【技术实现步骤摘要】
本专利技术属于系统一致性控制相关，更具体地，涉及一种考虑时延的多移动机器人系统一致性控制方法、系统及介质。
技术介绍
1、近年来，多移动机器人系统(多智能体系统)因其在效率、灵活性、可扩展性和可靠性方面的优势而成为研究热点。与单一机器人系统相比，多移动机器人系统可以在更大范围内执行复杂任务，并在任务环境中进行有效的协作。在这些系统的控制问题中，一致性控制尤为重要，它指的是多个机器人在执行任务或进行决策时如何协调一致，以实现系统整体目标或行为的一致性。这包括确保所有机器人在信息共享、决策制定和行为执行上保持一致性，避免冲突和混乱。由于其在分布式控制、协作机器人和智能交通系统中重要作用，一致性控制被视为多机器人控制的基本问题。
2、然而，针对于当前对多机器人系统的一致性控制的研究，仍然存在着以下两个问题和亟待改进的方面：
3、1)如何在存在通信时间延迟的情况下保障控制性能；
4、2)如何在解决系统约束的同时优化控制性能，保障控制器的稳定性。
5、因此，从理论和实际应用的角度来看，针对多移动机器人系统的一致性问题，迫切需要一种能够综合考虑系统约束和通信时间延迟的优化方法。这样的优化方法不仅需要在处理时延等不确定性时保证一致性控制的有效性，还需要确保多移动机器人系统在面对各种任务需求时依然能够实现协调一致。这对保障多移动机器人系统的安全运行，提高系统的整体控制性能具有深远意义。
技术实现思路
1、针对现有技术的以上缺陷或改进需求，本专利技术提
2、为实现上述目的，按照本专利技术的第一方面，提出了一种考虑时延的多移动机器人系统一致性控制方法，包括如下步骤：
3、对多移动机器人系统中的单个机器人，基于其一致性状态误差构建代价函数，以最小化代价函数为目标，求解得到该机器人的最优控制输入量；分别对每个机器人重复上述步骤，得到每个机器人的最优控制输入量，从而实现多移动机器人系统一致性控制；
4、其中，多移动机器人系统中的机器人i在t时刻预测其在t+k时刻的一致性状态误差ξei(t+k|t)的计算式为：
5、
6、t+k|t表示在t时刻对t+k时刻的预测，k＝0,1,2,…n-1，n为预测时域；ξi(t+k|t)表示在t时刻预测的机器人i在t+k时刻的预估位置状态量，ni表示机器人i的邻居集合，该集合中的机器人与机器人i有信息交换，即机器人i的邻居；aij＝1/|ni|，|ni|表示机器人i的邻居数量；表示机器人j在t时刻向邻居广播的其t+k时刻的预估位置状态量，计算式为：
7、
8、ξj(t+kpt)表示在pt时刻预测的机器人j在t+k时刻的预估位置状态量；pt表示在t时刻前最近一次向邻居广播状态量的时刻，n′表示机器人j在通信延迟下，最多可向邻居广播的状态量数量，n′＝pt+n-t；a表示多移动机器人系统通信拓扑无向图的加权邻接矩阵，表示机器人j在t时刻向邻居广播的其t+k-1时刻的预估位置状态量。
9、作为进一步优选的，机器人i在t时刻的代价函数ji为：
10、
11、其中，τi(t+k|t)表示机器人i在t+k时刻的控制输入量；qi、ri分别表示针对误差量和控制输入量在代价函数中的权重系数，分别表示权重系数为qi、ri的欧几里得范数。
12、作为进一步优选的，以最小化代价函数ji为目标，求解得到当前t时刻机器人i的最优控制输入量求解时的约束条件包括：系统模型约束、系统初始状态约束、稳定性约束和输入饱和约束。
13、作为进一步优选的，所述系统模型约束的离散形式表示为：
14、ξi(t+1|t)＝f(ξi(t),τi(t))
15、其中，ξi(t)表示机器人i当前t时刻的状态量，ξi(t+1|t)表示机器人i在t时刻预测的t+1时刻的状态量；τi(t)为当前t时刻的控制输入量；f表示系统动力学模型，其连续形式形式为：
16、
17、其中，m′i＝r(θi)mirt(θi)fi′＝r(θi)firt(θi)，b2′＝r(θi)b2；mi为系统的惯性矩阵，其是对称正定的；ci为向心力和科里奥利矩阵，其是斜对称的；r(θi)为状态转移矩阵，θi表示机器人的姿态，为r(θi)的一阶导；fi为阻尼矩阵，b2为输入矩阵；τi为控制输入量，为ξi的一阶导，为ξi的二阶导，ξi为机器人的位姿状态向量。
18、作为进一步优选的，所述系统初始状态约束表示为：
19、ξi(t|t)＝ξi(t)
20、其中，ξi(t)是t时刻机器人i的初始状态，ξi(t|t)为控制器中相应的初始状态。
21、作为进一步优选的，所述稳定性约束表示为：
22、
23、其中，vi为李雅普诺夫函数，τi(t|t)和τia(t|t)分别表示控制器和基于李雅普诺夫函数的辅助控制器得到的控制量。
24、作为进一步优选的，基于李雅普诺夫函数的辅助控制器τia表达式如下：
