具有避碰和连通性保持的多USV分布式事件触发编队控制

[目的]为解决水面无人艇(USV)编队控制中的实际需求,提出一种具有避碰和连通性保持功能的分布式事件触发编队控制方法。[方法]针对海洋环境扰动和系统模型的不确定性等因素设计扰动观测器;针对编队实现过程中USV间可能发生碰撞和丢失通信连接的问题,基于人工势场函数法设计具有避碰和连通性保持功能的编队控制器;为减少USV控制器的执行频率,设计分布式的事件触发机制,使每个USV根据局部信息来独立决定其控制器的执行时刻。[结果]理论分析证明了编队误差的一致最终有界性,且事件触发机制不存在Zeno行为。仿真结果验证了所设计的控制方法能够显著减少USV控制器更新次数并可实施避碰操作及保持连通性。[结论]研究成果可保证USV编队控制的顺利安全完成,同时减轻USV在复杂海洋环境下的控制机构损耗。

连通性保持下的多机器人系统分布式群集控制

多机器人系统群集控制中的连通性保持对于系统的稳定性和状态收敛的快速性具有重要影响.本文在初始通信网络拓扑为强连通非平衡图的条件下,研究具有非完整约束运动学模型的多轮式移动机器人系统群集运动中的连通性保持控制问题.首先,构造了一类新颖的光滑有界的人工势场函数,该类函数可以同时满足连通性保持、碰撞规避和相对距离镇定等任务需求.进一步,将基于势函数梯度的控制策略与一致性控制机制有机结合,在系统中存在和不存在领航者的条件下,分别设计出一类具有连通性保持功能的光滑有界的分布式群集控制协议,不仅可有效避免不连续/非光滑控制器所固有的抖振现象以及执行器饱和问题,而且实现了将传统群集控制中的连通性保持算法从个体运动模型和系统通信拓扑类型两个方面同时加以拓展.最后,仿真结果和实验结果验证了本文所提出的光滑有界群集控制算法的有效性.

移动传感器网络保持网络连通性控制

针对移动传感器网络在外部干扰下容易发生网络分裂问题,提出基于多智能体蜂拥算法的移动传感器网络协调控制策略。该策略中网络各个节点和相邻节点仅进行速度和位置信息的交换,并构造一个虚拟的领导者节点,网络各节点作为跟随者对领导者的运动轨迹进行跟踪,实现网络拓扑结构连通性的保持。基于图论、Lyapunov稳定性理论和La Salle不变原理对控制协议进行理论分析。仿真实验结果表明,在外部干扰下移动传感器网络在所给控制策略下始终保持网络的连通性。

主从式编队航天器连通性保持与碰撞规避

针对主从式航天器编队过程中存在的通信距离约束、航天器之间的碰撞以及空间干扰等问题,提出一种基于非线性干扰观测器和人工势函数的分布性协同控制方法。当初始通信网络连通时,通过在分布式协同控制器中引入吸引势函数,保证整个编队过程中通信网络始终是连通的。针对主航天器速度仅有部分从航天器直接可知的情况,为每一个从航天器设计分布式的速度观测器估计主航天器的速度,从而实现航天器之间的速度协同。此外,通过在控制器中引入非线性干扰观测器对外界干扰进行观测,显著增强了航天器编队的精度。仿真结果表明,本文提出的分布式协同控制方法不但能够实现对主航天器的速度跟踪以及航天器之间的队形保持,而且能够在编队过程中实现通信网络的连通性保持和航天器之间的碰撞规避。

改进连通性保持的二阶多智能体编队控制

针对目前基于距离的连通性保持方法过于保守的问题,提出了一种改进连通性保持的二阶多智能体主从式编队控制方法。首先,考虑部分智能体可接收到领航者信息,设计了基于期望偏置位置的分布式编队控制协议。其次,提出了同时利用智能体位置和速度信息的连通性趋势判断方法,并设计了基于相对速度和距离的自适应动作函数;与传统基于人工势场的连通性保持方法相比,所提方法能够准确判断智能体间连通性变化趋势,同时减少对编队的不利影响。最后,通过运用图论给出了系统稳定性的充分条件,并通过数值仿真和对比实验验证了所提方法的优越性。

保持二值图像连通性的缩小算法

针对二值图像进行大因子缩小时容易产生连通性丢失的问题,提出一种保持连通性的缩小算法.将二值图像划分成互不相交的矩形区域,对光滑区域的像素根据人眼视觉系统进行处理,对边缘区域的像素根据人眼视觉系统和局部邻域的连通性进行处理,并通过保持连通性来保持图像的拓扑结构,得到拓扑结构较好的缩小图像.实验结果表明,与已有算法相比,文中算法能够在保持形状的情况下兼顾图像的拓扑结构.

二阶多智能体碰撞避免与连通性保持方法研究

针对二阶多智能体系统,提出了一种基于人工势场的碰撞避免与连通性保持方法.首先,考虑智能体大小,通过在动作函数中引入智能体间相对速度和去抖振因子,设计了去抖振的自适应碰撞避免势场函数,其相对于其他结果,可减小势场力对编队的不利影响;然后,基于以上思想和方法,设计了去抖振的自适应连通性保持势场函数,并根据加性原理给出了带有碰撞避免和连通性保持功能的多智能体编队控制方法.最终通过数值仿真验证了所提方法可以实现零稳态编队跟踪误差,同时可以保证碰撞避免和连通性保持.

