目录
标题:Regular Polygon Formations With Fixed Size and Cyclic Sensing Constraint
作者:Kaveh Fathian , Nicholas R. Gans , Wieslaw Z. Krawcewicz, and Dmitrii I. Rachinskii
时间/期刊:IEEE T RANSACTIONS ON AUTOMATIC CONTROL, VOL. 64, NO. 12, DECEMBER 2019
摘要:本文提出了一种分布式的控制律,使一组智能体能够自主地形成理想尺寸的正多边形。我们分析了所提控制在任意多agent情况下的稳定性,并证明了所要求的多边形形成是一个局部渐近稳定的平衡。
引言
本文所提出的控制律要求所有智能体都参与控制它与其邻居的间距,与领导——跟随法相比,减少了测量噪声和不准确性的不利影响。给定描述传感器网络拓扑图中足够多的边,现有的控制律可以实现任意的编队,但是对于循环传感拓扑图来说是不满足这个条件的。事实上,循环图是实现刚性多边形形成所需的最小感知(即,如果两个代理之间的感知被中断,则不再可能实现形成)。循环传感拓扑结构是这项研究的重点,该策略该策略可以适用于任何理想的编队和/或传感拓扑结构。
符号和假设
考虑n个移动机器人,集合表示这n个智能体的集合,多智能体的拓扑结构用
表示,其中V是顶点集,
是边集。如果智能体k的邻居为智能体k-1.k+1,则称该图为循环拓扑图。
问题声明
本文研究的对象是单积分动力模型的智能体
本文的目标是解决以下几个问题:
问题1:考虑n个单积分动力模型的智能体,在约束条件下:
1)智能体从0到n - 1进行区分和编号;
2)只能测量其邻居的位置;
3)测量是相对的和局部的,即agent没有共同的或对齐的局部坐标系;
4) agent之间的感知拓扑是循环的,其中,在不失一般性的情况下,agent k的邻居分别为agent k−1和k + 1(模n)。
找到一个分布式控制策略,使代理实现具有指定大小的正多边形形成。
本文提出了一种控制策略,该策略允许期望的结构作为唯一的局部稳定平衡(包括平面上的旋转和平移)
提出控制策略
Geometric Intuition
在任何时刻,每个智能体都朝着从中点绘制的矢量的端点移动,并垂直于连接它的两个邻居的线段。这个矢量的长度是由所需队形的几何形状决定的。
如图(f)所示,在期望队形里顶点0的领居是顶点1和顶点4,如图(a)所示,编队开始的时候,顶点0朝着与顶点1、4连线垂直的方向不停的移动。如果顶点k的领居都是静止的,那么就只有顶点k移动,但是在本控制策略里,所有的顶点都采用了这样的机制,因此大家会一起移动。
Algebraic Definition
如上图所示,,
表示agent k+1和agent k之间的距离、agent k-1和agent k之间的距离,
表示agent k 距agent k+1 和agent k-1连线的距离,
表示gent k+1 和agent k-1连线的距离
算法流程:
输入:输入qk邻居的坐标qk+1、qk-1 |
输出:控制向量uk |
步骤1:计算期望的控制向量 |
步骤二:另uk=期望的控制向量 |
期望的控制量可以用公式5来表示
如何理解公式(2),不妨请看下图
公式(2)中的R是旋转因子,用于找到与gent k+1 和agent k-1连线相垂直的向量,利用向量间的加法,找到目标的qk的位置坐标。
公式(4)说明,控制量可以用qk与目标qk位置的偏差来表示。
将公式(4)带入公式(1)可以得到公式(4),可以看出公式(5)中的量,都是qk局部坐标中可以测量出来的量。说明了控制律的可局部化。
Complex Formulation
本节所做的工作就是将公式(5)在复空间中进行表示,这样可以简化后文稳定性分析中的符号表示:
可以在复空间中表示为
.
编辑 | 发量惊人的宝芙
审核 | 发量惊人的宝芙