[发明专利]一种多智能体避障及避碰方法

说明书

本发明公开了一种多智能体避障及避碰方法，在描述智能体状态信息的过程中，考虑外界扰动因素，使得多智能体系统具有很好地鲁棒性；考虑智能体的移动和形状，引入假定状态轨迹和假定输入轨迹，进而构造智能体的多面体外近似，解决三维和移动障碍物的避障和避碰问题，相较于传统的避障或避碰方法解决点质量模型障碍物，可以更好地获得智能体的最优路径。设计收紧的状态约束集，保证在外界扰动的条件下，系统的状态约束能够满足，引入相容性约束，用来限制实际轨迹与假定轨迹的偏差，保证避碰约束的准确性，很好地解决了全维、动态障碍物的避障和避碰问题。

技术领域

本发明涉及多智能体分布式控制技术领域，具体涉及一种多智能体避障及避碰方法。

背景技术

随着计算机通信能力的大幅度提高以及分布式控制理论的不断发展，越来越多的学者注意到多智能体系统之间相互合作能以更少的成本完成复杂的工作任务，例如机器人足球锦标赛RoboCup中各个机器人互助合作共同完成比赛；在工业控制领域，多个智能机器人系统可以代替人类完成高危的工作；在军事应用方面还可以利用多无人机进行巡逻、侦查等等。分布式模型预测控制(Distributed Model Predictive Control,DMPC)结合了分布式控制和模型预测控制的优点，具有较高的可靠性和可拓展性。此外，分布式模型预测控制减少了传统集中式模型预测控制的计算负担，同时各个子系统的模型预测控制器存在信息交互，保证整个系统具有更好的控制性能。

在实际应用中，一方面在分布式控制过程中外界扰动不可忽略，系统需要具备一定的鲁棒性；另一方面，为了安全考虑，应该保证智能体具有避障和避碰的功能。传统的避障方式主要解决点质量模型障碍物，忽略了障碍物的形状和体积。然而在实际避障过程中，障碍物和智能体的形状和体积均不容忽视，全维障碍物避障(避碰)的避障方法有待研究。另外，在同步采样机制下，智能体之间的通讯受到限制，智能体之间的避碰受到智能体形状和难以获知的移动轨迹的限制。

现有的分布式控制及避障或避碰方法主要存在以下问题：(一)现有的分布式控制很少考虑外部环境中扰动带来的影响，导致在实际操作中系统缺乏鲁棒性的问题；(二)传统的避障或避碰方法主要解决点质量模型障碍物的避障问题，忽略障碍物的形状和体积，难以实现全维或是移动障碍物的避障问题；(三)同步采样机制下，智能体之间的通讯受限，智能体避障同时实现智能体之间避碰的难度很大。

发明内容

有鉴于此，本发明提供了一种多智能体避障及避碰方法，能够在考虑外界加性扰动因素的情况下，很好地解决解决三维、动态障碍物的避碰问题。

本发明采用的具体技术方案如下：

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，

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。

进一步地，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,…。