一种基于分布式纳什均衡搜索的无人机集群编队跟踪方法

摘要: 本发明涉及多智能体系统控制、非合作博弈论及无人机协同,具体涉及一种基于分布式纳什均衡搜索的无人机集群编队跟踪方法。该方法引入非合作博弈框架,旨在解决多集群系统在...
一种基于分布式纳什均衡搜索的无人机集群编队跟踪方法

本发明涉及多智能体系统控制、非合作博弈论及无人机协同,具体涉及一种基于分布式纳什均衡搜索的无人机集群编队跟踪方法。该方法引入非合作博弈框架,旨在解决多集群系统在动态环境下的智能路径决策问题,以及集群内部成员在执行编队任务时可能出现的利益冲突协调问题,特别适用于多无人机系统在通信拓扑切换条件下的协同作业。

背景技术:

1、随着多智能体系统技术的快速发展,编队跟踪控制作为其中的核心研究方向,已在无人机搜索、监视及协同运输等领域展现出巨大的应用潜力。传统的编队跟踪通常要求智能体在维持特定几何形状的同时,跟踪参考轨迹或领航者。在复杂的实际任务中,系统往往被划分为多个子集群,由各自的领导者指引跟随者完成任务。

2、现有的集群编队控制方案仍存在显著局限。首先,大多数算法侧重于集群内部的完全协作,缺乏集群间的智能决策能力。子集群领导者通常仅被动跟踪预设轨迹,无法在面对竞争性任务(如资源争夺或多目标分配)时进行自主博弈和动态调整。其次,现有的协议多假设跟随者利益完全一致,忽略了实际中可能出现的个体利益冲突(如避障优先级差异或特定目标的探测偏好),这往往会导致传统协作协议的失效。此外,许多基于博弈论的控制策略依赖于中心化信息流,要求各智能体获取全局状态或所有领导者的速度信息,这在通信带宽受限或拓扑不稳定的分布式实际场景中极难实现。因此,开发一种既具备分布式决策能力,又能协调内外部利益冲突,且在拓扑切换下具有高收敛性能的控制方案,对于提升无人机集群作业的智能化和鲁棒性具有极其重要的意义。

技术实现思路

1、本发明针对现有的集群编队方法决策能力弱、难以处理利益冲突以及分布式适应性差的问题,提出一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法。该方法结合分布式估计机制与梯度下降算法,确保系统在无需全局速度信息且通信拓扑发生切换的情况下,仍能以指数速率收敛至博弈的最优平衡状态。

2、本发明包括以下步骤:

3、步骤1:系统层级划分与动力学建模,明首先,将由个无人机组成的多无人机系统划分为个子集群。每个集群内设有一名领导者和若干名跟随者。设定所有无人机均遵循一阶动力学模型,其状态演化方程为:领导者动力学:,跟随者动力学:,其中,和分别代表第个集群领导者的位置状态向量和控制输入;和对应第个集群中第个跟随者的状态和输入;

4、步骤2:分布式通信拓扑与切换机制构建,划定若干个子区域,每个子区间派遣无人机集群;构建双层通信网络以确保信息的分布式传递:领导者层:领导者之间通过强连通的切换有向图进行信息交换。切换信号定义了链路的动态变化,且需满足由正数定义的最小驻留时间条件,以确保系统的指数稳定性。集群层:在各子集群内部,构建以领导者为根节点的生成树有向图。跟随者仅与其邻居跟随者及所属领导者进行局部通信;

5、步骤3:设计领导者分布式决策与状态估计协议,为使领导者具备智能博弈能力,定义本地代价函数。针对无法直接获知其他领导者实时位置的问题,设计如下协议:控制输入:,估计更新律:。其中,为集群对集群领导者状态的实时估计值,为决策与估计增益,代表对应领航者的状态,代表对应无人机之间的通信连接情况。该协议引导领导者位置收敛至纳什均衡点;

6、步骤4:构建含冲突项的跟随者竞争型代价函数,为解决集群内部利益冲突,将编队任务建模为动态纳什均衡搜索问题,定义跟随者竞争型代价函数,其中代表跟随者相对于领导者的预设编队偏移向量,为个体利益冲突项,其定义为,其中为个体利益势能。通过调整该项,跟随者可在维持编队框架的同时实现避障或趋近特定目标;

