[发明专利]一种应用于多智能体间相对距离控制及自适应矫正方法

说明书

本发明公开了一种应用于多智能体间相对距离控制及自适应矫正方法；可以有效保证多智能体之间的相对距离的控制，避免多智能体之间的碰撞，通过使用ESO可以使系统具有很强的适应性及鲁棒性。另外，设计了一种基于自适应检测点配置的横向校正算法，通过自适应动态设置分段检测点，根据设定的阈值判断自适应调整剩下路线内的检测点数量，可以提高整个系统的时效性。在每个检测点矫正偏移轨迹的距离，使整个多智能体系统中跟随者准确跟随领导者，保证了整个多智能体系统的一致性。并且该算法不需要复杂的通信协议和更高的实时信息处理能力。

技术领域

本发明涉及多智能体领域，研究了关于多智能体间相对距离控制问题，具体提出了一种应用于多智能体间相对距离控制及自适应矫正方法。

背景技术

随着人工智能、通信及信息等技术的发展，多智能体的研究近年来一直是很多人关注的研究热点。多智能体系统可以被广泛应用于公共设施检测、灾难环境调查、军事侦察、仓储搬运等领域，无论在军用方面还是在民用都得到了广泛应用。在实际应用过程中多智能体间的相对距离的控制往往至关重要，多智能体间相对距离控制往往是指跟随者与领导者之间的相对距离控制，领导者可以是某一个智能体作为领导者，也可以是虚拟领导者(通常为编队几何中心，如图1所示)，其他成员与领导者保持一定的相对距离。多智能体之间精确地相对距离控制可以保证系统内部成员之间的防碰撞，以及整个多智能体系统的编队控制。尤其是在外部产生很大的干扰时，比如空中智能体遇到阵风、地面智能体遇到负载变化等一些外部干扰时，如何使系统可以表现出很强的适应性和鲁棒性，保证多智能体编队控制成为多智能体系统在实际应用中过程中需关注的问题。另外一个问题是由于路线的偏转以及外部的干扰，相对距离的控制只能保证多智能体之间的距离，并不能完全保证跟随者遵循领导者的路线，这就需要及时纠正偏移的距离。在传统的相对距离控制中，面对多智能体协同处理干扰时，简单的PID控制很难满足系统的控制要求，而且多智能体之间往往需要很复杂的通信协议和很高的实时信息处理能力。

发明内容

本发明针对现有技术的不足，提出了一种应用于多智能体间相对距离控制及自适应矫正方法；可以有效保证多智能体之间的相对距离的控制，避免多智能体之间的碰撞，通过使用ESO可以使系统具有很强的适应性及鲁棒性。另外，设计了一种基于自适应检测点配置的横向校正算法，通过自适应动态设置分段检测点，根据设定的阈值判断自适应调整剩下路线内的检测点数量，可以提高整个系统的时效性。在每个检测点矫正偏移轨迹的距离，使整个多智能体系统中跟随者准确跟随领导者，保证了整个多智能体系统的一致性。并且该算法不需要复杂的通信协议和更高的实时信息处理能力。

本发明具体包括以下步骤：：

步骤一：在多智能体系统相对距离控制中，建立一阶控制模型，模型建立过程如下：受控对象是跟随者与领导者之间的相对位置，观察对象是跟随者与领导者之间的距离，假设一阶受控对象模型如下：

其中，u是控制输入，d是系统的输出，b是控制量系数，f(d，w，t)是和当前相对距离和扰动有关的函数，是系统的总的扰动。

系统的误差e＝d_g-d，d_g系统给定距离，为实际跟随者与领导者之间需要的相对距离，则系统的误差状态方程为

其中为系统误差的状态变量，为给定距离的状态变量。

采用非线性状态误差反馈空置率进行误差收敛得到

其中k为控制增益，α为非线性指数，0＜α＜1，fal(e，α，h)为反馈控制规律，通常情况选

其中h为平衡点线性区范围，sgn(x)为符号函数。如果α的选择较小，则跟踪的过程会更快，但过滤效果会变差；h越大，滤波的效果会越好，但会增加跟踪的延迟。