基于人工势场法的多智能体编队控制方法技术

本发明专利技术提供一种基于人工势场法的多智能体编队控制方法，该方法能够确保每个智能体能够避碰避障，并趋近于目标点；具体过程为：建立人工势场函数，当智能体与障碍物的位置小于安全距离时，只进行避障，当智能体与障碍物的距离大于安全距离时，进行编队和目标点跟踪；基于所述人工势场函数构建多智能体编队控制优化模型，基于所述优化模型实现对多智能体编队控制。控制。控制。

【技术实现步骤摘要】
基于人工势场法的多智能体编队控制方法


[0001]本专利技术属于多智能体编队控制
，具体涉及一种基于人工势场法的多智能体编队控制方法。

技术介绍

[0002]在实际的生产生活中，随着任务变得日益复杂，单个控制系统越来越无法适应控制需求。受到自然界中集群现象的启发，多智能体系统应运而生，其中编队控制是最近几十年来多智能体系统研究的热点，它通过设计合适的控制算法，根据传感器提供的本地信息以及与相邻智能体通信获得的局部或全局信息，使多个智能体(如无人机、无人车等)能够在移动到目标位置的同时，保持预期的编队形状。由于多智能体编队能够实现单个个体无法完成的任务或挑战，具有更强的容错型和鲁棒性，使其在军事领域和生活领域具有很大的应用潜力。尤其在军事领域，未来多智能体集群编队将会在应对现实威胁、提高作战能力等多个方面产生深远影响，成为未来地面战场的主要战斗力。发展智能集群化作战技术，会对未来的作战形式产生颠覆性影响。
[0003]而在实际应用中，一方面，为了安全考虑，所设计的编队控制算法应该保证智能体具有避碰避障的功能，而这些功能会使智能体在做出决策时产生相互影响，即“耦合”，给分布式控制的实现带来一定难度；另一方面，由于智能体的通讯范围有限，智能体在移动过程中系统的通信拓扑会发生改变。例如，在协同导航问题中，如果编队形状随时间动态变化，可能需要重新调整通信网络来适应这种新情况。所以编队控制还应该考虑时变的通信拓扑。目前，现有技术中兼具避碰和避障功能，并且能应用于时变系统的编队控制方法还比较少。
[0004]综合以上分析，研究具有避碰、避障功能的分布式多智能体编队控制算法具有重要的理论意义和应用价值。

