基于稀疏采样和信息交互的无人集群编队机动控制方法

1.本发明涉及无人集群编队机动控制和信息交互技术，具体涉及一种有向通讯拓扑下基于稀疏采样和信息交互，且不依赖全局信息的无人集群仿射编队机动控制方法。


背景技术：

2.无人集群编队机动控制问题由于其在军事、航天和救援等领域的广泛应用，成为了多自主体协同控制领域的一个主要研究方向。而其中仿射编队机动控制方法由于其绝佳的机动性和良好的可移植性成为了编队机动控制领域中的一个主要研究热点。
3.现有的仿射编队机动控制方法大都依赖连续的信息交互，这在大规模无人集群协同任务时，由于通讯带宽和自主体电源能量的受限往往会造成通讯信道的阻塞，给编队任务的实现带来较大的困难。例如，文献1（shiyu zhao, affine formation maneuver control of multiagent systems, ieee transactions on automatic control, vol. 63, no. 12, pp. 4140-4155, 2018.）中的方法需要连续的信息交互，对系统的通讯带宽和电源能量消耗大；且无法应用到有向通讯拓扑上，因而适用性差。文献2（yang xu, shiyu zhao, delin luo, and yancheng you. affine formation maneuver control of high-order multi-agent systems over directed networks. automatica, 118:109004, 2020）记载的方法也需要连续的信息交互，需要通讯网络拓扑的全局信息，因此也难以应用到大规模无人集群的协同控制任务中。文献3（junyi yang, hao yu, and tongwen chen. affine for-mation maneuver control of event-triggered multi-agent systems. ifac-papersonline, 53(2):3391
–
3396, 2020）中的方法不能应用到动力学为一般线性系统的自主体系统中，普适性不好；也无法处理具有外界干扰噪声的情况，难以应用到实际应用场景中；而且也不能处理领导者有控制输入的情况，针对无人集群难以实现更为复杂的连续机动。
4.针对依赖连续的信息交互这一问题，有学者提出了基于稀疏采样和信息交互的通讯方法，其核心思想在于设计稀疏采样的条件，用于决定采样和通讯的时机，只有当条件触发时采样和通讯才会发生。因此，相比于连续通讯的方法，稀疏采样通信机制可以有效地减轻自主体的通讯负担，进而节省群体系统的通信资源和电源能量。稀疏采样通讯机制的原理在于通过建立采样值和真实值之间的误差，判断误差是否超过了稀疏采样条件设置的阈值，从而保证减少采样和通讯次数的同时，保持系统的应有性能。然而现有的稀疏采样通讯方法绝大多数只能实现无向通讯拓扑下的群体协同控制，而在存在外界干扰信号且网络通讯拓扑为不对称的有向拓扑时，采用稀疏采样通讯的控制算法往往需要用到如网络的规模信息、通讯拓扑矩阵的最小非零特征值等全局信息，这在进行大规模无人集群编队机动控制时是难以实现的。因此，目前的研究和现有技术针对仿射编队机动控制问题，难以实现在有向通讯拓扑下不依赖全局信息，且对外界干扰具有一定鲁棒性的群体系统稀疏采样通讯和控制。


技术实现要素：

5.本发明提供一种基于稀疏采样和信息交互的无人集群仿射编队机动控制方法，目的是针对无人集群仿射编队机动控制应用场景，提供一种有向通讯拓扑下的稀疏采样信息交互方法，解决在有外界噪声干扰的情况下，编队机动控制场景中通讯和采样频率过于频繁进而导致的系统通讯带宽有限、系统中个体电源能量不足等等问题，同时避免对系统全局信息的使用。
6.本发明通过设计稀疏采样信息交互机制，在不影响系统整体品质的前提下，避免了编队中自主体之间的连续采样和通讯；通过引入一种全新的自适应控制方法，避免了对系统网络全局信息的使用；通过设计一种基于节点的信息采样和交互机制，实现了群体系统在有向通讯拓扑下的仿射编队机动控制的任务和目标；通过设计采样通讯触发机制函数，避免了有限时间里无限次采样的芝诺现象的出现。
7.本发明原理的核心在于稀疏采样通信机制以及仿射编队控制算法的设计，稀疏采样通讯机制和控制算法的建立主要依赖于仿射编队中个体的采样状态信息。本发明设计的动态稀疏采样触发函数可以将局部估计误差与网络拓扑解耦。通过使用动态稀疏采样触发函数，仿射编队中的每个个体只有当满足特定条件的时候进行对状态的采样，对自身的控制算法进行更新，同时将采样得到的状态信息广播给其邻居，其邻居个体在得到广播信息后也更新自身控制算法。通过本发明提出的稀疏通讯采样机制，可以在实现仿射编队机动控制的同时，有效减少群体中自主体的采样次数、编队中个体间的通讯次数和控制律的更新次数。