7、步骤5:设计分布式速度估计与编队控制指令,由于跟随者无法直接获取领导者的速度,设计前馈补偿机制,其中动态速度估计协议为。最终编队控制律为,其中,为速度估计值,为正增益;

8、步骤6:根据李雅普诺夫理论,构建由领导者决策误差、状态估计误差、编队误差及速度估计误差组成的综合李雅普诺夫函数:。利用线性矩阵不等式及切换系统稳定性判定准则,选取满足定理要求的增益界限。

9、本发明的特点还在于:

10、(1)步骤 1 所描述的无人机状态集涵盖了无人机的关键物理约束:最大航程、最大通信半径、最大有效探测覆盖半径、定常巡航速度、物理可操控最大转弯角以及维空间中的初始位置。这些物理参数构成了无人机执行任务时的动力学约束与通信边界。在系统配置中,所有控制增益的选取均需在满足物理速度限制的前提下,基于动力学模型进行全局优化。

11、(2)步骤 2 涉及的任务区域建模将待作业空间离散化为有限个栅格或连续子空间。通信拓扑被抽象为具有强连通特性的切换有向图。此外,引入参数表征由于链路瞬时断开或拓扑重组引起的状态不确定性;的量值反映了拓扑切换瞬时因平衡点跳变导致的系统波动程度。该建模过程集成了领导者间的切换通信与集群内部含生成树的通信链路,确保了复杂环境下信息的有效传递。

12、(3)步骤 3 定义的搜索价值函数表示为。其中,分别代表第个领航者航路规划的评价指标,第个领导者对目标点的邻近价值以及第个领导者间的避撞价值。为对应指标的权重系数,满足归一化条件;重要性因子则用于调节各路径点对全局纳什均衡点的贡献度,从而实现决策偏好的灵活调整。

13、(4)步骤 5 采用分布式状态/速度估计律获取无法直接感知的缺失信息(如其他领导者状态或所属领导者速度)。式中为估计输出;权重系数与通信拓扑的拉普拉斯矩阵及权重分配策略相关;为当前节点的邻域节点总数。该方法保证了智能体仅凭局部交互即可重构全局决策信息,并实现前馈补偿。

14、(5)步骤 6 中所描述的构建综合李雅普诺夫函数并选取增益界限,具体为:构建由组成的能量函数,其中为领导者决策误差(即领导者状态与纳什均衡点的距离),为领导者对其他领导者状态的估计误差,为跟随者寻求动态纳什均衡的编队误差,为跟随者对领导者速度的动态估计误差;利用线性矩阵不等式及切换系统稳定性判定准则,证明系统在切换有向拓扑下,即便在切换瞬间存在纳什均衡点的跳变,系统误差仍能以指数速率收敛至界限内。

1.一种基于分布式纳什均衡搜索的无人机集群编队跟踪方法,其特征在于,主要包括以下几个步骤:

2.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 1 中所述的无人机物理约束包括:最大航程、最大通信半径、最大有效探测覆盖半径、定常巡航速度、物理可操控最大转弯角 以及 d 维空间中的初始位置。

3.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 2 所描述的任务区域建模是将作业空间离散化为有限个栅格或连续子空间,并引入参数 表征由于链路瞬时断开或拓扑重组引起的状态不确定性。

4.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 2 中所述的双层通信网络满足:领导者间通过强连通的切换有向图交互,切换信号 需满足由正数 定义的最小驻留时间条件;集群层内构建以领导者为根节点的生成树有向图,且领导者不接收跟随者信息。

5.根根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 3 中所述的搜索价值函数表示为,其中  分别代表航路规划评价指标、目标点邻近价值及避撞价值, 为归一化权重系数, 为重要性因子。

6.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 3 中所述的估计更新律为:,其中  为集群 对集群 领导者状态的实时估计值, 为估计增益。

7.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 4 中所述的跟随者竞争型代价函数  包含个体利益冲突项,其定义为,其中  为个体利益势能,用于在维持编队的同时实现避障或目标趋近。

8.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 5 中所述的最终编队控制律为,通过反馈项驱动状态收敛,通过前馈项  消除领导者运动引起的动态滞后误差。

9.根据权利要求 1 所述的一种基于分布式纳什均衡搜索的竞争型无人机集群编队跟踪方法,其特征在于,步骤 6 中所述的综合李雅普诺夫函数,分别对应领导者决策误差、状态估计误差、跟随者编队误差及速度估计误差以确保指数级收敛。