一种用于集群智能系统的协同编队方法

摘要

本发明公开了一种用于集群智能系统的协同编队方法，先根据预设协同编队形成时间和一类时间函数TBG构造TBG增益，然后基于所述TBG增益、所述集群智能系统中的各智能体之间的通信关系和目标编队构型确定出基于TBG的固定时间协同编队公式，接着根据所述固定时间协同编队公式、符号函数和自适应技术确定出完全分布式鲁棒固定时间协同编队公式，最后基于所述完全分布式鲁棒固定时间协同编队公式对所述集群智能系统进行编队，解决了传统编队方法中群智系统鲁棒性较差，可靠性难以保证等问题，实现了更加快速准确地对群智系统进行编队。

权利要求

1.一种用于集群智能系统的协同编队方法，其特征在于，所述集群智能系统具体为多个可移动的一阶动力学的智能体组成的系统，所述方法包括以下步骤：S1、根据预设协同编队形成时间和一类时间函数TBG构造TBG增益；

S2、基于所述TBG增益、所述集群智能系统中的各智能体之间的通信关系和目标编队构型确定出基于TBG的固定时间协同编队公式；

S3、根据所述固定时间协同编队公式、符号函数和自适应技术确定出完全分布式鲁棒固定时间协同编队公式；

S4、基于所述完全分布式鲁棒固定时间协同编队公式对所述集群智能系统进行编队；

所述TBG需满足如下条件：

式中，t为时间，tf为基于实际任务需要选择的编队形成的固定时间，通过tf的选择确定出TBG函数ξ(t)，ξ(0)为ξ(t)的初值， 和 分别为TBG函数在t＝0和t＝tf时刻的右导数；

所述TBG增益具体如下式所示：

式中，0＜δ＜＜1，η(t)为TBG增益，δ为极小值以保证在固定时间tf以后TBG增益分母不为零；

所述步骤S2中的基于TBG的固定时间协同编队公式具体如下：

式中，ui(t)为智能体i的控制输入，η(t)为TBG增益，g为控制增益，N为集群智能系统中智能体的个数，aij为集群智能系统中第i个智能体与第j个智能体之间的通信权重，xi(t)和xj(t)分别为智能体i和智能体j的状态，di和dj分别为智能体i和智能体j期望的编队构型；

所述完全分布式鲁棒固定时间协同编队公式具体如下：

式中，ui(t)为智能体i的控制输入，η(t)为TBG增益，g为控制增益，N为集群智能系统中智能体的个数，aij为集群智能系统中第i个智能体与第j个智能体之间的通信权重，xi(t)和xj(t)分别为智能体i和智能体j的状态，di和dj分别为智能体i和智能体j期望的编队构型，和 分别为自适应参数 和 的变化率。

2.如权利要求1所述的用于集群智能系统的协同编队方法，其特征在于，所述目标编队构型是基于实际任务设置出的，所述各智能体之间的通信关系具体为每一个智能体只与其相邻智能体互相通信。

说明书

一种用于集群智能系统的协同编队方法

技术领域

[0001] 本发明属于集群智能系统技术领域，具体涉及一种用于集群智能系统的协同编队方法。

背景技术

[0002] 近几十年来，由可移动的智能体组成的集群智能系统的分布式控制一直是一个很多人关注的热点问题，集群智能系统的协同控制得到了广泛的研究。集群智能系统的引入不仅降低了整个系统建模的难度，而且大大提高了系统的鲁棒性、灵活性和稳定性，通过智能体之间的信息交互，集群智能系统可以完成单个智能体无法完成的大规模复杂特定任务，如遥感探测、搜索救援、环境监测等。

[0003] 在集群智能系统的协同控制中，编队控制一直是研究中的热门领域，可以通过选择适当的一致性到达的信息状态使智能体从初始的位置移动向所需的终端位置，从而形成实际需要的编队构型，此外，收敛速度也是协同控制算法的一个重要指标。相比于需要无限稳定时间的控制算法，固定时间协同控制算法则在实际应用中更受欢迎，也更符合实际任务的需要。对于固定时间协同控制算法中普遍存在的不易得到的拓扑结构的全局信息，如何得到完全分布式的控制算法同样值得研究。

发明内容

[0004] 本发明的目的是为了解决现有技术中对集群智能系统进行编队时鲁棒性较差、可靠性难以保证的技术问题，为了更加快速准确地对集群智能系统进行编队，提出了一种用于集群智能系统的协同编队方法。

[0005] 本发明的技术方案为：一种用于集群智能系统的协同编队方法，所述集群智能系统具体为多个可移动的一阶动力学的智能体组成的系统，所述方法包括以下步骤：

[0006] S1、根据预设协同编队形成时间和一类时间函数TBG构造TBG增益；

[0007] S2、基于所述TBG增益、所述集群智能系统中的各智能体之间的通信关系和目标编队构型确定出基于TBG的固定时间协同编队公式；

[0008] S3、根据所述固定时间协同编队公式、符号函数和自适应技术确定出完全分布式鲁棒固定时间协同编队公式；

[0009] S4、基于所述完全分布式鲁棒固定时间协同编队公式对所述集群智能系统进行编队。

[0010] 进一步地，所述目标编队构型是基于实际任务设置出的，所述各智能体之间的通信关系具体为每一个智能体只与其相邻智能体互相通信。

[0011] 进一步地，所述TBG需满足如下条件：

[0012]

