多智能體系統(tǒng)中分布式源點(diǎn)定位與狀態(tài)估計(jì)的研究.pdf

1、多智能體系統(tǒng)（Multi-agent Systems，簡(jiǎn)稱MAS）由于具有天然的分布性、較強(qiáng)的魯棒性和可擴(kuò)展性、以及高效的計(jì)算性能等優(yōu)點(diǎn)，廣泛應(yīng)用于空間探索、軍事、工農(nóng)業(yè)、智能交通等領(lǐng)域。在為多智能體系統(tǒng)設(shè)計(jì)控制策略時(shí)，往往依賴于智能體實(shí)時(shí)的位置信息或者當(dāng)前的狀態(tài)向量。如何有效地對(duì)智能體進(jìn)行定位，精確地獲得智能體的相關(guān)狀態(tài)，是多智能體系統(tǒng)中的基礎(chǔ)問(wèn)題之一。本文將通過(guò)研究多智能體系統(tǒng)中的基于本地測(cè)量信息的源點(diǎn)定位問(wèn)題，提出移動(dòng)智能體分布式

2、定位的相關(guān)算法;再更進(jìn)一步，考慮多智能體系統(tǒng)中基于相對(duì)測(cè)量信息的狀態(tài)估計(jì)問(wèn)題，解決一般的分布式網(wǎng)絡(luò)中自主狀態(tài)估計(jì)的相關(guān)問(wèn)題。
　　與靜態(tài)的智能體網(wǎng)絡(luò)相比，移動(dòng)網(wǎng)絡(luò)定位由于智能體的運(yùn)動(dòng)速度和拓?fù)渥兓挠绊?，靜態(tài)網(wǎng)絡(luò)中的定位算法并不完全適用，且定位精度將受到影響。對(duì)于移動(dòng)智能體定位問(wèn)題，本文針對(duì)不同的動(dòng)力學(xué)模型以及測(cè)量和通信上的不同約束條件，相應(yīng)的設(shè)計(jì)具有指數(shù)收斂的定位算法，以實(shí)現(xiàn)對(duì)目標(biāo)相對(duì)位置的實(shí)時(shí)定位。尤其是基于獨(dú)輪車模型的分布式

3、源點(diǎn)定位問(wèn)題，在多智能體協(xié)同控制領(lǐng)域?qū)儆谠瓌?chuàng)性的研究之一?；谖⒎址匠痰姆植际絼?dòng)態(tài)定位算法，比基于代數(shù)的靜態(tài)定位算法抵抗測(cè)量噪聲的能力更強(qiáng);并且智能體間的協(xié)作，提高了算法的魯棒性，能有效應(yīng)對(duì)當(dāng)網(wǎng)絡(luò)中存在測(cè)量丟失、通信障礙的情況。注意到現(xiàn)有的網(wǎng)絡(luò)估計(jì)算法多數(shù)針對(duì)相同的目標(biāo)狀態(tài)，無(wú)法應(yīng)用于節(jié)點(diǎn)的自身狀態(tài)估計(jì)問(wèn)題中。本文引入分布式卡爾曼濾波的思想，能夠獲得比簡(jiǎn)單一致性的融合方法獲得更好的估計(jì)效果，并且提出一種基于LMI的新穎的穩(wěn)定性分析方法。

4、總的來(lái)說(shuō)，本文的研究工作主要集中在以下幾個(gè)方面:
　　首先，研究基于到達(dá)角采樣測(cè)量的質(zhì)點(diǎn)模型分布式源點(diǎn)協(xié)同定位問(wèn)題。已有相應(yīng)的研究成果，單個(gè)移動(dòng)智能體能夠估計(jì)出靜態(tài)目標(biāo)的全局坐標(biāo)并圍繞其進(jìn)行圓周巡航?，F(xiàn)考慮更一般性的多智能體源點(diǎn)協(xié)同定位問(wèn)題，即考慮在網(wǎng)絡(luò)拓?fù)渥兓那闆r下，基于到達(dá)角采樣測(cè)量信息的多智能體源點(diǎn)定位問(wèn)題。相對(duì)于距離測(cè)量信息，到達(dá)角測(cè)量具有無(wú)源性的特點(diǎn)，在信息保密和能耗降低方面具有優(yōu)勢(shì)。使用距離測(cè)量實(shí)現(xiàn)源點(diǎn)定位需要擴(kuò)展?fàn)?/p>