8.本发明的技术方案如下：一种基于稀疏采样和信息交互的无人集群仿射编队机动控制方法，包括如下步骤：1）对无人集群仿射编队系统进行建模；无人集群仿射编队系统具有n个自主体（即个体，如无人车、无人机），分为m个领导者自主体和n-m个跟随者自主体；2）对无人集群仿射编队系统的目标编队队形和系统通讯网络进行表征，包括无人集群仿射编队系统的领导者和跟随者的数量以及彼此之间的通讯拓扑连接情况；3）对无人集群仿射编队系统中的自主体，设计控制算法和稀疏采样通讯机制；31）对无人集群仿射编队系统中的跟随者自主体设计控制算法，表示为式4：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式4其中，为控制器，是第个自主体的控制输入；为第个自主体的自适应参数且满足的初始状态条件，为对时间的导数；表示符号函数；表示算法中一个耦合增益。用来描述无人集群系统中的第
个个体基于采样估计信息的收敛误差；表示的转置；是一个给定常数；加性算子，参数矩阵和分别为: ,,,；其中矩阵为如下线性矩阵不等式的解矩阵：矩阵为如下线性矩阵不等式的解矩阵：矩阵为如下线性矩阵不等式的解矩阵：，其中。
[0009][0009]9.,, 表示在这个时间区内对于自主体的状态的估计值，表示指数函数，表示第个个体的第次采样时刻，表示第个个体的第次采样时刻，表示第个个体的第次采样时刻所采样得到的状态值，即即被称作指数保持器，与有类似的结构和含义。
[0010]
32）对无人集群仿射编队系统设计稀疏采样通讯机制，将动态稀疏采样触发函数表示为式5：为式5：为式5：为式5：为式5：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式5其中，为第个自主体的第次采样时刻；为第个自主体的第次采样时刻；和均为大于0的常数；均为大于0的常数；均为大于0的常数；表示估计误差；表示估计误差的转置；为一个指数衰减项；表示下确界函数；为外部动态变量，且具有如下动力学：具有如下动力学：具有如下动力学：具有如下动力学：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式6其中，和均为大于0的常数，表示对时间的导数。
[0011][0011]
项是采样条件的阈值，式5成立即表示误差超过稀疏采样条件设置的阈值，即条件满足。仿射编队中的每个个体只有当满足条件的时候对状态进行采样，并通过式4对自身的控制算法进行更新。具体地，当式5中的并通过式4对自身的控制算法进行更新。具体地，当式5中的并通过式4对自身的控制算法进行更新。具体地，当式5中的并通过式4对自身的控制算法进行更新。具体地，当式5中的成立时，编队中的第个个体进行对自身状态的采样，将采样得到的状态信息由指数保持器进行保持并发布给控制器进行更新，同时将采样的信息广播给自己的邻居。接收到广播信息的邻居也对自身的控制算法进行更新。
[0012]
通过建立李雅普诺夫函数，基于本发明提出的针对无人集群系统的稀疏采样通讯机制和控制方法可以在有向通讯拓扑下让跟随者的收敛误差收敛到一个有界集合，意味着实现了跟随者收敛到了领导者所确定的目标轨迹，即实现了无人系统集群的仿射编队机动控制。
[0013]
通过以上步骤，在有向通讯拓扑下，跟随者的收敛误差收敛到一个有界集合，即由此实现了无人集群仿射编队的机动控制。
[0014]
本发明的有益效果：本发明针对无人集群系统提出了一种基于稀疏采样和信息交互的编队控制算法，实现了无人集群在有向通讯网络拓扑下的仿射编队机动控制。本发明适用于有向通讯网络拓扑，使得本发明具有良好的普适性。编队中自主体的动力学被设置为一般线性系统，使得本发明有着广泛的适用对象。通过设计不存在芝诺效应的稀疏采样信息交互方法，使得本发明的通讯协议具有物理可行性，同时避免了自主体间连续通讯的存在，节约了群体系统的通讯带宽，节省了群体系统中自主体的电源能量。通过对编队中的自主体设计完全分布式的控制方法，避免了全局信息的应用，所有的自主体的控制算法仅依赖自身的信息以及邻居的采样信息，从而使得本发明可以应用到全局信息不容易获取的大规模无人集群系统中。
附图说明
[0015]
图1为本发明提出的群体系统稀疏采样信息交互机制说明图；图2为本发明方法的流程步骤框图。
[0016]
图3为本发明具体实施采用optitrack实时定位系统和crazyflies无人机系统在稀疏采样信息交互机制下进行编队控制的方法流程框图。
具体实施方式
[0017]
下面结合附图，通过实施例进一步描述本发明，但不以任何方式限制本发明的范围。
[0018]
