一种面向空地协同任务的异构多智能体事件触发控制方法
本发明涉及多智能体协同控制,尤其涉及一种面向空地协同任务的异构多智能体事件触发控制方法。
背景技术:
1、多智能体系统由于具有分布式决策、自组织协调、任务并行执行及较强鲁棒性等优点,已经广泛应用于编队控制、区域覆盖、协同巡检、目标搜索、仓储运输、环境监测和应急救援等场景。围绕多智能体系统协同控制问题,现有技术中已经提出了周期采样一致性控制、事件触发一致性控制、自触发控制、分布式估计控制以及分布式优化控制等方法。
2、随着无人系统技术与智能装备技术的发展,实际任务场景中的多智能体系统越来越多地表现为异构形式。所谓异构多智能体系统,是指系统中不同智能体在动力学模型、执行机构、运动能力、感知能力、通信能力、资源状态和任务角色等方面存在显著差异。
3、例如,在空地协同巡检场景中,无人机通常具有较高速度和较大感知范围,适合执行全局巡检与快速搜索任务;无人车通常具有更强续航能力和更高地面作业稳定性,适合执行近距离检测和局部精细作业任务。类似地,在仓储场景中,搬运机器人、分拣机器人和巡检机器人在负载能力、运动速度和任务适配能力方面也存在明显差异。
4、然而,现有技术在异构多智能体一致性控制方面仍然存在以下不足:
5、第一,现有多数一致性控制方法以同构系统为研究对象,即默认各智能体动力学模型相同或近似相同,难以直接适用于由无人机、无人车、无人艇、移动机器人等不同平台组成的异构系统。对于异构系统,即使部分方法考虑了不同动力学模型,也往往缺少统一协同状态表达方式,导致不同类型智能体难以在同一框架下进行一致性控制设计。
6、第二,现有事件触发控制方法通常主要依据状态误差设置触发条件,触发机制相对单一,难以反映异构多智能体系统在运动能力、感知能力、通信能力、剩余能量等方面的差异化需求。例如,对于通信能力较弱或剩余能量较低的节点,应适当降低不必要的通信频率;对于承担关键任务或处于异常区域附近的节点,则需要在关键阶段提高广播和控制更新频率。单纯依赖状态误差项构建的触发机制难以对上述因素进行统一表达。
7、第三,现有一致性参考通常采用简单平均方式或固定领导者方式生成,未充分考虑不同节点能力差异和任务角色差异。对于异构多智能体系统而言,不同节点在系统中的作用并非完全等同,高能力节点、高资源余量节点和关键任务节点往往应在系统协同中发挥更大参考作用。若仍采用等权平均一致性参考,则不利于提高整体协同效率和任务执行效果。
8、第四,在事件触发通信机制下,邻居智能体的状态信息通常是非连续广播的。若系统在邻居未广播期间仅使用其最近一次广播状态,则容易产生控制滞后和信息陈旧问题,进而影响一致性控制性能。尤其在异构系统中,由于不同节点运动速度、动力学模型和状态变化速率不同,陈旧信息对控制效果的影响可能更加明显。
9、因此,亟需一种能够统一描述异构能力差异、适配不同类型智能体动力学模型,并同时兼顾低通信开销、任务紧迫性和一致性收敛性能的异构多智能体事件触发一致性控制方法。
技术实现思路
1、发明目的:针对背景技术中指出的问题,本发明提供一种面向空地协同任务的异构多智能体事件触发控制方法,以解决现有技术中异构多智能体动力学难以统一、一致性参考难以反映节点能力差异、事件触发机制无法综合感知异构能力与任务需求,以及邻居非连续广播导致信息陈旧的问题。
2、技术方案:本发明公开一种面向空地协同任务的异构多智能体事件触发控制方法,包括如下步骤:
3、步骤1,建立由多个智能体构成的异构多智能体系统的动力学模型、通信拓扑模型及任务场景模型;
4、步骤2,对各智能体构建对应的异构能力画像,并对异构能力画像中的能力特征参数归一化处理,基于归一化后的异构能力画像计算各智能体的综合能力指标;
5、步骤3,依据不同类型智能体动力学模型的动力学特征构建虚拟一致性层,将各智能体原始状态映射至统一虚拟协同状态空间;
6、步骤4,对未触发广播的邻居智能体,利用状态预测器对其虚拟协同状态进行估计,得到预测邻居状态;
7、步骤5,根据综合能力指标、任务角色权重、预测邻居状态、局部邻域状态及当前通信拓扑,生成动态能力加权一致性参考,所述动态能力加权一致性参考为局部动态能力加权一致性参考或全局动态能力加权一致性参考;
8、步骤6,构建融合广播误差、预测误差、能力失配项或综合能力指标、任务紧迫度项和资源自适应阈值的事件触发函数,并判断是否执行状态广播和控制输入更新;
9、步骤7,根据动态能力加权一致性参考、预测邻居状态及当前通信拓扑,计算各智能体在虚拟一致性层中的一致性控制量;
10、步骤8,将一致性控制量转换为实际控制输入并施加于对应智能体,以实现异构多智能体系统的一致性协同控制。
11、进一步地,所述异构能力画像包括最大速度、最大加速度或机动能力、感知半径、通信质量指标、通信带宽能力、剩余能量、负载能力、智能体自身对当前任务的执行能力或适配能力;各智能体的所述综合能力指标为所有能力特征参数对应的权重系数与归一化后的能力特征参数的加权和。
