一种基于随机噪声镇定的智能小车编队控制方法技术

本发明专利技术公开了一种基于随机噪声镇定的智能小车编队控制方法，利用随机噪声镇定原理进行编队控制，区别于传统负反馈方法，本发明专利技术不再需要负反馈，控制器参数取值范围更宽。所建立的一阶和二阶控制器各有优势，一阶控制器收敛速度快，二阶控制器控制效果更加平稳，用户可根据需求选择合适的模型及控制器。此外，由于白噪声的引入，控制器是随机的，智能小车的运动路径也是随机的，若该多智能小车系统处于对抗环境，此随机路径能更好的躲避捕食者对智能小车的抓捕。能小车的抓捕。能小车的抓捕。

【技术实现步骤摘要】
一种基于随机噪声镇定的智能小车编队控制方法


[0001]本专利技术涉及多智能体编队控制的
，尤其涉及到一种基于随机噪声镇定的智能小车编队控制方法。

技术介绍

[0002]移动智能小车技术的快速发展推动了人类社会的进步，目前，智能小车已被广泛应用于各种领域，包括航天、工业和安防等。但单个智能小车的能力有限，无法完全满足人们在某些复杂环境下的需求，例如大尺度环境下的地图探索、多目标救援救灾和农作物联合收割等。
[0003]多智能体技术志在解决上述问题，编队控制技术是多智能体技术的一个重要研究方向，编队控制目标在控制多智能体的相对位置根据期望而进行变换或维持相对静止。目前，以及由多种多智能体编队控制方法，例如早期的反步法和反馈线性化方法，初步解决了编队形成和控制问题，形成了以跟随领航者、基于行为法、虚拟结构法等为代表的多种成熟、稳定的编队控制策略。后来，人们对多智能体编队控制系统引入更多限制，例如考虑了通讯时滞与带宽限制、切换通讯拓扑和障碍躲避等，使得控制方法更接近实际情况，在实际应用中效果更好。
[0004]但上述方法大多都基于负反馈思想，这要求误差系统以负的状态反馈到原系统当中，控制器参数受到一定的约束。事实上，在一个确定性系统上引入一个高斯白噪声，将其数学模型改变成一个随机微分方程，在一定条件下随机微分方程的稳定性不依赖于负反馈。日本数学家伊藤清对随机微分方程做了深入研究，并与1951年提出计算随机积分的伊藤公式，此后随机分析理论也逐步完善。噪声通常被认为对系统稳定性有弊，但在研究中发现在一定条件下，白噪声有利于系统的稳定性。

