[发明专利]多智能体系统零空间行为控制动态任务优先级规划方法

权利要求书

1.一种多智能体系统零空间行为控制动态任务优先级规划方法，其特征在于：包括以下步骤：

步骤S1：利用基于零空间的行为控制方法设计智能体的基本任务，然后枚举所有任务优先级的可能，并采用零空间投影的方法，将所设计的基本任务以不同的优先级顺序组合成为复合任务；

步骤S2：利用模型预测控制技术，在每一个采样时刻，将动态任务优先级规划问题转化为一个切换模式最优控制问题；

步骤S3：应用混合整数优化方法，求解该最优控制问题得到最优复合任务轨迹；

所述步骤S1的具体包括以下步骤：

步骤S11：基本任务的设计：

通过一个基本任务ρ∈R^m进行编码，其是一个与系统配置x∈Rⁿ相关的函数，并表示为：

ρ＝g(x) (1)

对其微分后得：

其中J(x)∈R^m×n是与系统配置相关的任务雅可比矩阵，v∈Rⁿ是系统的速度；通过局部线性反映射，参考速度v_d表示为：

其中ρ_d表示期望任务函数，表示雅可比矩阵的伪逆；参考速度的积分会导致智能体位置的数值漂移，因此，如下的闭环逆运动学形式被用于补偿此数值漂移：

其中Λ是一个常数正定增益矩阵，是任务误差；

步骤S12：复合任务的构建：

一个复合任务是多个基本任务以一定的优先级顺序的组合；设定为任务函数，其中i′∈N_r，N_r＝{1,...,r}，m_i′表示任务空间的维度；定义与时间相关的优先级函数y(i′,t):N_r×[0,∞]→N_r；同时，定义一个具有如下规则的任务层次结构：

一个具有y(i′)优先级的任务i′不能干扰具有y(j)优先级的任务j，如果y(i′)≥y(j)，i′≠j；

从速度到任务速度的映射关系由任务的雅可比矩阵表示；

具有最低优先级任务i的维度大于确保维度n大于所有任务的总维度；

y(i′)的值由任务主管根据任务的需要和传感器信息分配；

给基本任务分配给定的优先级，t时刻复合任务的速度表示为：

其中v_i′,t是具有优先级函数y(j,t)＝i′的任务j的速度；公式(5)即为将所有基本任务进行零空间投影之后形成的复合任务。

2.根据权利要求1所述的一种多智能体系统零空间行为控制动态任务优先级规划方法，其特征在于：

考虑n′个自主机器人和每个自主机器人的m′个任务，n′≥2，m′≥2；定义状态向量为其中每个元素代表一个机器人的状态；引入二值变量其中每个元素w_i(t)∈{0,1}^M；机器人的动力学写成不同模式下动力学的凸组合：

其中为第i个机器人的第j个任务具有公式(5)形式的速度；任务速度的总个数为M＝m′！；的一个约束表示为：

此约束叫做一类特殊有序集，其保证了在任何时刻至少且只有一个模式被激活；

定义第i个机器人的跟踪误差为：

其中是第i个机器人的期望任务函数；定义代价函数如下：

其中u_i(t)表示松弛变量，K_i和P_i为正常数；最优控制问题描述为：

其中为初始状态，为第i个机器人在时间t检测到的障碍物位置，T′为预测范围；松弛矢量为

3.根据权利要求2所述的一种多智能体系统零空间行为控制动态任务优先级规划方法，其特征在于：

在任务执行过程中，每个采样时刻，不同初始状态的更新，使得问题(10)即(10a)(10b)(10c)(10d)必须被反复求解；采用实时的模型预测控制技术能够有效地在线求解问题(10)，提供动态的任务优先级规划；该模型预测控制技术采用先离散后优化的直接方法和整数松弛技术的外对流；

将时间域[0,T′]分为N个区间，其特征为等距网格点，在每个区间，假定二值变量为常数，且仅能在网格点处更改其值；二值变量被放松到实数变量，且满足采用多目标打靶法，问题(10)转换为一个非线性规划问题，并表示为：

其中s为当前的采样，为k步状态预测在采样s，x_i,s|k为的第i个元素；

在求解了公式11(a)、11(b)、11(c)、11(d)、11(e)之后，采用四舍五入法从中获取二进制变量其步骤如下所示：

其中j＝1,...,M，k＝0,...,N-1，最优复合任务轨迹体即为公式(12a)和公式 (12b)，

对于公式(12a)(12b)有如下的命题；

如果是可测量的且满足那么函数通过使用零阶保持从公式(12a)(12b)转化，且满足

其中满足