动态拓扑下四旋翼无人机集群蜂拥控制

针对动态拓扑下无严格构型约束的无人机集群协同控制问题,基于四旋翼无人机(quadrotor unmanned aerial vehicle,QUAV)内外环串级控制思想,提出一种QUAV集群蜂拥控制策略。引入卡尔曼一致性滤波(Kalman-consensus filter,KCF)算法对带有噪声的通信数据进行融合,实现对变速度领导者状态的精确估计;考虑无人机集群拓扑的动态变化及可扩展性需求,设计基于KCF的蜂拥控制算法以实现无人机集群位置控制,利用李雅普诺夫稳定性定理证明算法的稳定性;基于大脑情感学习(brain emotional learning,BEL)模型设计姿态控制器,实现了QUAV的姿态控制。通过仿真实验验证了控制算法的有效性。

邻域交互结构优化的多智能体快速蜂拥控制算法

针对多智能体系统在动态演化过程中容易出现的"局部聚集"现象,融合复杂网络中的拓扑结构优化理论与多智能体系统协调蜂拥控制研究,提出了一种基于邻域交互结构优化的多智能体快速蜂拥控制算法.该算法首先从宏观上分析多智能体的局部聚集现象,利用社团划分算法将局部相对密集的多个智能体聚类成一个社团,整个多智能体系统可以划分成多个相对稀疏的社团,并为每个社团选择度最大的个体作为信息智能体,该个体可以获知虚拟领导者信息;随后从多智能体系统中不同社团相邻个体间的局部交互结构入手,取消社团间相邻个体的交互作用,设计仅依赖于社团内部邻居个体交互作用的蜂拥控制律;理论分析表明,只要每个社团存在一个信息智能体,在虚拟领导者的引导作用下,整个多智能体系统就可以实现收敛的蜂拥控制行为;仿真实验也证实了对多智能体系统进行邻域交互结构优化可以有效提高整个系统的收敛速度.

融合局部自适应追踪的多目标牵制蜂拥算法

针对以往的多智能体蜂拥控制算法在考虑单个目标追踪情形时不具普适性,以及现有的多目标蜂拥控制都是基于全局目标信息来进行集中式协调控制,而非基于局部目标信息下的分布式协调控制的问题,提出一种融合局部自适应检测机制的分布式协同牵制蜂拥算法。首先,算法在分离、聚合、速度匹配和引导反馈的基础上,引入局部自适应追踪策略,实现智能体的局部动态跟随运动;其次,受牵制思想启发,根据节点影响力指数评估算法选取m个信息个体分别向m个目标进行多目标追踪,起到模拟外部信息的作用,不同的信息个体会由于局部自适应检测机制间接地引领周围局部个体向不同目标进行追踪;最后,设计一类新的聚集和排斥势能函数,实现相同目标智能体的聚集,以及不同目标智能体的避碰,具有可调参数少和效率高的优势。通过三维仿真实验验证了算法的多目标追踪可行性和有效性。

带有未知参数和通讯时延的多智能体蜂拥控制

模拟自然界蜂拥现象的蜂拥控制是多智能体协同控制中的一个重要问题。针对带有未知参数的复杂多智能体系统研究其蜂拥控制策略,并且考虑了蜂拥过程中存在通讯时变时延的情况。采用参数自适应控制方法,给出了带有未知参数和通讯时延的多智能体系统分布式自适应控制器;依据代数图知识和Lyapunov定理,对建立的多智能体分布式控制系统进行了稳定性分析。理论分析结果表明,在分布式自适应控制作用下,带有未知参数和通讯时延的多智能体系统能够很好地达到蜂拥状态;数值仿真结果也验证了该蜂拥控制算法的有效性。

基于反馈控制策略的多智能体蜂拥控制

讨论一类带有虚拟领导者的二阶多智能体蜂拥问题.为了避免群体的分裂,提出对虚拟领导者进行反馈控制的蜂拥算法.假设多智能体系统中有部分数量固定的跟随者和领导者之间建立通信链路,领导者在沿着预设轨迹运动的同时,根据此部分跟随者的状态反馈调节自身的运行速度,减小跟随者和领导者之间的跟随误差.利用该算法,即使只有部分的跟随者能够获得虚拟领导者信息,所有的跟随者的速度仍将渐近收敛到虚拟领导者的速度,跟随虚拟领导者的运行轨迹运行,最终形成稳定的群集运动.仿真了多智能体在平面上的蜂拥运动,仿真结果验证了结论的有效性.

