[论文]一种用于水下机器人分布式编队控制的自适应自组织神经网络方法

摘要

针对一组自主水下机器人的分布式编队控制，提出了一种自适应自组织映射神经网络方法。当编队整体移动时，这种方法控制水下机器人在编队中保持它们的位置。该组水下机器人可以沿着预先规划的轨迹以预期的编队形状到达期望的位置。所提出的控制律是分布式的，即每个水下机器人的控制器只使用自己的信息和相邻水下机器人的有限信息。基于自组织竞争计算的编队控制策略是在考虑工作负荷平衡的情况下进行的，这样一组水下机器人可以在工作负荷平衡和能量充足的前提下到达期望的位置。而且队形可以避开障碍物，根据需要改变形状。编队是一个分布式的类似领导者-追随者的结构，但是没有必要明确地指定领导者和追随者。编队中的所有水下机器人被视为领导者和跟随者，从而实现了自适应和容错等重要特性。与传统方法和实验的比较结果表明了该方法的有效性。

索引术语——水下机器人、编队控制、编队保持、编队跟踪、领导者-追随者、自组织地图。

介绍

自主水下机器人(AUV)是一种高度自主的设备，它与母船没有物理连接，可以在水下环境中用自己的控制和引导系统完成给定的任务[1]。随着任务的日益复杂，有必要通过多个水下机器人的合作来执行超出单个水下机器人能力的水下任务。在某些任务中，水下机器人应该作为一个编队集体移动。编队控制是一种控制一组车辆的技术，包括地面机器人、飞行器、水面车辆和水下机器人[2]、[3]，根据任务需要沿着期望的路径移动，同时保持期望的形成模式，并适应环境约束，例如障碍、有限的空间、洋流和通信约束[4]，[5]。为了在特定的环境中工作或满足某些工作的需要，多水下机器人系统可以采用多种几何形状。典型的几何形状包括线形、三角形、菱形、楔形和多边形。

编队控制是多水下机器人系统的一个基本问题，近年来成为研究热点。以前文献中报道的各种编队控制方法主要分为四类:虚拟结构方案、基于行为的方法、人工势场技术和领导者-追随者方案。在虚拟结构方法中，整个编队被视为一个单一的刚体。每个智能体的运动是从结构上相应点的轨迹导出的[6]，[7]。该方法通过定义刚体的行为来实现编队控制。当航行环境发生变化时，刚体队形无法改变，从而限制了应用范围。在基于行为的方法中，每个车辆的控制动作由每个期望行为的加权平均值得出，例如编队保持、目标寻找和避障[8]–[10]。基于行为的方法的优点是相对简单，明确的反馈，以及在避障方面的可用性；缺点是缺乏对群体行为的明确定义，这使得难以用数学方法分析局部控制规则。

哈提卜[11]提出了基于人工势场概念的方法。这种方法的基本思想是车辆在类似于正负电荷产生的电场的力场中运动。要到达的位置是吸引电荷，障碍物是排斥电荷。障碍物对车辆产生排斥力，而目标对其产生吸引力。排斥力和吸引力可以形成一个势场，使车辆沿着势场的梯度下降方向运动。人工势场法的优点是定义明确，适合实时控制，特别是有障碍物环境下的避碰问题；不足之处在于势场函数有时难以设计，应考虑