基于平均一致协议的分布式自适应多智能体聚集控制

分布式聚集控制问题是多智能体协同控制中的一个重要问题。由于智能体的可移动性和感知能力有限,传统的分布式聚集算法难以保证连通性,从而聚集成多个簇群。此外,去中心化的大规模聚集控制给获取全局聚集点带来了巨大的挑战。针对连通性保护问题,基于平均一致协议与约束集,提出了一个带有连通性约束的多智能体聚集协议(Multi-Agent Rendezvous Protocol with Connectivity constraints,MARP-CC)。然后针对聚集点无法预测的问题,提出了位置合成(Location Synthesis Strategy,LSS)和位置重定向(Location Redirection Strategy,LRS)两种控制策略。智能体根据当前连通情况,自适应选择最优的控制策略进行迭代。结合这两种控制策略,提出了带连通性约束的分布式自适应多智能体聚集算法(Distributed Adaptive Multi-Agent Rendezvous algorithm with Connectivity Constraints,DAMAR-CC)。对算法的收敛性和连通性进行了分析,并通过大量的仿真说明了DAMAR-CC可以引导智能体稳定地聚集在初始拓扑的几何中心。

具有避碰和保持连通的多智能体鲁棒编队控制

针对多智能体系统在形成编队的过程中存在相互碰撞、通信中断和外部干扰的问题,考虑了具有避碰和保持系统连通的二阶非线性多智能体鲁棒编队控制问题。基于人工势场法设计了具有保持系统连通的多智能体避碰算法,并利用分布式控制法和共识理论设计了多智能体鲁棒编队控制律,从而使得多智能体系统准确地实现编队,避免碰撞和保持系统连通。利用李雅普诺夫稳定性理论和线性矩阵不等式证明了系统的稳定性和跟踪误差的收敛性。通过数值仿真实例验证了所提编队控制律的有效性。

考虑时延约束的UUV密集集群自适应聚集控制方法

针对时延条件下无人水下航行器(UUV)集群聚集控制问题,受不同尺度生物仿生机理启发,提出一种密集集群自适应聚集控制方法。首先,设计考虑近邻数量和空间分布的仿生邻居筛选机制,以此建立单近邻跟随与多近邻跟随耦合的自适应集群结队交互模型,确保交互邻居在数量和空间上最优。其次,结合结对交互模型与一致性协议、势场函数模型和扰动观测器,设计时延约束的UUV密集集群自适应聚集控制方法,避免集群发生碰撞和分裂。最后,通过Lyapunov定理证明时延条件下UUV密集集群状态一致性以及避碰和连通性保持。仿真结果验证了所设计控制方法的有效性和优越性。

基于机器人群的主动传感器网络自组织的运动规划

主动传感器网络的自组织通常要求移动节点群(机器人群)通过障碍物环境移动到指定地点后,重新调整并按预定布局组网.在网络的自组织过程中要保证每个移动节点(机器人)与整个网络之间的连通性.在对移动机器人的保持连通性进行优化的基础上,提出了单步位置预测与群体势场相结合的分布式运动规划方法进行主动传感器网络的部署和重置,证明了机器人运动控制的稳定性和网络的连通性保持,进行了有和无障碍物环境下超过40个机器人的仿真,结果表明该方法适用于大规模的主动传感器网络重置,并对不同规模的网络具有可扩展性.

融合路段和stroke特征的道路自动选取方法

道路选取一直是制图综合领域的重要研究内容,针对现有方法仅考虑单一层次选取单元特征等问题,本文提出一种融合路段和stroke特征的道路自动选取方法。首先,以路段和stroke为基本单元,构建对偶图表达路网的拓扑结构;然后,将路段的几何、类型等级和图连通性指标作为路段特征,将长度、包含路段数量、同一stroke下路段的连接数量作为stroke特征,融合stroke特征到对应的路段单元上;接着,将上述求得的特征矩阵输入到GraphSAGE模型中进行学习,输出路段节点的分类结果;最后提出顾及stroke连贯性的增加最小节点数方法保持路网的连通性,进而完成道路的选取。本文采用河南省郑州市1∶25万和1∶50万比例尺的路网数据进行实验,结果表明:(1)本文方法能有效聚合路段和stroke的特征,相较于文献[17]的方法和仅考虑基本特征组合的以路段或stroke为选取单元的对比方法,模型预测准确率提升了6.36%、7.36%、3.13%;(2)本文提出的连通性保持算法处理后的结果往往更符合道路选取的认知规律,也能进一步提升选取的准确率;(3)完成连通性处理后,本文方法相较两种对比方法在一致道路长度上提升了125.45 km、110.438 km,在一致道路数量占比上提升了8.72%、20.43%,同时能更好保持路网整体格局和局部关键结构以及密度分布。与现有的道路选取方法相比,本文方法能更好地利用多层次道路特征进而提升道路选取效果,为制图综合、级联更新等领域的后续研究提供一种新的思路。

基于局部优化的多智能体网络牵制蜂拥算法

针对现有的多智能体网络牵制蜂拥算法中网络在演化过程中可能出现'分裂'的问题,以代数连通度作为衡量网络连通的指标,提出一种基于局部优化的牵制蜂拥控制算法,以保持多智能体网络在演化过程中的全局连通性,从而保证所有智能体跟随虚拟领导者运动.该算法将局部优化策略引入牵制蜂拥控制器中,考虑网络中仅有部分智能体(称为信息智能体)具有虚拟领导者的信息,使信息智能体不断朝着其在当前时刻和下一时刻所有邻居的并集所组成网络的代数连通度最大的方向运动,以通过优化局部连通性达到提高整个网络连通性的目的.通过理论分析和仿真实验并与现有牵制蜂拥控制算法相比,进一步证明了算法可有效保持多智能体网络在演化过程中的全局连通性,且所有智能体均聚集在虚拟领导者周围更小的范围内,更能体现信息智能体在牵制蜂拥控制网络中的相对重要性.