技术实现思路

[0005]有鉴于此，本申请提供一种基于人工势场法的多智能体编队控制方法，该方法能够确保每个智能体能够避碰避障，并趋近于目标点。
[0006]实现本专利技术的技术方案如下：
[0007]一种基于人工势场法的多智能体编队控制方法，具体过程为：
[0008]建立人工势场函数，当智能体与障碍物的位置小于安全距离时，只进行避障，当智能体与障碍物的距离大于安全距离时，进行编队和目标点跟踪；
[0009]基于所述人工势场函数构建多智能体编队控制优化模型，基于所述优化模型实现对多智能体编队控制。
[0010]进一步地，本专利技术构建智能体与目标点之间的引力势场，构建智能体与障碍物之间的斥力势场；构建智能体之间的引/斥力势场，当智能体之间的距离大于设定的安全距离时，智能体之间会产生引力形成编队，当智能体之间的距离小于设定的安全距离时，智能体
之间会产生斥力相互远离；
[0011]当智能体与障碍物的位置小于安全距离时，所述人工势场函数为智能体与障碍物之间的斥力势场；当智能体与障碍物的距离大于安全距离时，所述人工势场函数为智能体与目标点之间的引力势场和智能体之间的引/斥力势场的联合。
[0012]进一步地，本专利技术所述人工势场函数为：
[0013][0014]其中，U
o
(c
i
(k))为智能体与障碍物之间的斥力势场，U
ij
(c
i
(k)，c
j
(k))为智能体之间的引/斥力势场，U
t
(c
i
(k))为智能体与目标点之间的引力势场。
[0015]进一步地，本专利技术所述U
t
(c
i
(k))为：
[0016][0017]其中，k
t
是正定系数，表示智能体到目标点的欧几里得距离，c
i
(k)表示智能体的位置，表示目标点的位置。
[0018]进一步地，本专利技术所述U
ij
(c
i
(k)，c
j
(k))为：
[0019][0020]其中，k
a
＞0，表示正定系数，f
ij
(c
i
(k)，c
j
(k))＝|c
i
(k)
‑
c
j
(k)|表示智能体i和智能体j之间的距离；R为设置的安全距离，c
i
(k)表示智能体i的位置，c
j
(k)表示智能体j的位置，k
c
表示正定系数，d
ij
表示代表智能体i和智能体j之间的期望的编队向量。
[0021]进一步地本专利技术所述U
o
(c
i
(k))为：
[0022][0023]其中，k
o
是正定系数，表示智能体和障碍物的距离，R为设置的安全距离。
[0024]进一步地，本专利技术采用演化博弈实现对多智能体编队控制优化模型的求解。
[0025]进一步地，本专利技术所述采用博弈实现对多智能体编队控制优化模型的求解的具体过程为：
[0026]将编队控制中智能体位置转变为演化博弈中的种群状态，将编队控制中的各智能体转变成演化博弈中的策略，将多智能体编队控制优化模型和演化博弈的效益函数相结合，利用演化动力学方程对多智能体便对控制优化模型进行求解，实现对多智能体编队控制。
[0027]有益效果：
[0028]第一，本专利技术依据安全距离来控制智能体避障或编队与目标点跟踪，来建立人工势场函数，根据人工势场函数来构建优化模型，确保每个智能体能够避碰避障，并趋近于目标点。
[0029]第二，本专利技术人工势场函数在设计时，目标点的引力势场会对智能体产生“引力”，障碍物的斥力势场对智能体产生“斥力”。同时，为了能使智能体在移动的过程中，能够形成编队和避碰，在智能体和智能体之间构建了一种特殊的势力场：当智能体之间的距离大于规定的安全距离时，智能体之间会产生“引力”促使形成编队；当智能体之间的距离小于安全距离时，智能体之间会产生“斥力”来促使智能体相互远离，实现避碰的目的。
[0030]第三，本专利技术所有智能体均具有相同的角色，相比于现有领导者
‑
跟随者中存在的缺点：不存在明确的反馈控制机制，并且太过于依赖领导者智能体；本专利技术具有更高的可靠性。
[0031]第四，本专利技术利用演化博弈的相关概念及性质，针对多智能体编队控制问题设计分布式的控制算法使智能体能够实现自主编队、自主避碰、自主避障等功能，提高控制器的轨迹规划能力。
[0032]第五，本专利技术对于时变的通信网络也同样适用。在提高了控制性能和安全性能的同时，降低了计算的复杂程度，减少了通信负担，解决了现有的部分编队控制算法不能处理具有通讯约束或时变通讯网络的问题。
附图说明
[0033]为了更清楚地说明本专利技术实施例的技术方案，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专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于人工势场法的多智能体编队控制方法，其特征在于，具体过程为：建立人工势场函数，当智能体与障碍物的位置小于安全距离时，只进行避障，当智能体与障碍物的距离大于安全距离时，进行编队和目标点跟踪；基于所述人工势场函数构建多智能体编队控制优化模型，基于所述优化模型实现对多智能体编队控制。2.根据权利要求1所述基于人工势场法的多智能体编队控制方法，其特征在于，构建智能体与目标点之间的引力势场，构建智能体与障碍物之间的斥力势场；构建智能体之间的引/斥力势场，当智能体之间的距离大于设定的安全距离时，智能体之间会产生引力形成编队，当智能体之间的距离小于设定的安全距离时，智能体之间会产生斥力相互远离；当智能体与障碍物的位置小于安全距离时，所述人工势场函数为智能体与障碍物之间的斥力势场；当智能体与障碍物的距离大于安全距离时，所述人工势场函数为智能体与目标点之间的引力势场和智能体之间的引/斥力势场的联合。3.根据权利要求2所述基于人工势场法的多智能体编队控制方法，其特征在于，所述人工势场函数为：其中，U
o
(c
i
(k))为智能体与障碍物之间的斥力势场，U
ij
(c
i
(k),c
j
(k))为智能体之间的引/斥力势场，U
t
(c
i
(k))为智能体与目标点之间的引力势场。4.根据权利要求3所述基于人工势场法的多智能体编队控制方法，其特征在于，所述U
t
(c
i
(k))为：其中，k
t
是正定系数，表示智能体到目标点的欧几里得距离，c
i
(k)表示智能体的位置，表示目标点的位置...

【专利技术属性】
技术研发人员：戴荔，周小婷，蔡普申，黄腾，范子煊，孙中奇，夏元清，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：