本发明提供一种基于稀疏采样和信息交互的无人集群仿射编队机动控制方法，图1介绍了本发明提出的群体系统稀疏采样信息交互方法的作用过程。首先为编队中的自主体设计各自的触发函数，当触发函数条件满足时，通过系统中的采样器对该自主体进行采样，将采样得到的信息由指数保持器进行保持并发布给控制器进行更新，同时系统中的采样器会将采样得到的信息将广播给自身的邻居，邻居在收到广播信息之后也将同时更新自身的控制算法。
[0019]
本发明方法具体实施的流程如图2所示，本发明基于稀疏采样信息交互的仿射编队机动算法的具体设计过程如下：1. 根据不同的应用场景，通过确定矩阵来确定编队系统中自主体的动力学模型。
[0020]
2. 根据实际情况，确定群体系统的有向通讯扑应力矩阵，并确保该群体系统的所有跟随者个体均是从领导者集合可达的。
[0021]
3. 通过公式通过公式通过公式对初始编队构型(initial configuration)进行仿射变换来得到目标编队队形，并假设领导者已经得到了适当的控制达到了目标编队队形。
[0022]
4. 通过解线性矩阵不等式通过解线性矩阵不等式通过解线性矩阵不等式得到解矩阵，进
而得到参数矩阵和分别为: ,,,。
[0023]
5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保5.得到自主体的控制器式4和采样通讯条件式5，并且确保的条件。
[0024]
本发明方法具体包括如下步骤：1） 对无人集群仿射编队系统进行建模：假设无人集群系统具有n个自主体（如无人车、无人机），分为m个领导者自主体和n-m个跟随者自主体。用和分别表示领导者和跟随者的集合，并对系统中的自主体动力学建模如下：力学建模如下：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式1其中，表示集群中第个自主体的状态信息, 表示第个自主体的状态信息对时间的导数，表示集群中第个自主体的外界干扰信号，表示集群中第个自主体的输入信息, 分别表示与对应变量维数相容的系统矩阵，，分别表示维数为的向量。同时，领导者的控制输入和噪声信号需要满足范数有界的假设条件：的假设条件：的假设条件：.跟随者的噪声信号也需要满足范数有界的假设条件：的假设条件：的假设条件：系统中自主体的状态信息依赖于对系统的具体建模，如二阶积分器系统的状态包括自主体的位置信息和速度信息，独轮小车系统的状态包括自主体的位置信息和方位信息等。当采样条件式5满足时进行采样，对状态采样的方法也依赖于对系统的具体建模：例如如果是二阶积分器系统，状态信息包括状态信息和速度信息的话，采样就是利用外界设备观测自主体的位置信息和速度信息。图3给出了一个具体实例。
[0025]
2） 对无人集群的目标编队队形和系统通讯网络进行表征，包括无人集群的领导者和跟随者的数量以及彼此之间的通讯拓扑连接情况；21）通过对初始编队构型(initial configuration)进行仿射变换来得到目标编队队形，表示为：队队形，表示为：队队形，表示为：,
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式2其中，为目标编队队形；和是对时间的连续变量，是初始编队构型，为单位矩阵，表示元素全为的列向量，表示克罗内克积。
[0026]
22）采用应力矩阵作为通讯拓扑连接矩阵。
[0027]
区别于传统的拉普拉斯矩阵，应力矩阵非对角线元素可以为正值、负值和零值，这在拓扑通讯结构的物理意义上可以表征为其与邻居之间的吸引力、排斥力和不连接的情况。本发明采用来描述无人系统集群中第个个体和第个个体间的通讯连接权重，并用应力矩阵来描述无人集群系统整体的有向通讯拓扑连接情况，其中，，。根据无人集群中领导者与跟随者之间的有向通讯拓扑连接情况，可以
将应力矩阵内部结构设置表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式3其中，表示无人集群整体的通讯拓扑连接情况；为领导者内部的通讯连接情况；为跟随者到领导者的通讯拓扑连接情况；为领导者到跟随者的通讯拓扑连接情况；为跟随者内部的通讯拓扑连接情况，且矩阵是对角占优的。本发明假设和均为零矩阵。
[0028]
23）设置无人集群中领导者和跟随者的数量以及彼此之间的通讯拓扑连接情况：设定领导者的个数，其中是无人系统集群中状态的维度，通讯拓扑连接是有向的，同时中的所有跟随者个体均是从集合可达的。上述场景中跟随者彼此间的内部通讯拓扑矩阵满足非奇异特性，此时跟随者的目标位置可以由领导者所唯一确定，可以表述为：导者所唯一确定，可以表述为：，其中，其中。用来描述跟随者整体的跟踪误差：述跟随者整体的跟踪误差：述跟随者整体的跟踪误差：，其中的，其中的。考虑到的非奇异特性，用收敛误差向量的非奇异特性，用收敛误差向量的非奇异特性，用收敛误差向量的非奇异特性，用收敛误差向量来描述跟随者整体的收敛误差，该向量内部元素素素。
