[发明专利]一种网络化多智能体主动变拓扑的自主协同定位方法

摘要

本发明提出一种网络化多智能体主动变拓扑的自主协同定位方法，属于信号处理技术领域。该方法针对由m个基准智能体和n个普通智能体组成的网络化多智能体系统；定位开始前，每个普通智能体获得由m个基准智能体包络的位置估计初值计算基准和速度估计初值计算基准；每个普通智能体分别初始化自身位置估计值和速度估计值后，通过两阶段定位，每个普通智能体每时刻主动变换计算学层面的拓扑结构，根据变拓扑选择的邻居智能体的定位和定速估计信息及邻间距离的感知信息，计算协调自身定位和定速估计，完成自主协同定位。本发明具有分布式、自组织、可扩展等特点，能够极大程度避免定位估计陷入局部最优，保证定位结果准确，具有很强的鲁棒性。

主权项

一种网络化多智能体主动变拓扑的自主协同定位方法，所述网络化多智能体包括：m个基准智能体构成的集合M和n个普通智能体构成的集合N，m≥3，n≥1，其特征在于，该方法包括以下步骤：1)定位开始前，通过迭代运算每个普通智能体获得由m个基准智能体包络的位置估计初值的计算基准以及速度估计初值的计算基准，具体步骤如下：记第i个智能体对于自身位置的估计为ri，对于自身速度的估计为vi，i∈M∪N；若任意两个智能体i和j满足距离感知和互相通信条件时，称智能体i与j互为邻居，记邻近变量表示为aij＝1，否则表示为aij＝0；当aij＝1时，两个智能体i和j感知到相对之间的距离测量值表示为标量ρij，距离变率的测量值表示为标量1‑1)对于每个智能体i∈M∪N，分别建立矢量xi，yi，tempxi，tempyi，；1‑2)对于每个基准智能体i∈M，恒等赋值xi＝ri，yi＝vi，每个基准智能体的ri和vi均为实时已知量；对于每个普通智能体i∈N，初始化赋值xi，yi分别为零向量；1‑3)每次迭代过程中，每个智能体i∈M∪N赋值tempxi＝xi，tempyi＝yi；随后，该智能体向邻居j发送自身的tempxi，tempyi并接收邻居的发送的tempxj，tempyj，则迭代后每个基准智能体i∈M均不更新自己的xi与yi，每个普通智能体i∈N按照式(1)更新自身的xi与yi：xi=tempxi-κi·aij·Δt·(tempxi-tempxj)yi=tempvi-κi·aij·Δt·(tempyi-tempyj),i∈N,j∈M∪N---(1)]]>其中，κi是正数，0＜κi≤1/∑j∈M∪Naij，Δt表示两次迭代之间的时间间隔；1‑4)重复步骤1‑3)，当步骤1‑3)迭代的次数达到迭代次数上限K时，停止迭代，每个普通智能体i∈N获得由m个基准智能体包络的位置估计初值的计算基准ravg{i}＝xi以及速度估计初值的计算基准vavg{i}＝yi；2)令当前时刻为k＝0时刻，利用步骤1)得到的结果，每个普通智能体i∈N根据式(2)分别初始化自身位置估计值和速度估计值后，进入定位阶段；表达式如下：ri[0]=ravg{i}+rand()-0.5vi[0]=vavg{i},i∈N---(2)]]>其中，ri[0]为k＝0时刻普通智能体i的自身位置估计初值，vi[0]为k＝0时刻普通智能体i的自身速度估计初值，rand()表示取值介于0～1之间小数的随机函数；3)定位第一阶段；k＝k+1时刻，k＝1,2,…,T，每个普通智能体i∈N迭代更新自己的位置估计，进行定位的第一阶段，具体步骤如下：3‑1)每个智能体i∈M∪N向邻居智能体发送自己上一时刻，即k时刻，对自身位置的估计ri[k]，并获取来自邻居智能体的rj[k]，同时通过通信或测量获得k+1时刻与邻居智能体j的距离测量值ρij[k+1]；3‑2)每个普通智能体i∈N，针对每一个邻居智能体j，主动改变计算层面的本地拓扑关系aij，生成新的本地拓扑关系表达式如式(3)所示：其中，bi_trans(aij)表示一个满足具有随机性质的、取值只能等于0或1且满足的二值函数；3‑3)根据步骤3‑2)变拓扑的结果，每个普通智能体i∈N按式(5)更新对自身的位置估计：其中，||·||表示向量的模长，βi表示收敛因子且βi＞0，pij表示方向与rj[k]‑ri[k]相同的单位向量；3‑4)每个普通智能体i∈N保持对自身速度的估计不变，即vi[k+1]＝vi[k]；3‑5)重复步骤3‑1)至3‑4)，当迭代次数达到T次时，定位第一阶段结束，进入定位第二阶段；4)定位第二阶段；k＝k+1时刻，k＝T+1,T+2,T+3,…，每个普通智能体i∈N迭代更新自己的位置估计和速度估计，进行定位的第二阶段，具体步骤如下：4‑1)每个智能体i∈M∪N向邻居智能体发送自己上一时刻，即k时刻，对自身位置的估计ri[k]与速度估计vi[k]，并获取来自邻居智能体的rj[k]与vj[k]，同时获得k+1时刻与邻居智能体j的距离测量值ρij[k+1]及距离变率测量值4‑2)每个普通智能体i∈N按照式(6)更新对自身速度的估计：vi[k+1]＝mldivide(A,B)  (6)其中，mldivide(A,B)表示矩阵左除，即x＝mldivide(A,B)是方程A·x＝B的最小二乘解；式(6)中，矩阵A的每一行是对应于aij＝1的行向量(ri[k]‑rj[k])T，上标T表示转置；矩阵B的每一行是对应于相应j的标量，该标量等于4‑3)每个普通智能体i∈N，针对每一个邻居智能体j，主动改变计算层面的本地拓扑关系aij，生成新的当前本地拓扑关系表达式如式(3)所示；4‑4)根据步骤4‑3)的变拓扑的结果，每个普通智能体i∈N按式(7)更新对自身位置的估计：其中，0＜λi≤1表示衡量普通智能体i∈N运动匀速程度的因子，称为匀速因子；5)当迭代次数k≥500后，网络化多智能体完成自主协同定位，输出定位结果：每个普通智能体i∈N的定位结果为当前时刻的自身位置估计ri[k]，定速结果为当前时刻的自身速度估计vi[k]。