[发明专利]一种带强连通分支的多机器人系统可控包含控制方法

权利要求书

1.一种带强连通分支的多机器人系统可控包含控制方法，其特征在于，所述方法根据网络的拓扑结构确定单元智能体与一般智能体；为单元智能体设计相应的一致性控制律，实现各个单元的一致，从而得到网络的缩聚图；再结合二分图最大匹配算法，求取满足网络可控的最少的领导者集合，根据跟随者邻接个体的相对信息，为跟随者和领导者机器人设计相应的多机器人领导者包含控制律，驱使跟随者渐近收敛到多个领导者所构成的动态凸包中，从而实现网络的可控包含控制；

所述方法包含以下步骤：

(1)根据网络拓扑结构，将有向网络中强连通分支机器人集视为一个整体，即为单元智能体，其他机器人为一般智能体；

(2)为单元智能体个体设计相应的一致性控制律，从而实现各个单元的一致，得到网络的缩聚图；

(3)针对网络的缩聚图，利用二分图最大匹配算法求取满足网络可控的驱动节点集，驱动节点即为该网络中的领导者，其他节点为跟随者；

(4)根据跟随者邻接个体的相对信息为跟随者和领导者机器人设计相应的包含控制律，确定单元智能体的一致性控制律和多机器人领导者包含控制律；驱使跟随者个体渐近收敛到由领导者所构成的动态凸包中，从而实现网络的可控包含控制。

2.根据权利要求1所述的一种带强连通分支的多机器人系统可控包含控制方法，其特征在于，所述确定单元智能体与一般智能体的方法,为应用图论的方法表示网络中机器人之间的通信关系：

将多机器人系统视为由N个节点组成的有向网络G(A)，N×N矩阵A＝{aij|i,j∈[1,N]}表示网络中节点的邻接关系，如果节点i能够接收到节点j的信息，则aij＞0；其中强连通分支节点集G'＝(G'1,G'2,...,G'k)视为一个整体，即为单元智能体，其余为一般智能体。

3.根据权利要求1所述的带强连通分支的多机器人系统可控包含控制方法，其特征在于，所述单元智能体的一致性控制律为：

考虑单元智能体G'＝(G'1,G'2,...,G'k)中k个个体的动力学模型如下：

其中A＝(aij)k×k为系统邻接矩阵，表示网络中节点的邻接关系，B＝(bij)k×k为输入矩阵，表示节点与外部控制信号的连接关系，bij＝1表示节点i上施加信号uj(t)，ui(t)为t时刻第k个节点的控制输入，对G'中的个体施加如下控制输入：

其中，K为设计的反馈矩阵，满足K＝BTP,其中P为对称的正定矩阵且满足Riccati方程ATP+PA+Is-PBBTP＝0，aij为邻接矩阵A＝(aij)k×k中第(i,j)个对应的项；在控制输入的作用下，单元智能体达到一致，从而得到网络的缩聚图xi(t)表示个体i在t时刻的位置；xj(t)表示个体j在t时刻的位置；Is为单位矩阵。

4.根据权利要求1所述的带强连通分支的多机器人系统可控包含控制方法，其特征在于，所述多机器人领导者包含控制律如下：

(1)针对所得到的缩聚图将缩聚图转换为二分图H(A)表示：

其中分别表示邻接矩阵A的各列与各行的节点集合，E＝{(xi,xj)|aij≠0}表示边集；

根据二分图最大匹配算法，求得网络中的匹配节点与非匹配节点集合，对于一个非匹配节点数不为0的网络，驱动节点数即为非匹配节点数；

(2)对于由N'个智能体所组成的有向网络，用二分图最大匹配算法确定满足网络可控的驱动节点集，驱动节点即为网络中的领导者，其个数记为N'-m，其中，m＜N'，非驱动节点为网络中的跟随者，其个数为m，分别用F＝{x1,x2,...,xm}和L＝{xm+1,xm+2,...,xn}代表跟随者和领导者的集合；

跟随者的动力学模型表示为：

其中，A和B分别为系统邻接矩阵和输入矩阵；

设计分布式包含控制律为：

其中K为设计的反馈矩阵,满足K＝BTP,其中P为对称的正定矩阵且满足Riccati不等式ATP+PA-2PBBTP<0，aij表示系统邻接关系，xi(t)和xj(t)分别表示个体i和j在t时刻的位置；ui为第i个个体所相邻的智能体的控制输入，可知对于N'-m个领导者个体而言，由于其不存在影响它的邻居个体，uj则表示外部输入的预期量；领导者的控制输入如下式所示：