基于Levy飞行的蜂拥控制算法在目标跟踪中的应用

为解决较大区域内移动智能体对目标的跟踪问题,提高收敛速度,优化跟踪效果,提出基于Levy飞行的蜂拥控制算法。利用Levy飞行的特性,在移动智能体群体中加入搜索智能体,采用Levy飞行策略对目标进行搜索,智能体根据周围邻居和所能感知到的目标信息调整自身运动。仿真验证表明:与不具有搜索智能体的蜂拥控制算法相比,该模型搜索目标的速度更快,跟踪效果更好,适用于大区域内移动智能体的目标跟踪。

基于蜂拥的P2P流媒体系统可扩展性分析

P2P流媒体直播系统在互联网上显示出了巨大的潜在吸引力,但此类系统的大规模部署严重依赖于它们处理高动态变化的效率,特别是在蜂拥时期。其主要原因是P2P流媒体直播系统的扩展在很大程度上取决于流媒体应用的时间需求。在分析和实验的基础上,提出了系统规模与时间约束的内在联系及其制约因素,构建了一个通用的P2P流媒体系统模型,来集中分析节点在蜂拥时期加入系统的过程。首先说明了简单使用"需求供给"概念模型来描述系统的规模是不够的,然后利用类似Gossip协议的随机伙伴选择机制,推出系统规模随时间变化的上限,在MatlabR2010a平台上比较分析了一些关键性因素的变化对系统扩展的影响。

群体系统蜂拥控制理论及应用研究进展

群体系统蜂拥控制研究近年来受到了国内外众多领域高度重视,目前主要借鉴生物学领域关于群体蜂拥行为的研究成果,集中在个体之间交互形成的网络拓扑结构已知条件下的控制问题,分析了群体系统蜂拥控制研究的几个发展阶段,总结了群体蜂拥行为的理论研究趋势及其在工程领域中的应用研究现状,并指出了今后的发展方向。

无线多跳网络中基于蜂拥算法的网络寿命延长算法

为了延长多跳网络的网络寿命,将无线能量传输(wireless energy transfer,WET)技术应用于多跳网络,并提出基于蜂拥算法的最优WET时间的延长网络寿命算法(FENL)。FENL算法先建立基于WET的多跳传输系统模型,并构建最大化网络寿命的目标优化函数。然后,利用蜂拥算法求解目标函数,进而获取每个节点的最优WET时间,进而最大化网络寿命。仿真结果表明,相比于传统的未采用无线能量采集和WET技术,FENL算法有效地延长了网络寿命,且FENL算法的网络寿命逼近于穷搜索法的网络寿命。

多目标跟踪蜂拥控制算法研究与仿真

针对蜂拥控制算法在多目标跟踪问题中的应用,提出了多目标跟踪蜂拥控制算法。假设智能体不确定具有目标信息,通过Lyapunov稳定性理论,分析了使系统稳定的条件,给出了稳定状态的形式。并证明了如果智能体被预先指定了跟踪的目标,则每个群体达到蜂拥,并且不发生碰撞。对不同的网络初始连通性和两种目标运动模式分别作了仿真,证明了算法的有效性。

目标跟踪中基于智能体激活策略的蜂拥控制研究与仿真

在目标跟踪中,考虑到智能体在性能和能源方面受到的限制,以及系统跟踪效果的要求,提出了四类智能体的激活策略。系统在初始状态下静止,根据激活策略的要求有条件地激活智能体,对目标进行跟踪。研究比较了不同激活策略对速度匹配、聚合以及跟踪效果的影响。仿真结果表明,激活策略能够优化系统速度匹配性能,对实际应用具有借鉴意义。

一种多智能体自适应蜂拥控制算法

提出一种自适应速度策略提高蜂拥行为,使智能体在运行途中不仅能自适应地改变速度的方向,而且能自适应改变速度的大小。通过计算机仿真证明了算法的有效性。

无人机“蜂群”的蜂拥涌现行为识别与抑制机理

为了抵消无人机"蜂群"所具有的非对称作战优势,从反控制其协同飞行的角度出发,将"蜂群"描述为具有涌现性特征的复杂系统,剖析无人机"蜂群"蜂拥涌现行为的产生机理,首次建立基于f-散度的"蜂群"涌现性度量模型.根据蜂拥控制算法所遵循的启发式规则提出"蜂群"蜂拥涌现行为的抑制机理,首次建立了干扰条件下蜂拥控制的失效判别模型.通过仿真实验,分析和讨论了干扰强度、干扰时机对抑制"蜂群"蜂拥涌现行为的影响.

