一种多智能体无编队协同围捕控制方法技术

本发明专利技术公开了一种多智能体无编队协同围捕控制方法，涉及多智能体自动化控制领域。针对双积分多智能体系统协同围捕移动目标控制问题，本发明专利技术提出一种无编队协同围捕控制器，控制器利用分布式固定时间估计器获取移动目标的未知位置。控制器可保证移动目标被围捕至多智能体系统所构成的凸包内部，且不预先指定最终的围捕队形或是智能体与移动目标的相对距离。本发明专利技术解决了多智能体协同围捕以未知时变速度运动移动目标的问题，围捕控制器设计无需事先指定最终围捕队形的形状，也无需指定智能体之间、以及智能体与目标点之间的相对位置，因此具有更好的适应性和可扩展性，同时围捕过程中可保证智能体之间不发生碰撞，保证了系统的安全性和可靠性。系统的安全性和可靠性。系统的安全性和可靠性。

【技术实现步骤摘要】
一种多智能体无编队协同围捕控制方法


[0001]本专利技术涉及多智能体自动化控制领域，具体为一种多智能体无编队协同围捕控制方法。

技术介绍

[0002]与单独智能体相比，多智能体系统通过个体间的信息交互和协同作业，能够完成单一智能体无法完成的复杂任务，可以极大提高面对大规模复杂作业的应对能力。目前多智能体协同控制已经广泛应用于包括多无人机、多无人艇和多无人机水下航行器在内的智能无人系统领域中。协同围捕控制是多智能体协同控制的一种具体体现。该控制旨在设计一种协同围捕控制器，驱动多智能体系统围捕静止目标或是移动目标至多智能体构成的凸包内部。多智能体对目标的围捕控制能够实现对目标周围环境的实时监测，可为目标提供一个安全作业区域，在军事和民用领域有着非常广泛的应用前景。
[0003]目前，多智能体协同围捕控制器设计中，多智能体围捕队形需要事先指定，如常规的环形、椭圆形、正多边形等，有些围捕控制器设计中尽管不对围捕队形进行特殊指定，但在控制器设计中需要指定多智能体与目标点最终的相对距离。这给围捕控制的实用性、时效性和安全性都带来了挑战。实用性：在实际应用中，由于系统模型的不确定以及外部干扰的存在，无法事先指定一种合适的围捕队形，或是智能体与目标的相持距离；时效性：在军事上对敌方目标的围捕打击或是对我方目标的围捕保护等时效性较高的围捕控制中，将目标围捕在智能体构成的凸包内部是其首要任务，而无需对凸包形状做特殊指定。安全性：任何对多智能体协同围捕队形的编队限制都可能会带来安全风险。固定的多智能体围捕队形或是事先预设多智能体之间以及多智能体与目标之间相对位置，往往不利于系统实现避障，在复杂环境下这种安全风险体现的尤其明显。因此需要改进现有的多智能体协同围捕控制方法，以解决上述问题。

