面向多机器人集群协同编队分布式控制方法及系统与流程

本技术涉及机器人控制，尤其涉及面向多机器人集群协同编队分布式控制方法及系统。

背景技术：

1、现有水下管汇清洗多采用单机器人作业，面对大面积管汇或复杂交汇节点时，作业效率低、覆盖盲区多。多机器人协同虽能提升效率，但传统集中式编队控制依赖全局通信与中心节点调度，水下声学通信时延高、易中断，一旦中心节点故障或通信失效，整个集群将陷入失控，难以适配水下复杂作业环境。

2、部分分布式编队方法采用固定队形控制策略，未考虑水下管汇的曲面结构与清洗覆盖需求，机器人易出现局部聚集或过疏现象，导致清洗不均。同时，高压水射流喷射产生的反作用力会持续干扰机器人位姿，现有方案多依赖反馈调节补偿，响应滞后性强，易造成轨迹偏移，影响清洗质量。

3、水下机器人集群密度感知多依赖全局定位信息，局部感知能力不足。当机器人在管汇密集区作业时，缺乏针对局部邻域的密度量化方法，难以动态调整集群分布。此外，现有避障策略易与编队控制冲突，机器人遇障时易脱离编队，或因避障动作过大破坏整体覆盖均匀性，增加重复作业概率。

技术实现思路

1、本技术的实施例提供面向多机器人集群协同编队分布式控制方法及系统，无需全局通信即可让多水下机器人自适应维持均匀编队，同时抵消射流反冲干扰、平滑避障，适配水下管汇复杂结构的清洗作业需求，为达到上述目的，本技术采用如下技术方案：

