域。由于分布式编队控制越来越多应用于室内,深海,洞穴等无GPS场景,因此不依赖GPS等全局定位模块的分布式编队控制方法的需求十分紧迫。相似编队控制算法作为不依赖全局定位模块的优秀分布式编队算法成为本发明关注的对象。不依赖全局定位模块的分布式编队算法需要智能体间相互测量相对位置,相对角度等信息来完成编队任务。由于激光测距等现阶段常用的测距手段不可避免的包含有偏随机测量误差。
发明内容
发明目的:本发明的目的是提供一种考虑有偏测距误差的分布式相似编队控制方法,该方法能够消除有偏随机测量噪声对相似编队控制系统的影响,使得该编队控制方法拥有广阔的应用前景,弥补研究领域的空白。
技术方案:本发明所述的一种考虑有偏测距误差的分布式相似编队控制方法,包括以下步骤:
步骤1、将多智能体系统的分布式相似编队控制策略转化为以时间T为周期的离散时间意义下的多智能体的分布式控制策略;
步骤2、设计k时刻被控多智能体编队系统动态模型;
步骤3、设计被控多智能体编队系统测量拓扑模型;
步骤5、将k时刻考虑偏随机测距误差的被控多智能体编队系统模型转化为一般的状态空间模型;所述被控多智能体编队系统模型包括动态模型和测量拓扑模型;
步骤6、确定相似编队控制算法收敛到目标队形ξ定义;
步骤7、根据目标队形ξ得到可以消除有偏随机测距误差影响的相似编队控制策略。
所述步骤(2)具体为:
设计k时刻被控多智能体编队系统动态模型所采用的公式为:
所述步骤(3)具体为:
所述步骤(4)具体为:
所述步骤(5)具体为:
将k时刻考虑偏随机测距误差的被控多智能体编队系统模型转化为一般的状态空间模型采用的公式为:
所述步骤(6)具体为:
||E(z(k)-c11n-c2ξ)||→0,k→∞
||D(z(k)-c11n-c2ξ)||≤M,k→∞
其中,称为k时刻的全局位置向量,E(z(k)-c11n-c2ξ表示智能体位置z(k)和目标队形ξ的相似队形c11n+c2ξ的差的均值;D(z(k)-c11n-c2ξ)表示智能体位置z(k)和目标队形ξ的相似队形c11n+c2ξ的差的方差。
所述步骤(7)具体为:
步骤7.1、首先增加测量拓扑中的有向测量边:对于平凡的目标队形智能体的拓扑图是2根的,对每个智能体i的邻居集合存在至少两个邻居满足j1,j2由一条有向边相连;即j1,j2两个智能体中的一个能够基于自己的本地坐标系测得另一个智能体和自己的相对位置;例如对于智能体i的两个邻居j1,j2,智能体j1可以测得
步骤7.3、在增加的有向测量边和有向通信链路的基础上,根据目标队形ξ得到可以消除有偏随机测距误差影响的相似编队控制策略具体为:
di满足:di是对角阵D的第i行对角元,存在正实数α,使得-DL的特征值除了2个在零点外,其余均在半平面{s:Re(s)<-α|;
该控制策略可以保证分布式相似编队控制系统k时刻的全局位置向量z(k)同时满足步骤6中的定义:||E(z(k)-c11n-c2ξ)||→0,k→∞和||D(z(k)-c11n-c2ξ)≤M,k→∞。
一种计算机存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述的一种考虑有偏测距误差的分布式相似编队控制方法。
一种计算机设备,包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的一种考虑有偏测距误差的分布式相似编队控制方法。
有益效果:与现有技术相比,本发明具有如下优点:本发明针对有偏随机测量误差,通过在2根测量拓扑的基础上增加适量有向测量边以及有向通信链路,进一步设计相似编队算法参数,从而消除了有偏随机测量误差对分布式相似编队算法的影响。
附图说明
图1为本发明所述方法的步骤流程图;
图2为本发明的测量拓扑模型图;
图3为本发明的智能体所执行的编队任务的目标队形;
图4为本发明的智能体运动轨迹图;
图5为本发明的智能体队形和目标队形相似队形的误差曲线图。
具体实施方式
下面结合附图对本发明的技术方案作进一步说明。
如图1所示,一种考虑有偏测距误差的分布式相似编队控制方法,包括以下步骤:
步骤1、将多智能体系统的分布式相似编队控制策略转化为以时间T为周期的离散时间意义下的多智能体的分布式控制策略。
步骤2、设计k时刻被控多智能体编队系统动态模型,具体为:
步骤5、将k时刻考虑偏随机测距误差的被控多智能体编队系统模型(动态模型+测量拓扑模型)转化为一般的状态空间模型,具体为:
步骤6、得到相似编队控制算法收敛到目标队形ξ的定义,具体为:
||E(z(k)-c11n-c2ξ)||→0,k→∞
||D(z(k)-c11n-c2ξ)||≤M,k→∞
其中称为k时刻的全局位置向量,E(z(k)-c11n-c2ξ表示智能体位置zk和目标队形ξ的相似队形c11n+c2ξ的差的均值;D(z(k)-c11n-c2ξ)表示智能体位置z(k)和目标队形ξ的相似队形c11n+c2ξ的差的方差。
步骤7、根据目标队形ξ得到可以消除有偏随机测距误差影响的相似编队控制策略。