[0013] 式中，t为时间，tf为基于实际任务需要选择的编队形成的固定时间，通过tf的选择确定出TBG函数ξ(t)，ξ(0)为ξ(t)的初值， 和 分别为TBG函数在t＝0和t＝tf时刻的右导数。

[0014] 进一步地，所述TBG增益具体如下式所示：

[0015]

[0016] 式中，0<＜＜1，η(t)为TBG增益，δ为极小值以保证在固定时间tf以后TBG增益分母不为零。

[0017] 进一步地，所述步骤S2中的基于TBG的固定时间协同编队公式具体如下：

[0018]

[0019] 式中，ui(t)为智能体i的控制输入，η(t)为TBG增益，g为控制增益，N为集群智能系统中智能体的个数，aij为集群智能系统中第i个智能体与第j个智能体之间的通信权重，xi(t)和xj(t)分别为智能体i和智能体j的状态，di和dj分别为智能体i和智能体j期望的编队构型。

[0020] 进一步地，所述完全分布式鲁棒固定时间协同编队公式具体如下：

[0021]

[0022] 式中，ui(t)为智能体i的控制输入，η(t)为TBG增益，g为控制增益，N为集群智能系统中智能体的个数，aij为集群智能系统中第i个智能体与第j个智能体之间的通信权重，xi(t)和xj(t)分别为智能体i和智能体j的状态，di和dj分别为智能体i和智能体j期望的编队构型， 和 分别为自适应参数 和 的变化率。

[0023] 与现有技术相比，本发明具备以下有益效果：

[0024] 本发明先根据预设协同编队形成时间和一类时间函数TBG构造TBG增益，然后基于所述TBG增益、所述集群智能系统中的各智能体之间的通信关系和目标编队构型确定出基于TBG的固定时间协同编队公式，接着根据所述固定时间协同编队公式、符号函数和自适应技术确定出完全分布式鲁棒固定时间协同编队公式，最后基于所述完全分布式鲁棒固定时间协同编队公式对所述集群智能系统进行编队，解决了传统编队方法中群智系统鲁棒性较差，可靠性难以保证等问题，实现了更加快速准确地对群智系统进行编队。

附图说明

[0025] 图1所示为本发明实施例提供的一种用于群智系统的协同编队方法的流程示意图；

[0026] 图2所示为本发明实施例中需要形成的目标编队构型；

[0027] 图3所示为本发明实施例中集群智能系统中各智能体形成编队的运动轨迹；

[0028] 图4所示为本发明实施例中自适应参数 的变化情况；

[0029] 图5所示为本发明实施例中自适应参数 的变化情况。

具体实施方式

[0030] 下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

[0031] 本申请提出了一种用于集群智能系统的协同编队方法，如图1所示为本申请实施例提出的一种用于集群智能系统的协同编队方法的流程示意图，所述集群智能系统具体为多个可移动的一阶动力学的智能体组成的系统，所述方法包括以下步骤：

[0032] 步骤S1、根据预设协同编队形成时间和一类时间函数TBG构造TBG增益。

[0033] 在本申请实施例中，所述TBG需满足如下条件：

[0034]

[0035] 式中，t为时间，tf为基于实际任务需要选择的编队形成的固定时间，通过tf的选择确定出TBG函数ξ(t)，ξ(0)为ξ(t)的初值， 和 分别为TBG函数在t＝0和t＝tf时刻的右导数。

[0036] 需要说明的是，本申请方案在对智能体进行编队时，需要达到一个控制目标，也就是编队实现需要满足的条件，该控制目标具体如下式所示：

[0037]

[0038] 式中，di是对应于集群智能系统中第i个智能体的期望编队信息，tf是实现编队构型的固定时间，k1和k2是可以调节到足够小的正常数。

[0039] 在本申请实施例中，所述TBG增益具体如下式所示：

[0040]

[0041] 式中，0<＜＜1，η(t)为TBG增益，δ为极小值以保证在固定时间tf以后TBG增益分母不为零。

[0042] 在具体应用场景中，先给出一个TBG函数的示例：

[0043]

[0044] 式中，ξ(t)为TBG函数，t为时间，tf为固定时间5s。

[0045] 构造相应的TBG增益如下：

[0046]

[0047] 式中，0<＜＜1，η(t)为TBG增益，δ为极小值以保证在固定时间tf以后TBG增益分母不为零。

[0048] 步骤S2、基于所述TBG增益、所述集群智能系统中的各智能体之间的通信关系和目标编队构型确定出基于TBG的固定时间协同编队公式。

[0049] 在本申请实施例中，所述目标编队构型是基于实际任务设置出的，所述各智能体之间的通信关系具体为每一个智能体只与其相邻智能体互相通信。

[0050] 在本申请实施例中，所述步骤S2中的基于TBG的协同编队公式具体如下：

[0051]