5、態(tài)觀測(cè)器(ESO)或者線性時(shí)變微分器(LTVD)對(duì)距離信息求導(dǎo)，使用角度測(cè)量則無(wú)需使用，具有優(yōu)勢(shì)?？紤]通信拓?fù)錇闀r(shí)變有向圖，比以往條件更寬松。本文提出了一種分布式的離散時(shí)間狀態(tài)估計(jì)器，獲得對(duì)源點(diǎn)相對(duì)位置的實(shí)時(shí)動(dòng)態(tài)估計(jì)。對(duì)算法的全局漸近收斂性進(jìn)行了證明，并給出了算法收斂所對(duì)應(yīng)的網(wǎng)絡(luò)拓?fù)錀l件和智能體相對(duì)運(yùn)動(dòng)之間應(yīng)滿足的條件。算法的分布式特性提升了系統(tǒng)的魯棒性和適應(yīng)性，當(dāng)智能體面臨測(cè)量丟失和通信障礙使得系統(tǒng)拓?fù)渥兓臅r(shí)候，算法依然能保持每個(gè)智

6、能體對(duì)源點(diǎn)位置的不間斷估計(jì)。
　　其次，考慮基于到達(dá)角測(cè)量的獨(dú)輪車模型分布式源點(diǎn)協(xié)同定位問(wèn)題。在具體應(yīng)用中，除了質(zhì)點(diǎn)模型以外，有一大類智能體不能簡(jiǎn)單抽象為質(zhì)點(diǎn)模型，所以進(jìn)而考慮復(fù)雜些的非線性運(yùn)動(dòng)模型:獨(dú)輪車模型(Unicycle model)。本文中的移動(dòng)智能體采用獨(dú)輪車模型，而且不對(duì)智能體的坐標(biāo)系做統(tǒng)一，進(jìn)一步寬松了假設(shè)條件。由于到達(dá)角測(cè)量的優(yōu)勢(shì)所在，因此假設(shè)繼續(xù)考慮使用局部的角度測(cè)量信息?？紤]成對(duì)智能體之間進(jìn)行定位，利用自身的

7、測(cè)量信息與通信信息實(shí)現(xiàn)相互定位。由于獨(dú)輪車模型本身的非完整性約束，使得原有的成對(duì)估計(jì)算法無(wú)法奏效，使得問(wèn)題的復(fù)雜性增加。首先，通過(guò)不同的約束條件，提出不同的成對(duì)智能體定位算法。由于不存在共同坐標(biāo)，在進(jìn)行相對(duì)位置估計(jì)時(shí)需要同時(shí)考慮坐標(biāo)旋轉(zhuǎn)變換，統(tǒng)一到相同的坐標(biāo)框架下。再結(jié)合一致性思想，提出分布式源點(diǎn)定位融合算法，并對(duì)分布式算法給出穩(wěn)定性證明。
　　最后，受到多智能體系統(tǒng)的分布式定位問(wèn)題的啟發(fā)，本文將結(jié)合相對(duì)測(cè)量網(wǎng)絡(luò)，探討傳感網(wǎng)絡(luò)中的

8、分布式狀態(tài)估計(jì)的問(wèn)題。由于網(wǎng)絡(luò)中存在硬件性能或環(huán)境情況的制約，僅有部分傳感器節(jié)點(diǎn)具有對(duì)自身狀態(tài)的測(cè)量信息，稱之為錨定節(jié)點(diǎn)(Anchor Node)，其余只能獲得相對(duì)狀態(tài)測(cè)量的節(jié)點(diǎn)則稱之為傳感節(jié)點(diǎn)(Sensing Node)。所有節(jié)點(diǎn)需要利用局部的測(cè)量和通信信息估計(jì)自身的狀態(tài)。本文關(guān)于分布式狀態(tài)估計(jì)的研究不僅局限于定位問(wèn)題，將提出普適的分布式網(wǎng)絡(luò)狀態(tài)估計(jì)算法。假設(shè)傳感網(wǎng)絡(luò)的測(cè)量和通信拓?fù)錇闊o(wú)向圖，并構(gòu)建可描述整個(gè)系統(tǒng)的測(cè)量關(guān)系的關(guān)聯(lián)矩陣。