步骤7.1、首先增加测量拓扑中的有向测量边:对于平凡的目标队形智能体的拓扑图是2根的,对每个智能体i的邻居集合存在至少两个邻居满足j1,j2由一条有向边相连;即j1,j2两个智能体中的一个能够基于自己的本地坐标系测得另一个智能体和自己的相对位置;例如对于智能体i的两个邻居j1,j2,智能体j1可以测得
步骤7.3、在增加的有向测量边和有向通信链路的基础上,根据目标队形ξ得到可以消除有偏随机测距误差影响的相似编队控制策略具体为:
di满足:di是对角阵D的第i行对角元,存在正实数α,使得-DL的特征值除了2个在零点外,其余均在半平面{s:Re(s)<-α}。
上面的系统可以化为如下矩阵形式:
其中:
对于上述控制方法,在均值意义上:由于对于E(di(k)+bi(k))有:
容易得到:
E(z(k+1))=(I-DL)E(z(k))
取矩阵Q是(n-2)×n维的行酉矩阵,满足:
Q1n=0,Qξ=0,QQH=In-2
则:
E(x(k+1))=Q(I-DL)QHE(x(k))
由于-DL的特征值除了2个为0以外,其余的特征值特征值均在左半单位圆内。故Q(I-DL)QH的特征值均在单位圆内,故:
||E(x(k))||≤λmax k(Q(I-DL)QH)E(x(0))→0,k→∞
在方差意义上:
其中:
故得到结论:该控制策略能够保证分布式相似编队控制系统k时刻的全局位置向量z(k)同时满足步骤6中的定义:||E(z(k)-c11n-c2ξ)||→0,k→∞和||D(z(k)-c11n-c2ξ)||≤M,k→∞。
下面通过仿真验证本发明的有效性。仿真参数如下:
考虑含有9个智能体相似编队控制系统的仿真,系统的拓扑如图2。图2中黑色箭头代表有向测量拓扑的关系,例如智能体1可以测量智能体2和智能体4相对自身的相对位置信息。图中黑色的虚线箭头代表在相似编队算法运行过程中,为了抵消有偏测量误差而引入的邻居间的测量关系,例如智能体1的邻居智能体2要测量智能体4到自身的相对位置。黑色点线代表增加的有向通讯链路,例如智能体2要将测得相对位置信息发送给智能体1。
图3是9个智能体的目标位置图。
D=1/80*diag([31.8,8.3,26,7.8,23.6,14,5.5,1,1])
则I-DL的特征值中除了两个为1以外,其余均在单位圆内,且除1以外,模最大的特征值为λmax(Q(I-DL)QH)=0.9375+0.1609ι,||λmax(Q(I-DLQH2=0.9048。距离测量误差δijcek为正态分布随机数,其均值为δc=0.001,方差为
仿真结果说明:图4显示9个智能体的运动轨迹,可以发现9个智能体排列成了目标队形的相似队形。图5为智能体队形和目标队形相似队形的误差曲线图,可以发现曲线在0轴附近小幅震荡,佐证了本发明的结论。
Claims (9)
7.根据权利要求1所述的一种考虑有偏测距误差的分布式相似编队控制方法,其特征在于,所述步骤(7)具体为:
步骤7.1、首先增加测量拓扑中的有向测量边:对于平凡的目标队形智能体的拓扑图是2根的,对每个智能体i的邻居集合存在至少两个邻居满足j1,j2由一条有向边相连;即j1,j2两个智能体中的一个能够基于自己的本地坐标系测得另一个智能体和自己的相对位置;
步骤7.3、在增加的有向测量边和有向通信链路的基础上,根据目标队形ξ得到可以消除有偏随机测距误差影响的相似编队控制策略具体为:
di满足:di是对角阵D的第i行对角元,存在正实数α,使得-DL的特征值除了2个在零点外,其余均在半平面{s:Re(s)<-α};
该控制策略可以保证分布式相似编队控制系统k时刻的全局位置向量z(k)同时满足步骤6中的定义:||E(z(k)-c11n-c2ξ)||→0,k→∞和||D(z(k)-c11n-c2ξ)≤M,k→∞。
8.一种计算机存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7中任一项所述的一种考虑有偏测距误差的分布式相似编队控制方法。
9.一种计算机设备,包括储存器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7中任一项所述的一种考虑有偏测距误差的分布式相似编队控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671705.7A CN116027782A (zh) | 2022-12-26 | 2022-12-26 | 一种考虑有偏测距误差的分布式相似编队控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211671705.7A CN116027782A (zh) | 2022-12-26 | 2022-12-26 | 一种考虑有偏测距误差的分布式相似编队控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116027782A true CN116027782A (zh) | 2023-04-28 |
Family