技术实现思路

[0004]本专利技术为了解决现有技术中多智能体协同围捕控制所存在的需要预设位置且不利于系统实现避障的问题，提供了一种多智能体无编队协同围捕控制方法。
[0005]本专利技术是通过如下技术方案来实现的：一种多智能体无编队协同围捕控制方法，包括如下步骤：
[0006]步骤1：多智能体系统包含N个相同的智能体，智能体用如下二阶动力学模型建模：其中，x
i
，v
i
，u
i
分别为智能体i的位置、速度和控制输入；
[0007]步骤2：定义多智能体的位置分布及位置分布对应的凸包co(x)＝{Σ
i∈N
λ
i
x
i
:λ
i
≥0andΣ
i∈N
λ
i
＝1}；
[0008]步骤3：定义凸包中心由凸包定义可知凸包中心x是凸包的内点；
[0009]步骤4：定义目标动态为其中目标状态矩阵所述目标为移动目标，且移动目标以角频率ω做圆周运动；且目标状态矩阵为全局信息，可被多智能体所获取；
[0010]步骤5：定义移动目标x0与凸包co(x)的距离为P
x0
(x)＝inf
η∈co(x)
||η
‑
x0||，当且仅当x0∈co(x)，有表明多智能体实现了对移动目标的协同围捕控制；
[0011]步骤6：围捕控制器需要智能体与邻居节点的交互信息实现协同控制，采用最近邻居规则定义智能体i的邻居节点为N
i
＝{j∈N，j≠i:||x
i
‑
x
j
||≤μ}，式中μ为智能体的感知距离且满足μ＞d＞0，d为智能体之间的碰撞距离；
[0012]步骤7：受距离限制或是障碍物阻挡，部分智能体无法获取到移动目标的位置，智能体利用分布式固定时间估计器η
i
估计移动目标的位置；
[0013]所述分布式固定时间估计器的设计表达式为：
[0014][0015]其中η
i
为智能体i对移动目标x0的估计且η0＝x0，如果智能体i可以探测到移动目标的位置，则a
i0
＝1，否则a
i0
＝0，所述多智能体系统中至少有一个智能体可探测到移动目标的位置；a
ij
＞0表明智能体i与智能体j互为邻居节点，所述多智能体系统网络拓扑为无向图；元素a
ii
＝0，即网络拓扑不考虑自回环；所述多智能体网络拓扑对应的拉普拉斯矩阵为L＝[l
ij
]∈R
n
×
n
，拉普拉斯矩阵的元素满足且l
ij
＝
‑
a
ij
。
[0016]进一步的，步骤7中还包括设置分布式固定时间估计器参数步骤，及计算收敛的固定时间，其中c1＞0，c2＞0，μ1＞1；定义矩阵B＝diag{a
i0
，a
i1
，
…
，a
iN
}以及矩阵H＝L+B；分布式固定时间估计器收敛的固定时间其中其中λ1代表矩阵H的最小特征值，且λ1＞0。
[0017]步骤8：智能体根据自身的位置信息x
i
，与邻居节点的相对位置信息x
i
‑
x
j
，自身的速度信息v
i
，移动目标的全局状态矩阵S，以及分布式固定时间估计器η
i
，用于设计如下多智能体控制输入：
[0018][0019]其中，且k2＞0；α(
·
)为障碍函数，当智能体之间的距离接近碰撞距离时，智能体之间的排斥力逐渐变大，用于保证智能体之间不发生碰撞。
[0020]与现有技术相比本专利技术具有以下有益效果：本专利技术所提供的一种多智能体无编队协同围捕控制方法，解决了多智能体协同围捕以未知时变速度运动移动目标的问题，围捕控制器设计无需事先指定最终围捕队形的形状，也无需指定智能体之间、以及智能体与目
标点之间的相对位置，因此具有更好的适应性和可扩展性，同时围捕过程中可保证智能体之间不发生碰撞，保证了系统的安全性和可靠性。
附图说明
[0021]图1为分布式固定时间估计器(1)作用下，位置估计误差的收敛过程。
[0022]图2为控制策略，即公式(2)作用下，多智能体系统协同围捕移动目标的轨迹图。
[0023]图3为控制策略，即公式(2)作用下，平均位置误差的收敛过程。
[0024]图4为控制策略，即公式(2)作用下，多智能体之间的距离||x
ij
||的收敛过程。
具体实施方式
[0025]以下结合具体实施例对本专利技术作进一步说明。
[0026]一种多智能体无编队协同围捕控制方法，包括如下步骤：
[0027]步骤1：多智能体系统包含N个相同的智能体，智能体用如下二阶动力学模型建模：其中，x
i
，v
i
，u
i
分别为智能体i的位置、速度和控制输本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种多智能体无编队协同围捕控制方法，其特征在于：包括如下步骤：步骤1：多智能体系统包含N个相同的智能体，智能体用如下二阶动力学模型建模：其中，x
i
，v
i
，u
i
分别为智能体i的位置、速度和控制输入；步骤2：定义多智能体的位置分布及位置分布对应的凸包co(x)＝{Σ
i∈N
λ
i
x
i
:λ
i
≥0andΣ
i∈N
λ
i
＝1}；步骤3：定义凸包中心由凸包定义可知凸包中心是凸包的内点；步骤4：定义目标动态为其中目标状态矩阵所述目标为移动目标，且移动目标以角频率ω做圆周运动；且目标状态矩阵为全局信息，可被多智能体所获取；步骤5：定义移动目标x0与凸包co(x)的距离为当且仅当x0∈co(x)，有表明多智能体实现了对移动目标的协同围捕控制；步骤6：围捕控制器需要智能体与邻居节点的交互信息实现协同控制，采用最近邻居规则定义智能体i的邻居节点为N
i
＝{j∈N，j≠i:||x
i
‑
x
j
||≤μ}，式中μ为智能体的感知距离且满足μ＞d＞0，d为智能体之间的碰撞距离；步骤7：受距离限制或是障碍物阻挡，部分智能体无法获取到移动目标的位置，智能体利用分布式固定时间估计器η
i
估计移动目标的位置；步骤8：智能体根据自身的位置信息x
i
，与邻居节点的相对位置信息x
i
‑
x
j
，自身的速度信息v
i
，移动目标的全局状态矩阵S，以及分布式固定时间估计器η
i
，用于设计多智能体控制输入。2.根据权利要求1所述的一种多智能体无编队协同围捕控制方法，其特征在于：步骤7中，所述分布式固定时间估计器的设计表达式为：其中η
i
为智能体i对移动目标x0的估计且η0＝x0，如果智能体i可以探测到移动目标的位置，则a
i0
＝...

【专利技术属性】
技术研发人员：寇立伟，左广宇，窦银科，孙海涛，张宇，李荣，菅垄，武晋德，
申请(专利权)人：太原理工大学，
类型：发明
国别省市：