本技术介绍了一种适用于动态变化区域的分布式自适应多主体系统最优覆盖策略及其系统。该方法通过基函数构建动态环境的密度函数参数化模型,为多自主体系统构建二阶运动学模型,并设计了基于分布式遗忘因子递推最小二乘估计的参数更新方法。此外,提出了一种基于在线密度函数估计的分布式最优覆盖控制策略。该系统能够通过持续收集环境数据并更新密度函数估计参数,实现多自主体系统的最优覆盖控制。本发明使多自主体系统能够通过分布式交互自主获取高准确度的环境密度函数模型,以实现在未知动态环境下的最优区域覆盖。
背景技术
近年来,随着通信技术以及计算机系统、传感器性能的飞速发展,多自主体系统的成本不断降低,技术功能不断完善。多自主体系统协同控制在联合搜救、智能交通、区域监控等诸多领域的应用则是越来越广泛。相较于单自主体系统,多自主体系统极大提升了对任务的适应性及鲁棒性。覆盖控制作为多自主体系统协同控制的核心工作,近年来得到了广泛的研究。覆盖控制可以应用在许多重要的环境监测和信息采集场景中,其主要目标是提出一种控制律,使多自主体系统在任务区域内收敛到最优的覆盖配置。集中式覆盖控制需整合所有自主体数据信息,集中式处理并向各自主体指派任务,这对于自主体的通信交互能力以及集中节点的储存计算能力提出较高要求,同时集中式数据传输、任务指派也给多自主体系统带来较大的安全性、鲁棒性隐患。分布式覆盖控制则能很好的避免这些问题,各自主体分别进行数据采集,信息处理,并通过通信交互协同完成覆盖任务。
基于分布式处理的多自主体覆盖控制问题具有重大研究意义,现有的许多研究已对于此课题做出显著的贡献。经典的分布式覆盖控制方法是利用维诺划分,将任务区域划分为相应的维诺单元集,通过驱动每个自主体跟踪其对应维诺单元的质心来实现覆盖控制。基于此方法,大量相关研究陆续开展,然而大部分现有研究假设任务区域的环境密度函数已知,这忽略了实际情况中环境密度函数通常是未知的事实。随后,对于任务区域环境密度函数未知的情况得到了很多的关注和研究。这些研究提出了近似未知环境密度函数的估计算法,然而大部分估计算法都具有模型复杂,计算成本高或者假设条件较多的问题。进一步地,关于任务区域密度函数未知且时变的已有研究相对很少。因此,密度函数未知且时变的任务区域的覆盖控制是一个具有挑战性的问题,值得进一步研究。
实现思路