ID=86075295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211671705.7A Withdrawn CN116027782A (zh) | 2022-12-26 | 2022-12-26 | 一种考虑有偏测距误差的分布式相似编队控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116027782A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400604A (zh) * | 2023-06-06 | 2023-07-07 | 浙江大学海南研究院 | 具有避碰性能的多智能体系统球形编队控制方法 |
-
2022
- 2022-12-26 CN CN202211671705.7A patent/CN116027782A/zh not_active Withdrawn
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116400604A (zh) * | 2023-06-06 | 2023-07-07 | 浙江大学海南研究院 | 具有避碰性能的多智能体系统球形编队控制方法 |
CN116400604B (zh) * | 2023-06-06 | 2023-08-18 | 浙江大学海南研究院 | 具有避碰性能的多智能体系统球形编队控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108037520B (zh) | 阵列幅相误差条件下基于神经网络的直接定位偏差修正方法 | |
CN110487271A (zh) | 一种GNSS信号受阻时Elman神经网络辅助紧组合导航方法 | |
CN109597864B (zh) | 椭球边界卡尔曼滤波的即时定位与地图构建方法及系统 | |
CN113048984A (zh) | 一种用于水下无人机器人集群的动态定位信息融合方法 | |
CN116027782A (zh) | 一种考虑有偏测距误差的分布式相似编队控制方法 | |
CN116088303B (zh) | 一种不确定复杂动态网络状态时变递推估计方法 | |
CN111898725A (zh) | 一种空调系统传感器故障检测方法、装置及电子设备 | |
CN112097774B (zh) | 基于自适应卡尔曼滤波与平均跟踪的分布式地图融合方法 | |
CN110940985A (zh) | 一种多uuv跟踪围捕系统及围捕方法 | |
CN111928851B (zh) | 基于tma技术的多自主水下机器人集群协同导航方法 | |
Liu et al. | Data-Driven Distributionally Robust Optimal Control with State-Dependent Noise | |
Qin et al. | Two-layer formation-containment fault-tolerant control of fixed-wing UAV swarm for dynamic target tracking | |
Guo et al. | Intelligent assistance positioning methodology based on modified iSAM for AUV using low-cost sensors | |
CN110146084B (zh) | 面向卫星故障的多星编队系统分布式协同导航滤波方法 | |
CN107197519B (zh) | 基于改进的最小二乘支持向量机的水下目标定位方法 | |
Fu et al. | A novel optimal redundant inertial sensor configuration in strapdown inertial navigation system | |
CN110850366B (zh) | 混合视距和非视距环境下基于接收信号强度的定位方法 | |
CN112954637B (zh) | 一种锚节点位置不确定情况下的目标定位方法 | |
CN111505576B (zh) | 一种针对tdoa定位的传感器选择方法 | |
CN106934124A (zh) | 一种基于量测变化检测的自适应变划窗方法 | |
CN112800889A (zh) | 一种基于分布式矩阵加权融合高斯滤波的目标跟踪方法 | |
Liu et al. | A solution to active simultaneous localization and mapping problem based on optimal control | |
CN117195946B (zh) | 一种基于扩展卡尔曼滤波的wsn机动目标跟踪方法 | |
CN114942646B (zh) | 异构无人系统三维空间编队控制方法 | |
CN114459484B (zh) | 航迹初始化方法及装置 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20230428 |