2、面向多机器人集群协同编队分布式控制方法，所述方法包括：

3、以各机器人位置为中心建立局部邻域窗口，利用核密度估计法计算所述窗口内的局部密度观测值；

4、获取水下管汇的作业区域地图，构建全局期望密度分布，并根据当前位置查询得到对应的期望局部密度值；

5、计算所述局部密度观测值与期望局部密度值的偏差，构建密度势场函数；

6、引入局部质量守恒约束，将所述密度势场函数的法向梯度在邻域窗口边界上的法向通量设定为零；

7、基于所述法向通量约束求解密度通量修正项；

8、根据所述密度通量修正项计算各机器人对应的分布式漂移速度；

9、融合所述分布式漂移速度、高压水射流的喷射反作用力前馈项及避障速度项，生成合速度向量；

10、将所述合速度向量转换为水下机器人推进器的推力分配指令；

11、执行所述推力分配指令驱动机器人运动，利用运动后的位置数据更新所述局部邻域窗口。

12、在某些可能实现的方式中，所述基于所述法向通量约束求解密度通量修正项，包括：

13、获取所述高压水射流的泵压数据；

14、根据所述泵压数据计算所述高压水射流的喷射反作用力幅值；

15、构建以所述反作用力幅值为输入量的前馈增益映射关系；

16、利用所述前馈增益映射关系对所述密度通量修正项进行缩放，生成前馈补偿分量；

17、将所述前馈补偿分量叠加至所述密度通量修正项，输出补偿后的密度通量修正项。

18、在某些可能实现的方式中，所述利用运动后的位置数据更新所述局部邻域窗口，包括：

19、统计所述局部邻域窗口内的邻居机器人数量，生成邻居连通度参数；

20、比较所述邻居连通度参数与预设的连通度下限阈值；

21、当所述邻居连通度参数低于所述连通度下限阈值时，提取所述核密度估计法中当前使用的带宽参数；

22、按照预设的放大比例对所述带宽参数进行修正，生成更新后的带宽参数；

23、利用所述更新后的带宽参数替换原带宽参数，并以各机器人更新后的位置数据为中心，按照所述更新后的带宽参数重新划定所述局部邻域窗口的空间范围；

24、将重新划定的局部邻域窗口作为下一控制周期的当前局部邻域窗口。

25、在某些可能实现的方式中，所述计算所述局部密度观测值与期望局部密度值的偏差，构建密度势场函数，包括：

26、计算所述局部密度观测值与所述期望局部密度值的差值，生成密度偏差；

27、设定局部密度安全阈值；

28、比较所述局部密度观测值与所述局部密度安全阈值的大小；

29、当所述局部密度观测值大于所述局部密度安全阈值时，提取所述密度偏差作为密度超限偏差；

30、将所述密度超限偏差乘以预设的排斥增益系数，生成排斥势能项；

31、以所述密度偏差为输入变量，结合所述排斥势能项，构建包括基础引力分量与附加排斥分量的密度势场函数。

32、在某些可能实现的方式中，所述基于所述法向通量约束求解密度通量修正项，包括：

33、在所述局部邻域窗口内定义图拉普拉斯算子；

34、采集邻居机器人的局部密度观测值及相对位置向量；

35、利用所述相对位置向量构建邻接矩阵，并结合所述局部密度观测值构建度矩阵；

36、根据所述邻接矩阵与所述度矩阵计算所述图拉普拉斯算子的作用结果；

37、将所述图拉普拉斯算子的作用结果作为约束条件代入泊松方程求解器；

38、利用所述泊松方程求解器输出满足所述法向通量约束的密度通量修正项。

39、在某些可能实现的方式中，所述获取水下管汇的作业区域地图，构建全局期望密度分布，包括：

40、识别所述水下管汇的几何中心线；

41、沿所述几何中心线提取多个路径点，构建路径点序列；

42、计算所述路径点上各点的法截面，生成垂直于所述几何中心线的法截面集合；

43、在所述法截面集合上定义高斯型密度剖面，所述高斯型密度剖面的峰值位于所述几何中心线上；

44、基于所述高斯型密度剖面与所述路径点序列，合成全局期望密度分布。

45、在某些可能实现的方式中，所述融合所述分布式漂移速度、高压水射流的喷射反作用力前馈项及避障速度项，生成合速度向量，包括：

46、获取所述水下机器人搭载的避障传感器采集的障碍物距离数据；

47、当所述障碍物距离数据小于预设的安全距离时，生成指向远离障碍物方向的原始避障向量；

48、计算所述原始避障向量的切向分量与法向分量；

49、利用所述法向分量对所述密度通量修正项进行修正，限制机器人穿越障碍物的趋势；

50、利用所述切向分量对所述分布式漂移速度进行修正，引导机器人沿障碍物轮廓滑行；

51、将修正后的密度通量修正项与修正后的分布式漂移速度进行矢量求和，生成中间速度向量；

52、将所述中间速度向量与所述高压水射流的喷射反作用力前馈项进行矢量叠加，生成合速度向量。

53、在某些可能实现的方式中，所述将所述合速度向量转换为水下机器人推进器的推力分配指令，包括：

54、建立水下机器人的推进器配置矩阵，所述配置矩阵表征各推进器安装位置与推力方向的几何关系；

55、获取所述水下机器人的姿态传感器采集的横摇角与纵倾角度数据；

56、根据所述横摇角与纵倾角度数据计算重力在机体坐标系下的分解分量；

57、将所述重力分解分量叠加至所述合速度向量，生成包括重力补偿的总受力向量；

58、将所述总受力向量左乘所述推进器配置矩阵的伪逆矩阵，求解各推进器所需的转速值；

59、将所述转速值作为推力分配指令。

60、在某些可能实现的方式中，所述执行所述推力分配指令驱动机器人运动，利用运动后的位置数据更新所述局部邻域窗口，包括：

61、记录所述水下机器人执行所述推力分配指令过程中的实际轨迹点序列；

62、计算所述实际轨迹点序列与预设的理想清洗路径之间的横向偏差；

63、当所述横向偏差大于预设的轨迹修正阈值时，生成轨迹纠偏向量；

64、利用所述轨迹纠偏向量构建附加势场项，并将所述附加势场项叠加至所述密度势场函数，生成修正后的密度势场函数；

65、将所述修正后的密度势场函数写入存储器，替换原密度势场函数；

66、利用所述实际轨迹点序列中的位置数据更新所述局部邻域窗口。

67、面向多机器人集群协同编队分布式控制系统，所述系统包括：

68、态势感知模块，用于以各机器人位置为中心建立局部邻域窗口，利用核密度估计法计算所述窗口内的局部密度观测值；获取水下管汇的作业区域地图，构建全局期望密度分布，并根据当前位置查询得到对应的期望局部密度值；

69、决策规划模块，用于计算所述局部密度观测值与期望局部密度值的偏差，构建密度势场函数；引入局部质量守恒约束，将所述密度势场函数的法向梯度在邻域窗口边界上的法向通量设定为零；基于所述法向通量约束求解密度通量修正项，所述修正项表征机器人集群在微观尺度上的不可压缩特性；

70、运动解算模块，用于根据所述密度通量修正项计算各机器人对应的分布式漂移速度；将经高压水射流反作用力前馈补偿后的密度通量修正项与分布式漂移速度、避障速度项进行融合，生成合速度向量；将所述合速度向量转换为水下机器人推进器的推力分配指令；

71、执行反馈模块，用于执行所述推力分配指令驱动机器人运动；当轨迹横向偏差大于预设阈值时，构建轨迹纠偏附加势场项并更新密度势场函数；利用运动后的位置数据更新所述局部邻域窗口。

72、由上述技术方案可知，本技术具有如下有益效果：

73、1.本技术将连续介质力学中的密度势场与不可压缩约束引入分布式编队控制，每台机器人仅需通过局部邻域窗口感知周边密度，无需全局通信即可自主调整运动方向，彻底摆脱了对中心节点与全局信息的依赖。通过构建与管汇几何结构匹配的全局期望密度分布，机器人可自发沿管道走向均匀覆盖，解决了传统固定队形适配性差的问题。同时引入的局部质量守恒约束将邻域窗口边界设为虚拟固壁，保证集群微观层面的不可压缩特性，避免出现局部过度聚集或稀疏现象，清洗覆盖率提升且集群在节点通信中断时仍能维持稳定编队。

74、2.本技术针对性解决水下清洗的实操干扰：通过高压水射流反作用力前馈补偿，提前抵消反冲力，避免轨迹偏移；避障速度拆为切向、法向分量，既防碰撞，又引导机器人沿障碍物平滑滑行，防止编队脱节。同时适配复杂场景：局部邻域窗口随邻居数量动态调整带宽，保障密度估计可靠；轨迹纠偏通过微调期望密度实现无超调回归，配合带重力补偿、推进器约束的推力分配，在管汇弯头、交汇区也能稳定作业，适配工程落地需求。