基于分布式演化博弈的模型预测无领导者编队控制方法技术

本发明专利技术提出了一种基于分布式演化博弈的模型预测无领导者编队控制方法，能够解决leader

【技术实现步骤摘要】
基于分布式演化博弈的模型预测无领导者编队控制方法


[0001]本专利技术属于多智能体编队控制
，具体涉及一种基于分布式演化博弈的模型预测无领导者编队控制方法。

技术介绍

[0002]近些年，随着多智能体系统的不断发展，编队控制成为了当前多智能体系统研究的热点问题。编队控制是指多个智能体如无人车、无人机在朝着目标位置移动的过程中，相互之间能保期望的位置，同时又要适应环境约束(如避开障碍物)。它能够实现在无人工参与的情况下完成特定复杂的任务，因而在军事、航天、工业等各个领域得到了广泛的应用，具有良好的发展前景。但是，在实际应用中，多智能体编队控制的一个难点问题是，所有智能体必须具有与障碍物或者其他智能体避碰能力，且在智能体移动过程中通信拓扑可能是时变的。另外，当采用分布式的方式形成某种编队时，每个智能体都需要知道其他智能体的状态，但是当通信拓扑发生改变时，该智能体间的通信可能不存在。
[0003]leader
‑
follower控制方法作为解决当前编队控制问题的一种方法，其基本原理为将其中一个智能体作为领队以跟踪参考轨迹，其他的智能体作为跟随者与领队保持一定的距离，从而实现编队控制的目的。因其原理简单被广泛应用到多智能体编队中，但是leader
‑
follower编队问题中存以下两个缺点：1)整个系统过于依赖领队，当领队无法跟踪参考轨迹时，整个多智能体编队都会偏离参考轨迹；2)leader智能体没有将follower智能体的编队跟随情况考虑在内，可能会出现leader智能体移动过快，follower智能体跟不上这种情况出现。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种基于分布式演化博弈的分布式模型预测无领导者编队控制方法，所有智能体具有相同的角色和功能，并且能够实现在受到通讯约束的条件下，每个智能体只需要获得邻居的局部信息就可以无碰撞形成编队。
[0005]为实现上述目的，本专利技术一种基于分布式演化博弈的分布式模型预测无领导者编队控制方法，包括以下步骤：
[0006]步骤1，建立多智能体系统，明确智能体的初始位置及目标位置，构建智能体的动力学模型，多智能体之间的避障约束、智能体的控制约束以及状态约束的最优控制问题；所述优化问题是最终目标状态已知情况下，通过预测模型来预测未来一段时间内智能体的状态，使未来一段时间内智能体的位置和目标位置距离最小，获得当前时刻最优控制输入量；
[0007]步骤2，为每个智能体创建安全距离集，保证每个智能体只要在规定的安全距离集中移动时不会发生碰撞；
[0008]步骤3，提出受耦合约束的两种群演化博弈，选择修正协议构建演化动力学方程，使得每个种群的演化动力学方程经过不断的迭代和优化能达到博弈的纳什均衡解，并且具有不变集的性质；
[0009]步骤4，将所构建的多智能体编队问题转变成为受耦合约束的两种群演化博弈问题，利用演化博弈的演化动力学方程来对多智能体编队优化问题进行求解。
[0010]其中，所述步骤4中，将编队控制中的智能体位置转变成为演化博弈中的种群状态，将编队控制中的各个智能体转变成为演化博弈中的策略，将编队控制问题中的代价函数和演化博弈的效益函数相结合，进而利用演化动力学方程对步骤1中的最优控制问题进行求解。
[0011]其中，所述步骤1中的优化问题为：
[0012]min
u(k)
J(k)
[0013]s.t.form＝0,1,
…
,H
p
‑1[0014][0015][0016][0017][0018]其中：表示第i个智能体的位置信息，表示第i个智能体的速度信息，表示第i个智能体的状态变量，表示第i个智能体的控制变量，表示第i个智能体的避碰约束集，表示多智能体的可移动范围，表示单个智能体的允许控制输出范围。
[0019]其中，所述步骤2中的安全距离集的定义为：
[0020][0021][0022][0023][0024]其中，R为规定的安全距离，集合是多面体闭集，对于任意和满足‖c
i
(k)
‑
c
j