技术实现思路

[0005]本专利技术的目的在于克服现有技术的不足，提供一种不再需要负反馈、控制器参数取值范围更宽的基于随机噪声镇定的智能小车编队控制方法。
[0006]为实现上述目的，本专利技术所提供的技术方案为：
[0007]一种基于随机噪声镇定的智能小车编队控制方法，包括基于一阶控制器和基于二阶控制器两种控制方式；
[0008]基于一阶控制器，包括以下步骤：
[0009]S1、建立适用独轮车运动学模型的一阶智能小车以及由n个跟随者和1个领导者组成的多智能小车系统模型；
[0010]S2、多智能小车系统模型中，按照星形网络拓扑结构，跟随者以领导者为中心，分别与领导者连接；
[0011]S3、基于多智能小车系统模型，根据用户所期望的编队位姿求取多智能小车编队控制系统的系统误差；
[0012]S4、基于系统误差，根据随机噪声镇定原理，引入白噪声，并将白噪声耦合到控制器进行智能小车编队控制；
[0013]S5、确定满足判别条件的控制器参数，在控制器作用下，系统误差逐渐收敛为零，多智能小车编队达到稳定的期望位姿；
[0014]基于二阶控制器，包括以下步骤：
[0015]A1、建立适用独轮车运动学模型的二阶智能小车以及由n个跟随者和1个领导者组成的多智能小车系统模型；
[0016]A2、多智能小车系统模型中，按照星形网络拓扑结构，跟随者以领导者为中心，分别与领导者连接；
[0017]A3、基于多智能小车系统模型，根据用户所期望的编队位姿求取多智能小车编队控制系统的系统误差；
[0018]A4、基于系统误差，根据随机噪声镇定原理，引入白噪声，并将白噪声耦合到控制器进行智能小车编队控制；
[0019]A5、确定满足判别条件的控制器参数，在控制器作用下，系统误差逐渐收敛为零，多智能小车编队达到稳定的期望位姿。
[0020]进一步地，一阶独轮车运动学建模表示为：
[0021][0022]其中x(t)和y(t)分别为智能小车在世界坐标系下的坐标，θ(t)为智能小车的朝向；dx(t)、dy(t)、dθ(t)分别为对应变量的一阶导数，v(t)和ω(t)分别为智能小车的线速度和角速度。
[0023]进一步地，基于一阶控制器时，根据用户所期望的编队设置参数(r
i
,l
i
)，其含义为第i个跟随者期望在以领导者为坐标系x＝r
i
,y＝l
i
的位置；根据设置的参数对所有跟随者小车的位置进行数学变换，变换后的位姿称为跟随者小车的虚拟位姿，变换过程为：
[0024][0025]其中，X
vi
(t)为跟随者小车的虚拟位姿，x
vi
(t)和y
vi
(t)为跟随者小车在世界坐标系下的虚拟位置，θ
vi
(t)为跟随者小车的虚拟位姿的朝向；x
i
(t)、y
i
(t)和θ
i
(t)为第i个跟随者的位姿，l
i
和r
i
为期望编队相对位置参数；
[0026]对跟随者小车的虚拟位姿进行求微分，结果为：
[0027]dX
vi
(t)＝H
i
(t)U
i
(t)dt,
[0028][0029]其中，U
i
(t)＝[v
i
(t),ω
i
(t)]T
是控制对象——第i个跟随者的线速度和角速度。
[0030]进一步地，步骤S3包括：
[0031]根据独轮车模型构建领导者的位姿X
r
(t)＝[x
r
(t)y
r
(t)]T
，并求其微分：
[0032][0033]其中，x
r
(t)、y
r
(t)和θ
r
(t)分别为领导者小车在世界坐标系下的位置和朝向；
[0034]定义误差为：
[0035][0036]X
vi
(t)为跟随者小车的虚拟位姿；
[0037]最终多智能小车编队控制系统的误差为：
[0038][0039]其中，1
n
×1为n行1列的元素全为1的矩阵，是克罗内克积。
[0040]进一步地，步骤S4中，通过如下公式进行控制：
[0041][0042]其中为H
i
(t)的逆矩阵，为领导者位姿导数，为控制器增益参数，e
i
(t)为定义的误差，ζ
i
(t)是引入第i个跟随者的高斯白噪声，噪声由噪声发生器产生。
[0043]进一步地，步骤S5中，判别过程如下：
[0044]对多智能小车编队控制系统而言，编队位姿参数l
i
，i＝1,2,...,n和控制器参数k1、k2∈R满足：
[0045](1)l
i
＜0对于i＝1,2,...,n成立；
[0046](2)k1k2＞0；
[0047](3)
[0048]即可实现：
[0049][0050]多智能小车编队控制系统满足几乎必然指数稳定的定义，即系统会以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于随机噪声镇定的智能小车编队控制方法，其特征在于，包括基于一阶控制器和基于二阶控制器两种控制方式；基于一阶控制器，包括以下步骤：S1、建立适用独轮车运动学模型的一阶智能小车以及由n个跟随者和1个领导者组成的多智能小车系统模型；S2、多智能小车系统模型中，按照星形网络拓扑结构，跟随者以领导者为中心，分别与领导者连接；S3、基于多智能小车系统模型，根据用户所期望的编队位姿求取多智能小车编队控制系统的系统误差；S4、基于系统误差，根据随机噪声镇定原理，引入白噪声，并将白噪声耦合到控制器进行智能小车编队控制；S5、确定满足判别条件的控制器参数，在控制器作用下，系统误差逐渐收敛为零，多智能小车编队达到稳定的期望位姿；基于二阶控制器，包括以下步骤：A1、建立适用独轮车运动学模型的二阶智能小车以及由n个跟随者和1个领导者组成的多智能小车系统模型；A2、多智能小车系统模型中，按照星形网络拓扑结构，跟随者以领导者为中心，分别与领导者连接；A3、基于多智能小车系统模型，根据用户所期望的编队位姿求取多智能小车编队控制系统的系统误差；A4、基于系统误差，根据随机噪声镇定原理，引入白噪声，并将白噪声耦合到控制器进行智能小车编队控制；A5、确定满足判别条件的控制器参数，在控制器作用下，系统误差逐渐收敛为零，多智能小车编队达到稳定的期望位姿。2.根据权利要求1所述的一种基于随机噪声镇定的智能小车编队控制方法，其特征在于，一阶独轮车运动学建模表示为：其中x(t)和y(t)分别为智能小车在世界坐标系下的坐标，θ(t)为智能小车的朝向；dx(t)、dy(t)、dθ(t)分别为对应变量的一阶导数，v(t)和ω(t)分别为智能小车的线速度和角速度。3.根据权利要求2所述的一种基于随机噪声镇定的智能小车编队控制方法，其特征在于，基于一阶控制器时，根据用户所期望的编队设置参数(r
i
,l
i
)，其含义为第i个跟随者期望在以领导者为坐标系x＝r
i
,y＝l
i
的位置；根据设置的参数对所有跟随者小车的位置进行数学变换，变换后的位姿称为跟随者小车的虚拟位姿，变换过程为：
其中，X
vi
(t)为跟随者小车的虚拟位姿，x
vi
(t)和y
vi
(t)为跟随者小车在世界坐标系下的虚拟位置，θ
vi
(t)为跟随者小车的虚拟位姿的朝向；x
i
(t)、y
i
(t)和θ
i
(t)为第i个跟随者的位姿，l
i
和r
i
为期望编队相对位置参数；对跟随者小车的虚拟位姿进行求微分，结果为：dX
vi
(t)＝H
i
(t)U
i
(t)dt,其中，U
i
(t)＝[v
i
(t),ω
i
(t)]
T
是控制对象——第i个跟随者的线速度和角速度。4.根据权利要求3所述的一种基于随机噪声镇定的智能小车编队控制方法，其特征在于，步骤S3包括：根据独轮车模型构建领导者的位姿X
r
(t)＝[x
r
(t)y
r
(t)]
T
，并求其微分：其中，x
r
(t)、y
r
(t)和θ
r
(t)分别为领导者小车在世界坐标系下的位置和朝向；定义误差为：X
vi
(t)为跟随者小车的虚拟位姿；最终多智能小车编队控制系统的误差为：其中，1
n
×1为n行1列的元素全为1的矩阵，是克罗内克积。5.根据权利要求4所述的一种基于随机噪声镇定的智能小车编队控制方法，其特征在于，步骤S4中，通过如下公式进行控制：其中为H
i
(t)的逆矩阵，为领导者位姿导数，为控制器增益参数，e
i
(t)为定义的误差，ζ
i
(t)是引入第i个跟随者的高斯白噪声，噪声由噪声发生器产生。6.根据权利要求5所述的一种基于随机噪声镇定的智能小车编队控制方法，其特征在于，步骤S5中，判别过程如下：对多智能小车编队控制系统...

【专利技术属性】
技术研发人员：张波，罗可其，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：