12、进一步地,所述步骤3中,针对不同类型智能体分别构建状态映射函数,所述状态映射函数用于对不同类型智能体的原始状态进行统一任务坐标系转换、平面投影,运动分量重构以及尺度归一化中相对应的操作,将不同类型智能体的原始状态转换为具有相同维度和相同任务物理含义的虚拟协同状态;具体如下:
13、第个智能体的虚拟协同状态表示为:
14、;
15、其中,为第个智能体的原始状态,为与第个智能体平台类型对应的状态映射函数,为第个智能体在统一任务坐标系中的归一化平面位置,为第个智能体在统一任务坐标系中的归一化平面速度;
16、对于无人机平台,将无人机的三维空间位置和三维空间速度投影至统一空地协同任务平面,并经尺度归一化得到归一化平面位置和归一化平面速度;
17、对于无人车平台,根据无人车的线速度和航向角重构其在统一任务坐标系中的二维速度分量,并将所述二维速度分量和平面位置进行尺度归一化;
18、由此,将无人机平台和无人车平台的原始状态统一转换为四维虚拟协同状态:
19、;
20、其中,和分别为统一任务坐标系中的归一化平面位置分量,和分别为统一任务坐标系中的归一化平面速度分量。
21、进一步地,所述步骤4中,所述状态预测器采用一阶预测模型、二阶预测模型、观测器模型、卡尔曼滤波预测模型、学习预测模型中的任一种。
22、进一步地,邻居智能体在最近一次广播时刻后的预测虚拟协同状态表示为:
23、;
24、或者表示为:
25、;
26、其中,为第个智能体最近一次状态广播时刻,为当前时刻,和分别为最近一次广播时刻的虚拟协同状态一阶导数和二阶导数。
27、进一步地,所述步骤5中,局部动态能力加权一致性参考由智能体根据自身能够获得的邻域信息计算,具体为:
28、;
29、其中,为第个智能体在时刻的局部动态能力加权一致性参考, 为第个智能体的预测虚拟协同状态;为第个智能体对第个智能体的动态权重表示;
30、;
31、其中,为第个智能体在时刻的任务角色权重,为扩展邻域中的加权连接系数,为求和索引,表示扩展邻域中的任一智能体编号,且。
32、进一步地,所述步骤5中,全局动态能力加权一致性参考为:当异构多智能体系统具备全局信息汇聚能力时,动态能力加权一致性参考表示为:
33、;
34、其中,为全局动态能力加权一致性参考,为第个智能体的全局动态权重:,n为智能体个数。
35、进一步地,所述步骤6中的事件触发函数满足大于0时,第个智能体执行状态广播和控制输入更新;否则,第个智能体不执行状态广播,并继续利用预测邻居状态参与控制计算;具体为:
36、;
37、;
38、;
39、;
40、其中,为正权重参数,为资源自适应触发阈值,为任务紧迫度项,为综合能力指标或者能力失配项,为广播误差,为预测误差,为第个智能体归一化后的能力画像向量,为第个智能体归一化后的能力画像向量,为通信拓扑智能体与智能体之间的邻接权重;和为第个、第j个智能体的综合能力指标;表示由任务剩余时间确定的时间紧迫因子,表示由任务优先级确定的优先级因子,表示由异常区域、重点区域或突发事件确定的事件因子,为非负权重系数;为基础触发阈值,、、分别为归一化后的剩余能量、通信质量和通信带宽,为非负调节系数。
41、进一步地,所述步骤7中各智能体在虚拟一致性层中的一致性控制量具体为:
42、;
43、其中,为第个智能体在虚拟一致性层中的一致性控制量,为邻域协调反馈增益,为参考跟踪反馈增益,为通信拓扑智能体与智能体之间的邻接权重;为智能体的虚拟协同状态,为智能体的动态能力加权一致性参考,为对邻居智能体当前虚拟协同状态的预测值。
44、进一步地,将虚拟一致性控制量映射为实际控制输入,表示为:
45、;
46、其中,为与第个智能体动力学类型对应的控制输入映射函数,为第个智能体的平台参数、执行器约束参数或低层控制器参数。
47、与现有技术相比,本发明至少具有以下有益效果:
48、1、本发明通过构建特征参数的异构能力画像,将各智能体在运动、感知、通信、能量、负载和任务适配等方面的差异进行统一量化描述,使异构性从背景属性转化为可直接参与参考生成、触发判定和控制设计的显式变量。
49、2、本发明通过构建虚拟一致性层,将不同类型智能体的原始状态映射至统一虚拟协同状态空间,实现异构系统在同一一致性框架下的控制律设计,提高方法对多类型平台的适配能力。
50、3、本发明通过动态能力加权一致性参考生成机制,使高能力节点、高资源余量节点以及在当前任务阶段承担关键任务的节点在协同过程中发挥更大参考作用,从而提高系统整体的一致性收敛效率与任务执行效率。
51、4、本发明通过邻居状态预测补偿机制,在非连续广播条件下维持邻居状态信息的连续可用性,降低陈旧状态带来的控制滞后问题。
52、5、本发明通过构建融合广播误差、预测误差、能力失配度或综合能力指标、任务紧迫度和资源自适应阈值的事件触发函数,使通信资源能够根据节点能力、资源状态和任务阶段进行自适应分配,从而降低冗余通信开销,提高系统通信效率和工程应用价值。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com