[发明专利]一种多智能体避障及避碰方法

权利要求书

1.一种多智能体避障及避碰方法，智能体运动过程中受到智能体约束，包括智能体之间的避碰约束和智能体与障碍物之间的避障约束，其特征在于，

设计多智能体系统中的每个智能体的假定状态轨迹和假定输入轨迹；根据邻居智能体的假定状态轨迹构造邻居智能体的多面体外近似，对所述避碰约束进行转化；

根据每个智能体自身的预测状态轨迹，构造每个智能体的多面体外近似，对所述避障约束进行转化；

基于转化后的避碰约束和避障约束，构建智能体的分布式模型预测控制框架，并求解得到智能体的最优控制输入，控制智能体运动。

2.如权利要求1所述的避障及避碰方法，其特征在于，

所述假定状态轨迹具体为：从当前时刻t向前预测的步次为0至N-1时，以上一时刻的最优状态轨迹为假定状态轨迹；从当前时刻t向前预测的步次为N时，用以末端控制器和上一时刻的最优状态轨迹为输入的非线性函数表示假定状态轨迹；

所述假定输入轨迹具体为：从当前时刻t向前预测的步次为0至N-2时，以上一时刻的最优控制输入轨迹为假定输入轨迹；从当前时刻t向前预测的步次为N-1时，以末端控制器表示假定输入轨迹；

其中，N为预测时域；t为采样时刻，t＝0,1,2,…。

3.如权利要求2所述的避障及避碰方法，其特征在于，引入相容性约束，限制所述假定状态轨迹和实际状态轨迹之间的偏差，所述相容性约束为：

其中，l(k)为相容性约束上界，l(k)＝τln(k+2)，τ为正实数；为智能体i在闭环时刻t向前预测k步得到的头部位置，h表示头部；为智能体i对应t时刻假定的头部位置。

4.如权利要求1所述的避障及避碰方法，其特征在于，所述转化后的避碰约束表示为：

其中，λ_ij(k|t)≥0、μ_ij(k|t)≥0为相应的优化变量，‖·‖_*为对偶范数，j为智能体i的邻居智能体的编号；d_min≥0为安全距离，上标T表示转置；和g_i(k|t)为构建智能体的多面体外近似时所需的约束矩阵；和为构建邻居智能体的多面体外近似时所需的约束矩阵；k为时间索引，t为采样时刻，t＝0,1,2,…。

5.如权利要求1所述的避障及避碰方法，其特征在于，所述转化后的避障约束表示为：

-g_i(k|t)^Tμ_i(k|t)-b_m^Tλ_i(k|t)≥d_min

‖A_m^Tλ_i(k|t)‖_*≤1

其中，λ_i(k|t)，μ_i(k|t)为相应的优化变量；A_m和b_m为障碍物多胞体内的已知矩阵，‖·‖_*为对偶范数，d_min≥0为安全距离，上标T表示转置；和g_i(k|t)为构建智能体的多面体外近似时所需的约束矩阵；和为构建邻居智能体的多面体外近似时所需的约束矩阵；k为时间索引；t为采样时刻，t＝0,1,2,…。

6.如权利要求1所述的避障及避碰方法，其特征在于，所述智能体约束还包括：初始状态约束、位置和输入约束、状态方程约束和末端约束。

7.如权利要求6所述的避障及避碰方法，其特征在于，设计收紧的状态约束集，保证多智能体系统满足所述智能体约束，所述收紧的状态约束集表示为：

其中，k为时间索引，表示外界加性扰动积累量集合；L_f为轮式机器人系统的Lipschitz常数a为智能体驱动轮速度最大值，Τ为采样时间，为扰动约束上界，为包含当前所考虑智能体位置的紧集即原始位置约束集，表示庞特里亚金差运算。

8.如权利要求1-7任一所述的避障及避碰方法，其特征在于，所述分布式模型预测控制框架由转化后的避碰约束和避障约束、初始状态约束、位置和输入约束、状态方程约束、末端约束以及相容性约束构成；所述分布式模型预测控制框架用公式表示为：

λ_i(k|t)≥0,μ_i(k|t)≥0,λ_ij(k|t)≥0,μ_ij(k|t)≥0

其中，为智能体控制输入的角速度和线速度的集合，Ω_i为智能体头部末端位置的集合，d_min为安全距离，表示智能体i的初始状态，ξ_h,i(t)表示智能体i的在t时刻的状态，表示t时刻向前预测k步时智能体i的状态，表示t时刻向前预测k+1步的智能体i的状态，Τ表示采样时间，t∈Τ；f_h(·,·)为头部标称模型中的非线性函数；表示t时刻向前预测N步时智能体i的头部位置；表示t时刻向前预测k步时智能体i的控制输入。