[0029]
3） 对无人集群中的自主体设计控制算法和稀疏采样通讯机制：本发明假设领导者已经得到了控制，因而仅对跟随者设计控制算法。
[0030]
31）对无人系统集群中的跟随者个体设计控制算法，表示为：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式4其中，为第个自主体的控制输入；为第个自主体的自适应参数且满足的条件，为对时间的导数；表示符号函数；表示算法中一个耦合增益。用来描述无人集群系统中的第个个体基于采样估计信息的收敛误差；表示的转置；是一个给定常数；加性算子，其中矩阵为如下线性矩阵不等式的解矩阵：矩阵为如下线性矩阵不等式的解矩阵：矩阵为如下线性矩阵不等式的解矩阵：，其中。参数矩阵和分别为: ,,,。
[0031][0031][0031]
,, 表示在这个时间区内对于状态的估计值，表示指数函数，表示第个个体的第次采样时刻，表示第个个体的第次采样时刻，表示第个个体的第次采样时刻所采样得到的状态值，与有类似的结构和含义。
[0032]
32）对这无人系统集群设计如下的稀疏采样通讯机制：人系统集群设计如下的稀疏采样通讯机制：人系统集群设计如下的稀疏采样通讯机制：人系统集群设计如下的稀疏采样通讯机制：人系统集群设计如下的稀疏采样通讯机制：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式5其中，为第个个体的第次采样时刻；为第个个体的第次采样时刻；和均为大于0的常数；均为大于0的常数；均为大于0的常数；表示估计误差；表示估计误差的转置；为一个指数衰减项；表示下确界函数；外部动态变量具有如下动力学：学：学：学：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式6其中，和均为大于0的常数，表示外部动态变量对时间的导数。
[0033]
当仿射编队中的个体满足阈值条件（式5）时对个体状态进行采样，并对控制算法通过式4进行更新；同时将采样信息广播给邻居；接收到广播信息的邻居通过式4对自身控制算法进行更新；通过以上步骤，在有向通讯拓扑下，跟随者整体的收敛误差收敛到一个有界集合，即由此实现了无人集群仿射编队的机动控制。
[0034]
具体地，通过建立如下的李雅普诺夫函数：具体地，通过建立如下的李雅普诺夫函数：具体地，通过建立如下的李雅普诺夫函数：具体地，通过建立如下的李雅普诺夫函数：
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式7其中，为建立李雅普诺夫函数；为大于0的常数；为大于0的常数；为虚拟增益；和均为大于0的常数；为外部动态参数且其中的和和式6中的相同，分别表示第个自主体稀疏采样通讯机制中的外部动态变量和大于0的常数。
[0035]
利用barbalat引理通过式7证明，基于本发明提出的针对无人集群系统的稀疏采样通讯机制和控制方法，可以在有向通讯拓扑下通过barbalat引理让跟随者整体的收敛误差收敛到一个有界集合，即表明实现了跟随者收敛到了领导者所确定的目标轨迹，即实现了无人系统集群的仿射编队机动控制。
[0036]
图3进一步给出了采用optitrack和crazyswarm系统来验证本发明提出的基于完全分布式的群体系统稀疏采样信息交互方法。optitrack系统是一套实时动作捕捉系统，可以提供高精度的实时位置数据，其包括多个摄像头和一个装有motive软件的主机，motive主机主要负责对数据的整合处理；crazyswarm是一套无人机系统，包含多架无人机和一个负责给无人机发送指令的地面站(gcs，ground control station)。optitrack对
crazyswarm系统中的无人机进行状态采样并通过motive主机将采样数据广播给crazyswarm系统中的地面站，再由地面站将采样的状态信息广播给对应的无人机以及它的邻居。在具体实施过程中，无人集群中的自主体采用本发明设计的控制算法和稀疏采样通讯机制，当每架无人机触发条件满足时，无人机将向地面站提出请求，此时optitrack对crazyswarm系统中的无人机进行状态采样并将采样得到的信息广播给该架无人机和它的邻居无人机，该架无人机和它的邻居无人机同时更新自身的仿射编队机动控制，直到仿射编队达到稳态。
[0037]
综上描述的具体实施方法，即可实现了在有向通讯拓扑下基于稀疏采样信息交互，且不依赖于全局信息的仿射编队机动控制算法。
[0038]
需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附权利要求的范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。