[发明专利]一种基于分布式随机模型预测的多智能体编队及避障方法

说明书

本发明公开了一种基于分布式随机模型预测的多智能体编队及避障方法，利用分布式算法，将编队问题转换为含有目标函数耦合和约束耦合的优化问题，解决集中式算法的维数灾难问题，提高系统的实时计算速度。并通过SMPC算法，利用随机扰动的统计特性，实现了针对不确定多智能体系统的编队及避障控制。因此，适宜推广运用。

技术领域

本发明属于多智能体编队技术领域，具体地说，是涉及一种基于分布式随机模型预测的多智能体编队及避障方法。

背景技术

多智能体系统的编队问题在卫星编队、深海资源探测、机器人协同救援等各种任务得到了广泛的应用。多智能体编队问题要求在编队的过程中满足单个智能体运动学方程的同时，满足状态、输入、避障和避碰等约束。因此，模型预测控制(Model PredictiveControl,MPC)因其处理约束的能力，而广泛用于解决编队问题中。

传统的基于模型预测控制的编队问题采用集中式MPC[1-2]，所有的智能体采用同一个中心控制器，中心控制器根据整个系统的状态信息求解优化问题。在这种情况下，可以得到最优的控制性能。但是如果控制器发生故障，整个系统都将瘫痪。并且，随着智能体数量的增加，集中式的控制器将会面临维数灾难，难以满足在线计算的实时性要求。因此，针对大规模系统，分布式模型预测控制(Distributed Model Predictive Control,DMPC)得到了广泛应用。文献[3]将多智能体编队问题重构为目标函数耦合的分布式优化问题，所有子系统采用同步更新的策略。文献[4]在文献[3]的基础上考虑了智能体之间的避碰约束。文献[5]考虑了在编队过程中存在的避障问题，并设计了相容性约束，保证智能体实际轨迹和假设轨迹的差值在可容许的范围内，证明了系统的闭环稳定性。这些文献在一定程度上利用分布式算法的特性，解决了集中式算法存在的不足，但是都没有考虑系统中的扰动。在实际上，多智能体系统在运行过程中会存在很多的不确定性，如：参数不确定性，测量噪声以及外界扰动。将含有不确定性的系统称为不确定系统，如果采用基于标称模型设计的模型预测控制器对不确定系统进行控制，其闭环系统的可行性、稳定性都可能受到影响，甚至会导致系统无可行解和不稳定。

[1]华思亮,陈宗基,袁利平.基于模型预测控制的无人机编队自主重构研究[J].系统仿真学报,2008,20(S2):383-386.

[2]武梅丽文,王晓东,宋勋,陈燕飞.线性二次型及模型预测控制编队控制研究[J].现代防御技术,2021,49(01):47-52.

[3]Dunbar W B,Murray R M.Distributed receding horizon control formulti-vehicle formation stabilization[J].Automatica,2006,42(4):549-558.

[4]Keviczky T,Borrelli F,Balas G J.Decentralized receding horizoncontrol for large scale dynamically decoupled systems[J].Automatica,2006,42(12):2105-2115.

[5]Dai L,Cao Q,Xia Y,et al.Distributed MPC for formation of multi-agent systems with collision avoidance and obstacle avoidance[J].Journal ofthe Franklin Institute,2017,354(4):2068-2085.

发明内容

本发明的目的在于提供一种基于分布式随机模型预测的多智能体编队及避障方法，利用分布式算法，将编队问题转换为含有目标函数耦合和约束耦合的优化问题，解决集中式算法的维数灾难问题，提高系统的实时计算速度。

为实现上述目的，本发明采用的技术方案如下：