多智能體系統(tǒng)中分布式源點定位與狀態(tài)估計的研究.pdf

1、多智能體系統(tǒng)（Multi-agent Systems，簡稱MAS）由于具有天然的分布性、較強的魯棒性和可擴展性、以及高效的計算性能等優(yōu)點，廣泛應用于空間探索、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)計控制策略時，往往依賴于智能體實時的位置信息或者當前的狀態(tài)向量。如何有效地對智能體進行定位，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)問題之一。本文將通過研究多智能體系統(tǒng)中的基于本地測量信息的源點定位問題，提出移動智能體分布式

2、定位的相關(guān)算法;再更進一步，考慮多智能體系統(tǒng)中基于相對測量信息的狀態(tài)估計問題，解決一般的分布式網(wǎng)絡(luò)中自主狀態(tài)估計的相關(guān)問題。
　　與靜態(tài)的智能體網(wǎng)絡(luò)相比，移動網(wǎng)絡(luò)定位由于智能體的運動速度和拓撲變化的影響，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。對于移動智能體定位問題，本文針對不同的動力學模型以及測量和通信上的不同約束條件，相應的設(shè)計具有指數(shù)收斂的定位算法，以實現(xiàn)對目標相對位置的實時定位。尤其是基于獨輪車模型的分布式

3、源點定位問題，在多智能體協(xié)同控制領(lǐng)域?qū)儆谠瓌?chuàng)性的研究之一。基于微分方程的分布式動態(tài)定位算法，比基于代數(shù)的靜態(tài)定位算法抵抗測量噪聲的能力更強;并且智能體間的協(xié)作，提高了算法的魯棒性，能有效應對當網(wǎng)絡(luò)中存在測量丟失、通信障礙的情況。注意到現(xiàn)有的網(wǎng)絡(luò)估計算法多數(shù)針對相同的目標狀態(tài)，無法應用于節(jié)點的自身狀態(tài)估計問題中。本文引入分布式卡爾曼濾波的思想，能夠獲得比簡單一致性的融合方法獲得更好的估計效果，并且提出一種基于LMI的新穎的穩(wěn)定性分析方法。

4、總的來說，本文的研究工作主要集中在以下幾個方面:
　　首先，研究基于到達角采樣測量的質(zhì)點模型分布式源點協(xié)同定位問題。已有相應的研究成果，單個移動智能體能夠估計出靜態(tài)目標的全局坐標并圍繞其進行圓周巡航?，F(xiàn)考慮更一般性的多智能體源點協(xié)同定位問題，即考慮在網(wǎng)絡(luò)拓撲變化的情況下，基于到達角采樣測量信息的多智能體源點定位問題。相對于距離測量信息，到達角測量具有無源性的特點，在信息保密和能耗降低方面具有優(yōu)勢。使用距離測量實現(xiàn)源點定位需要擴展狀

5、態(tài)觀測器(ESO)或者線性時變微分器(LTVD)對距離信息求導，使用角度測量則無需使用，具有優(yōu)勢?？紤]通信拓撲為時變有向圖，比以往條件更寬松。本文提出了一種分布式的離散時間狀態(tài)估計器，獲得對源點相對位置的實時動態(tài)估計。對算法的全局漸近收斂性進行了證明，并給出了算法收斂所對應的網(wǎng)絡(luò)拓撲條件和智能體相對運動之間應滿足的條件。算法的分布式特性提升了系統(tǒng)的魯棒性和適應性，當智能體面臨測量丟失和通信障礙使得系統(tǒng)拓撲變化的時候，算法依然能保持每個智

6、能體對源點位置的不間斷估計。
　　其次，考慮基于到達角測量的獨輪車模型分布式源點協(xié)同定位問題。在具體應用中，除了質(zhì)點模型以外，有一大類智能體不能簡單抽象為質(zhì)點模型，所以進而考慮復雜些的非線性運動模型:獨輪車模型(Unicycle model)。本文中的移動智能體采用獨輪車模型，而且不對智能體的坐標系做統(tǒng)一，進一步寬松了假設(shè)條件。由于到達角測量的優(yōu)勢所在，因此假設(shè)繼續(xù)考慮使用局部的角度測量信息?？紤]成對智能體之間進行定位，利用自身的

7、測量信息與通信信息實現(xiàn)相互定位。由于獨輪車模型本身的非完整性約束，使得原有的成對估計算法無法奏效，使得問題的復雜性增加。首先，通過不同的約束條件，提出不同的成對智能體定位算法。由于不存在共同坐標，在進行相對位置估計時需要同時考慮坐標旋轉(zhuǎn)變換，統(tǒng)一到相同的坐標框架下。再結(jié)合一致性思想，提出分布式源點定位融合算法，并對分布式算法給出穩(wěn)定性證明。
　　最后，受到多智能體系統(tǒng)的分布式定位問題的啟發(fā)，本文將結(jié)合相對測量網(wǎng)絡(luò)，探討傳感網(wǎng)絡(luò)中的

8、分布式狀態(tài)估計的問題。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)點具有對自身狀態(tài)的測量信息，稱之為錨定節(jié)點(Anchor Node)，其余只能獲得相對狀態(tài)測量的節(jié)點則稱之為傳感節(jié)點(Sensing Node)。所有節(jié)點需要利用局部的測量和通信信息估計自身的狀態(tài)。本文關(guān)于分布式狀態(tài)估計的研究不僅局限于定位問題，將提出普適的分布式網(wǎng)絡(luò)狀態(tài)估計算法。假設(shè)傳感網(wǎng)絡(luò)的測量和通信拓撲為無向圖，并構(gòu)建可描述整個系統(tǒng)的測量關(guān)系的關(guān)聯(lián)矩陣。