多机器人连通性保持条件下的分布式协同控制

Connectivity preservation of multi-robot systems is an important guarantee for effective and reliable distributed cooperative control. However, there are still serious shortcomings in its research. Specifically, distributed estimation performance of topology connectivity relies heavily on the topological structure; connectivity preservation control often separates topology connectivity preservation and control tasks; the connectivity preservation task often ignores the optimization objective function and the robot dynamics structure. In this project, a distributed method is proposed for the computation of Laplacian eigenvalues/eigenvectors of the system based on algebraic connectivity and inverse power iterative mechanisms. The proposed method achieves fast distributed estimations of algebraic connectivity of arbitrary topology. Based on the specific task requirements, a connectivity preservation control strategy is designed by means of algebraic connectivity estimation and negative gradient control of potential functions. Considering the dynamics of multi-robot systems and nonsmooth objective functions of tasks, distributed connectivity preserving optimization algorithms are designed by combining the distributed optimization framework and nonlinear/nonsmooth control. This project will achieve effective coordination of multi-robot systems in complex environments, weak information interaction conditions, and multi-objective tasks, and verify the theoretical results in actual systems.

多机器人系统的连通性保持是实现有效可靠分布式协同控制的重要保证，但目前其研究仍存在严重的不足。具体来说：连通度分布式估计性能严重依赖拓扑结构；连通性保持控制常常割裂连通性保持和控制任务间的联系；连通性保持任务方案设计中常常忽略优化指标和机器人动力学模型。为此，本项目将基于代数连通度和反幂迭代机制提出系统的拉普拉斯矩阵特征值/特征向量分布式计算方法，以实现任意拓扑下代数连通度的快速分布式估计；结合具体控制任务要求，利用代数连通度估计和势函数负梯度控制思想提出连通性保持分布式协同控制策略；考虑多机器人系统动力学模型和任务中非光滑优化指标，将分布式优化框架与复杂非线性/非光滑控制相结合设计连通性保持条件下的分布式优化方法。本项目将实现多机器人系统在复杂环境、弱信息交互、多任务条件下的有效协同，并在实际系统中进行验证。

多机器人系统的连通性保持是实现有效可靠分布式协同控制的重要保证。在已取得的多机器人系统连通性保持控制研究的基础上，本项目主要利用分布式优化、深度强化学习、协同控制等方法研究多机器人系统的连通性保持控制与优化。研究主要包括以下几个方面：.（1）研究多机器人系统的协同感知和连通拓扑优化方法，设计了基于深度学习和卷积神经网络的机器人场景感知与理解算法，提出了基于优化框架的拓扑设计和领导者选择框架，开发了相应的仿真模拟平台和地面站系统。.（2）研究连通性保持条件下的空地机器人任务和路径规划策略，提出了利用改进的文化基因框架的信使无人机路径规划方法，建立了时序逻辑约束下多机器人系统协同运动规划方法，实现了未知环境下多机器人的协同避障。.（3）研究复杂环境下的多机器人系统连通性保持分布式优化，提出了多近端算子的分布式光滑协同优化算法、具有时变参数的一阶原始-对偶优化算法、基于无投影技术的分布式随机优化算法等，并严格证明了算法的收敛性。.（4）研究多机器人系统的连通性保持协同控制策略，建立了连通性约束下多移动机械臂的位姿优化、安全控制、人机共享控制、队形变换等任务的分布式控制算法，并给出了严格的理论分析。.在项目执行期间，共发表期刊论文19篇，其中包括13篇IEEE汇刊论文、1篇Automatica长文，发表10篇国际会议论文，授权、受理5项发明专利。建立一套多机器人的连通性保持控制理论与方法，为有效实现复杂多约束、弱通信、多任务环境下的大规模多机器人系统的协同控制提供了更有效的分析和设计方法。