(k)‖≥R，表示智能体i的邻居智能体集合，δ
ij
(k)、ε
ij
(k)以及ω
ij
(k)表示用于计算的中间变量。
[0025]其中，所述步骤2中采用具有耦合约束的两个种群的分布式进化博弈，具体步骤为：通过寻找纳什平衡点进行进化博弈的优化问题求解；将寻找纳什平衡点求解的优化问题代入到平均动力学，得到具有耦合约束的两个种群的分布史密斯动力学方程。
[0026]有益效果：
[0027]1、本专利技术将演化博弈中的平均动力学推广到两个种群间的耦合约束条件下，并证明了该演化动力学经过不断的迭代和优化最终会达到博弈的Nash均衡点，以及受耦合约束
的两种群演化博弈具有不变集的约束，即在初始条件满足的情况下，在演化博弈演化的过程中始终能够保持约束条件的满足。将多智能体编队控制问题转化成为演化博弈问题，从而将集中式的优化问题拆分成若干个子问题，然后分配给每个子智能体进行求解。每个自智能体利用自己信息、局部的模型以及可以获得的邻居信息对子问题进行求解，从而大大降低了计算量和复杂度；另外也弥补了传统的分散式控制由于信息交互能力不足所带来的性能下降问题，使控制性能保持在较高的水平，同时提高了系统的灵活性，可扩展性；本专利技术采用了无领导者的编队控制算法，所有智能体具有相同的角色和功能，因而能够解决leader
‑
follower编队控制算法中的缺点。
[0028]2、本专利技术利用模型预测控制算法为构建全局优化问题，通过在全局模型预测成本函数中设计一个编队误差函数，来实现编队的目的。通过引引入不变集的性质来保证每个智能体在移动的过程中不会发生碰撞。
[0029]3、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
[0030]图1为本专利技术中编队控制问题和演化博弈问题之间的转换图；
[0031]图2为本专利技术中6个智能体的二维实际轨迹图；
[0032]图3为本专利技术中每个智能体的位置坐标—时间曲线图；
[0033]图4为本专利技术中每个智能体对的安全距离—时间曲线；
[0034]图5为本专利技术中每个智能体的控制输入—时间曲线图。
具体实施方式
[0035]下面结合附图并举实施例，对本专利技术进行详细描述。
[0036]本专利技术在多智能体编队中引入了演化博弈算法，演化博弈作为一种数学工具，能够在仅知道部分参与者的部分信息情况下，描述决策者的行为。通过不断迭代和优化，使得参与者的局部行为可以达到一个整体的目标。因此演化博弈适合解决分布式多智能体编队控制问题。本专利技术提供的一种基于分布式本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于分布式演化博弈的分布式模型预测无领导者编队控制方法，其特征在于，包括以下步骤：步骤1，建立多智能体系统，明确智能体的初始位置及目标位置，构建智能体的动力学模型，多智能体之间的避障约束、智能体的控制约束以及状态约束的最优控制问题；所述优化问题是最终目标状态已知情况下，通过预测模型来预测未来一段时间内智能体的状态，使未来一段时间内智能体的位置和目标位置距离最小，获得当前时刻最优控制输入量；步骤2，为每个智能体创建安全距离集，保证每个智能体只要在规定的安全距离集中移动时不会发生碰撞；步骤3，提出受耦合约束的两种群演化博弈，选择修正协议构建演化动力学方程，使得每个种群的演化动力学方程经过不断的迭代和优化能达到博弈的纳什均衡解，并且具有不变集的性质；步骤4，将所构建的多智能体编队问题转变成为受耦合约束的两种群演化博弈问题，利用演化博弈的演化动力学方程来对多智能体编队优化问题进行求解。2.根据权利要求1所述的方法，其特征在于，所述步骤4中，将编队控制中的智能体位置转变成为演化博弈中的种群状态，将编队控制中的各个智能体转变成为演化博弈中的策略，将编队控制问题中的代价函数和演化博弈的效益函数相结合，进而利用演化动力学方程对步骤1中的最优控制问题进行求解。3.根据权利要求1或2所述的方法，其特征在于，所述步骤1中的优化问题为：min...

【专利技术属性】
技术研发人员：戴荔，霍达，周小婷，蔡普申，黄腾，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：