[0052] 式中，ui(t)为智能体i的控制输入，η(t)为TBG增益，g为控制增益，N为集群智能系统中智能体的个数，aij为集群智能系统中第i个智能体与第j个智能体之间的通信权重，xi(t)和xj(t)分别为智能体i和智能体j的状态，di和dj分别为智能体i和智能体j期望的编队构型。

[0053] 在具体应用场景中， 表示通信拓扑拉普拉斯矩阵的次最小特征值。aij表示群智系统中第i个智能体与第j个智能体之间的通信权重，如果两个多智能体之间存在通信连接，则aij>0，否则，aij＝0；xi(t)‑di表示该智能体当前时刻的位置与目标位置之间的距离。

[0054] 步骤S3、根据所述固定时间协同编队公式、符号函数和自适应技术确定出完全分布式鲁棒固定时间协同编队公式。

[0055] 在本申请实施例中，实际工作中，当群智系统规模较大时，通信拓扑的拉普拉斯矩阵的次最小特征值难以得到，应用性不高，因此，本申请的所述固定时间协同编队公式具体如下：

[0056]

[0057] 式中，ui(t)为智能体i的控制输入，η(t)为TBG增益，g为控制增益，N为集群智能系统中智能体的个数，aij为集群智能系统中第i个智能体与第j个智能体之间的通信权重，xi(t)和xj(t)分别为智能体i和智能体j的状态，di和dj分别为智能体i和智能体j期望的编队构型， 和 分别为自适应参数 和 的变化率。

[0058] 步骤S4、基于所述固定时间协同编队公式对所述群智系统进行编队。

[0059] 具体的，为验证本申请提出的用于集群智能系统的协同编队方法，在具体应用场景中，进行本申请的可行性分析。

[0060] 将固定时间协同编队公式代入动力学模型中，动力学模型如下：

[0061]

[0062] 式中，xi(t)∈Rn，ui(t)∈Rn以及fi(t)∈Rn分别表示群智系统中第i个智能体的位置信息，控制输入和有界外部非线性输入，有界非线性输入fi(t)的上界用fmax表示。

[0063] 令(xi(t)‑di)＝ζi(t)并写为矩阵形式，其表示为该智能体当前时刻位置与目标位置之间的距离，得到群智系统闭环动力学方程为：

[0064]

[0065] 式中，L为拉普拉斯矩阵， 以及 是对应自适应参数组成的对角矩阵。设自适应参数 以及 在固定时间tf时分别达到终值ci和θi，自适应参数估计误差分别构造为 和 设C＝diag{ci}，Θ＝diag
{θi}， 和 则可以得到 和 构
造李雅普诺夫函数如下：

[0066]

[0067] 其中，ζT(t)为编队误差组成的向量，将上式沿着群智系统闭环动力学方程对时间求导，可以得到：

[0068]

[0069] 通过更新控制器，使 以及θi>fmax，则上式转化为：

[0070]

[0071] 通过求解上式微分方程，可以推出在固定时间tf处，李亚普诺夫函数因此，编队误差满足：

[0072]

[0073] 其中amin是群智系统通信拓扑拉普拉斯矩阵中最小非零值，V(0)为V(t)的初始值。此外，当t>tf时， 因此可以推出编队误差满足：

[0074]

[0075]

[0076] 因此，可以实现固定时间协同编队的控制目标。

[0077] 下面提供了一个具体实例，以验证本实施上述方法的有效性。

[0078] (1)群智系统及编队构型设置：

[0079] 设六个智能体组成的群智系统在二维空间中执行固定时间协同编队任务，期望在固定时间形成的编队构型如图2所示。此外每个智能体的初始位置，外部有界非线性输入，以及期望的编队构型如下表1：

[0080] 表1

[0081] 智能体编号 智能体1 智能体2 智能体3 智能体4 智能体5 智能体6初始位置 [2,‑1] [‑3,0] [1,2] [1,1] [‑2,1] [‑3,4]非线性输入 0.5sin(t) 0.5sin(t) 0.5sin(t) 0.5cos(t) 0.5cos(t) 0.5cos(t)编队构型 [10,0] [5,‑8.66] [‑5,‑8.66] [‑10,0] [‑5,8.66] [5,8.66][0082] 令固定时间tf＝5s。令群智系统通信拓扑边的权重为1以及δ＝0.001。

[0083] 由图3可以看出，六个智能体组成的集群智能系统在固定时间tf＝5s内实现了协同编队，并在tf之后保持编队构型。图4和图5给出了自适应参数 以及 的变化情况，可以看出自适应参数 和 均在固定时间tf＝5s达到了期望终值。验证了本发明提出的集群智能系统完全分布式鲁棒固定时间协同编队技术的有效性。

[0084] 本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。