基于粗糙信息的多自主体编队控制

This proposal focuses on the finite-time distributed formation problem for multi-agent systems using coarse information. Compared with existing formation algorithms which need the precise position information of neighbors, our algorithms only require sign information of the relative distance/position measurements, i.e., the differences between the relative distances/positions and the desired ones. This corresponds to only requiring one-bit coarse information. This signum protocol works well, and has the capability to significantly reduce the requirements for both computation and sensing. We plan to investigate the problem systematically in the following three aspects: First we look into the formation control for multi-agent systems in finite time using coarse estimations of relative positions between neighbors under certain global coordinate. Second we investigate the problem using coarse estimations of relative distances between neighbors in each’s local coordinate, and furthermore we extend the result in large scale networks and estimate the convergence time of the formations. Finally, we further analyze how topological connections such as asynchronous updating, switching structures, and dynamical topologies affect the convergence behaviors of the formations. Most importantly, our finite-time convergence formation algorithms overwhelm the asymptotically exponential convergence of other formation algorithms, and overcome the shortage of the latter who fail in large scale formations. The proposed algorithms have great potential in real-world applications.

本项目研究基于粗糙信息的多自主体系统的编队控制及其有限时间收敛的问题。与已有的编队控制算法相比较，我们的算法不需要知道邻居节点之间精确的位置信息，只需要知道它们之间的相对距离（位置）比期望的相对距离（位置）是近还是远。这对应着可以用简单的符号函数来表示的粗糙信息。这种符号函数控制器能够简化计算、并降低对信息获取的性能要求。我们拟从如下三个方面系统地研究该问题：首先考虑在全局坐标下，基于粗糙的相对位置信息对多自主体系统进行编队控制及收敛时间分析。其次考虑在局部坐标下，基于粗糙的相对距离信息进行编队控制；并扩展到大规模编队及估计有限收敛时间。最后在以上两个方面的基础上，进一步分析异步更新、结构切换、动态连接等的网络连接因素对多自主体编队稳定性及收敛速度的影响。我们所提出的这些编队控制算法能保证编队有限时间收敛，克服了已有编队算法指数渐近收敛而不利于大规模网络编队的缺点。具有较大的实际应用前景。

多自主体系统的协同行为与编队控制是一个当今热门的研究问题，在传感器网络、多机器人网络、通信网络、生物网络等研究领域引起了广泛关注，是当今研究与应用领域的重要课题之一。本项目围绕多自主体系统的编队控制与协同行为问题，从以下几个方面取得了一系列创新性研究成果。（1）粗糙信息下的多自主体编队。与已有的编队控制算法相比较，我们的算法不需要知道邻居节点之间精确的位置信息。采用粗糙的量化控制器, 减少了控制器设计的成本，并减少对数据测量的要求，进一步估计了有限的收敛时间。（2）利用根图性质，研究了大规模多自主体系统的编队问题。基于根图方法的编队控制器设计，简化了控制器设计，而且对于自主体间构成的邻居关系的约束条件也会少得多。该方法对于大规模编队的分析与实现有极大的便利。（3）复杂非线性多自主体系统的协同控制问题。考虑在加入非线性节点动力学的多自主体模型，采用图谱理论，通过优化设计复杂多自主体的连接拓扑结构及其耦合权重，使得多自主体系统实现协同控制。提出了基于边的控制的复杂多自主体的协同控制算法。（4）基于复杂多自主体网络系统的保密通信问题。多自主体的自身动力学取不同的混沌系统，考虑两层网络间点对点的通信传输模式，提出基于复杂网络的保密通信机制。（5）研讨了复杂动态网络的同步行为及协同控制，系统分析了网络的拓扑结构和节点动力学是如何影响并决定网络协同行为。. 依托本项目在IEEE Transactions on Circuits and Systems_I 上发表长文2篇（第一作者），出版学术专著1部，该专著获得国家科学技术学术专著资助，出版外文书章节1章（英国伦敦IET 出版社）。有1篇投稿Systems & Control Letters，评审意见基本上接受；有1篇已投稿IEEE汇刊的论文，在评审中；另外还有2篇在准备投稿的期刊论文，有望在结题两年内陆续发表。本项目为1名博士生、6名硕士研究生提供研究课题及经费支持。. 本项目为多自主体系统的编队、协同控制提供了新的方法与视角，为多自主体系统编队的实际应用提供了理论支持。..