基于跟踪单个移动目标的移动传感器网络蜂拥控制模型

该文提出了一个新的基于跟踪单个移动目标的移动传感器网络蜂拥控制方法。这个方法通过控制网络中所有移动传感器质心的位置和速度（Single-CoM）或者每个传感器和它邻域质心的位置和速度来跟踪并观察一个移动目标（Multi-CoM）。此外，在自由空间内，质心的位置和速度按指数规律地向移动目标聚合。基于这种方法，目标节点将一直位于传感器网络的中心，而这对于传感器认识和辨别目标节点无疑是一个很大的优势。并且在整个目标跟踪过程中保证了移动传感器间无冲突和速度匹配，同时我们也研究了算法的稳定性。

考虑通信延迟的卫星集群改进蜂拥控制

针对卫星集群的无碰撞协同运动问题,提出了一种改进的蜂拥控制策略。首先,结合Prim算法和广度优先算法设计了一种计算度、半径约束最小生成树的拓扑优化方法,并将优化结果作为星群的通信拓扑。该方法不仅能够节省每个卫星的通信资源,还能够减少星群网络的通信延迟。随后,为提高参考轨迹生成的快速性,采用基于傅里叶级数的形状曲线逼近法对主星参考轨迹进行规划。在此基础之上,提出了一种考虑通信延迟与碰撞规避的蜂拥控制策略,使星群能够在保证通信连通性的前提下沿参考轨迹运动到目标点附近,并且在运动过程中不发生碰撞。经过理论分析,利用Lyapunov-Razumikhin定理证明了卫星集群系统能够达到渐近稳定。最后,通过数值仿真验证了所提控制策略的正确性和有效性。

仅用位置信息的多智能体自适应蜂拥控制

复杂系统的研究中,提出了自适应调节的多智能体蜂拥控制算法。算法首先通过改进人工势函数来保证网络的连通性。再通过构造分布式观测器,用多智能体之间的位置信息来估计多智能体之间的速度信息;同时对观测器权重参数进行自适应调节来降低蜂拥控制模型的参数不确定性的影响。并且从理论上对算法进行了分析,然后给出计算机仿真,证明了算法的有效性。仿真结果表明,上述算法能够使多智能体经过一定时间的调整达到速度一致并进入稳态,且运动过程中保证网络连通性。

一种改进的多领导者蜂拥算法及其性能分析

由于不同领导者位置关系的不确定性,传统的多领导者蜂拥算法会在局部产生不利于系统收敛的虚拟吸引力.针对这个问题,引入一个排斥势能函数,并在此基础上提出一种改进的多领导者蜂拥算法.通过理论分析,证明了算法的稳定性和速度的一致性,并证明各个子系统的位置中心将最终趋于其对应领导者的位置.最后,通过仿真验证了算法的有效性和定理中的结论.仿真统计结果表明,在智能体初始位置随机分布的多智能体系统中,本文提出的算法使得系统的渐近收敛时间更短、更稳定.

基于虚拟领导者的多智能体蜂拥行为研究

蜂拥行为的产生来源于对飞鸟、鱼群、蚂蚁以及蜜蜂行为的研究,这些群体通过每个个体的局部信息交互而产生统一的觅食、迁徙、归巢等行为。多智能体的自组织行为促进了蜂拥行为在工程上的应用,包括大量在环境中移动的传感器、媒介的平行同步传输、军事任务中的侦查、监视和战斗协作。主要研究内容是具有虚拟领导者的多智能体蜂拥控制算法,分别对群体中只有一部分智能体具有引导信息和虚拟领导者具有变化速度的情况作了分析。通过个体之间的局部感知作用和相应的反应行为,使系统整体呈现一定的协调行为。

双机器人自适应蜂拥控制研究

开展机移动机器人相关的研究工作必须要十分关注路径规划问题。路径规划是指的机器人要按照命令和对周围环境信息的感知来自动寻找路径,躲过其他物体,完成工作要求。路径规划水平的高低标志着移动机器人是否高度智能化,是其能够实现命令要求的安全屏障,同时构成了人工智能和机器人技术的交叉点。

都杀红了眼,为什么还会蜂拥而入

郭台铭有句话很经典：魔鬼都藏在细节里,这就是＂红海制胜＂的关键。一旦你具备了冲击＂红海＂的能力与资源支撑时,一切并不可怕,那你也就可能成功。