25、
26、其中，为期望轨迹的位姿变化率，为位姿误差，r为状态转移矩阵；为位姿误差变化率；ki1为正定且对称的控制增益矩阵，ki2为控制增益矩阵，ki2＝r(θi)mi(ξi)rt(θi)。
27、作为进一步优选的，所述输入饱和约束表示为：
28、
29、其中，为机器人i的最大控制输入量，τi(t+kt)max为计算得到的机器人i控制输入量的最大幅值。
30、按照本专利技术的第二方面，提供了一种考虑时延的多移动机器人系统一致性控制系统，包括处理器，所述处理器用于执行上述考虑时延的多移动机器人系统一致性控制方法。
31、按照本专利技术的第三方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述考虑时延的多移动机器人系统一致性控制方法。
32、总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
33、1.本专利技术通过预估在通信延迟下的系统状态并广播，并据此构建基于一致性状态误差的代价函数，克服了时延对控制效果的影响，实现了通信延迟下的多机器人系统一致性控制；本专利技术能够提高多移动机器人系统一致性控制的稳定性、可靠性，从而实现移动机器人系统安全、平稳运行。
34、2.本专利技术考虑了通信延迟等时延因素对控制效果的影响，设计模型预测控制的代价函数和约束条件；具体通过使用上一广播时刻所预测的系统当前最优状态，以及预估系统在延迟存在下的n-n′状态，弥补通信延迟存在下对一致性控制效果的影响。
35、3.本专利技术基于李亚普诺夫函数设计了辅助控制器，并将其集成到模型预测控制的约束条件中，从而保证了系统一致性控制的本文档来自技高网...
【技术保护点】
1.一种考虑时延的多移动机器人系统一致性控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，机器人i在t时刻的代价函数Ji为：
3.如权利要求2所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，以最小化代价函数Ji为目标，求解得到当前t时刻机器人i的最优控制输入量求解时的约束条件包括：系统模型约束、系统初始状态约束、稳定性约束和输入饱和约束。
4.如权利要求3所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，所述系统模型约束的离散形式表示为：
5.如权利要求4所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，所述系统初始状态约束表示为：
6.如权利要求5所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，所述稳定性约束表示为：
7.如权利要求6所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，基于李雅普诺夫函数的辅助控制器τia表达式如下：
8.如权利要求3所述的考虑时延的多移动机器人系统
9.一种考虑时延的多移动机器人系统一致性控制系统，其特征在于，包括处理器，所述处理器用于执行如权利要求1-8任一项所述的考虑时延的多移动机器人系统一致性控制方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-8任一项所述的考虑时延的多移动机器人系统一致性控制方法。
...【技术特征摘要】
1.一种考虑时延的多移动机器人系统一致性控制方法，其特征在于，包括如下步骤：
2.如权利要求1所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，机器人i在t时刻的代价函数ji为：
3.如权利要求2所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，以最小化代价函数ji为目标，求解得到当前t时刻机器人i的最优控制输入量求解时的约束条件包括：系统模型约束、系统初始状态约束、稳定性约束和输入饱和约束。
4.如权利要求3所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，所述系统模型约束的离散形式表示为：
5.如权利要求4所述的考虑时延的多移动机器人系统一致性控制方法，其特征在于，所述系统初始状态约束表示为：
6.如...
【专利技术属性】
技术研发人员：谢远龙，王忠锐，王书亭，吴昊，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。