基于视觉的多智能体系统分布式编队控制文献综述

文献综述（或调研报告）：

编队控制是一类热门且重要的问题，在海洋工程、环境科学、航天工程等领域均有着广泛且深入的应用。从通信机制角度，多智能体编队控制主要分为集中式控制、分散式控制与分布式控制[1]。由于分布式控制对通信带宽的要求低、所需信息量小、可以避免碰撞、便于工程实现、对编队的重组和分离都有一定优势、可以把影响限定在局部范围内，因此是今后编队信息交互形式的发展方向[1]。许多研究人员对编队控制的研究做出了贡献，并提出了几种方法。包括leader-follower方法[2-6]，虚拟结构策略[7][8]，基于行为法[9]，基于图论法[10][11]，人工势能场法[12]等。本文主要研究采取L-F算法的基于视觉的多智能体分布式编队控制。

3.1 Leader-follower方法简介

Leader-follower方法是最古老的一种编队控制方法。该方法为在编队中选出一架或者多个智能体作为leader，其他follower通过保持与长机的相对位置和速度来达到队形保持的控制。对于Leader-follower法一般有两种控制器形式,第一种是控制单机与两个长机之间的距离；第二种是控制单机与长机的距离和相对转角来达到整个编队控制的稳定。Leader-follower法控制简单，仅给出长机的轨迹就能完成对整个任务过程的控制，但该方法鲁棒性差，一旦长机出现故障无法工作，整个编队就会无法控制。且控制误差会被逐级放大[1]。

3.2 关于基于视觉的多智能体分布式编队控制的研究现状

本部分主要介绍基于视觉的方法、编队控制器设计等主干内容的研究现状。文献[3]描述了一个合作控制一组非完整移动机器人的框架，它允许从简单的控制器和估计器构建复杂的系统。该方法对所有的控制器使用来自单一类型传感器、全方位摄像机的信息。 论文也描述了在不同层次抽象感官信息的估计器，使分散与集中的合作控制。文献[15]考虑了海洋船只的非线性编队控制，并采用矢量反推方法求解几何任务和动态任务。在[19]中，考虑了未知洋流存在下驱动水面船只的路径跟随和编队控制问题，提出的控制器基于LOS制导、自适应控制和级联系统理论。文献[14]提出了一种基于拉格朗日力学原理的海洋船只编队控制方法，给出了所需海洋船只的编队结构与响应作为约束函数集，将力解释为控制律，该思想也可以用于单一船只的位置控制。文献[15]提出了控制多个USV任意编队的滑模控制律，USV采用三自由度动态模型。在设计控制器时，考虑了动态模型中的参数不确定性和波扰动。文献[16]研究了欠驱动三自由度水面船只的编队控制和路径跟踪问题，所提出的由LOS引导律和协调控制律组成的分散控制器使船只渐近地构成一个期望的编队。文献[17]针对飞行器二维模型提出了一种稳定的自适应编队控制算法，并在存在未知的leader命令和涡旋效应扰动的情况下实现，使得在空气动力系数和leader指令存在不确定性的情况下，follower精确地跟随领导者。文献[23]提出了一种新的可实现的协作自适应反推控制器，用于跟踪时变虚拟领导者。此外还使用了奇异摄动理论以便在协作设计中排除邻居速度信息。文献[19]提出了一种只使用无人机的机载摄像机提供视觉反馈，为一组无人机自主实现所需的编队的控制策略。将相关特征点用于新的姿态估计算法QuEst，以定位相邻的无人机。文献[20]利用Pontryagin 极值原理跟踪所需的路径并以此对leader的控制进行设计，follower在最优跟踪控制下移动以跟随leader的路径。文献[25]研究了一组非完整地面机器人之间的分布式运动协调问题，为平行和平衡的圆形结构制定基于视觉的控制律。提出的控制定律不依赖于邻居之间航向信息的测量或通信，而需要测量方位、光流和碰撞时间，所有这些都可以用视觉传感器来测量。文献[26]提出的编队控制的方法或依赖于通过使用扩展卡尔曼滤波器来估计2-D视觉信息的范围，或调节图像平面上由一架领头飞机所拍摄的图像的大小。 当图像尺寸不是可供选择的测量时，论文考虑使用仅方位信息。此外为了提高估计过程对未知先导飞机加速度的鲁棒性，论文用自适应神经网络对EKF进行了扩展。

3.3 文献小结

目前基于视觉的多智能体分布式编队控制理论方面取得了丰硕的成果，但是试验中能实现编队控制的通信环境有局限性，在一些情况下控制方法应对突发情况鲁棒性低，多机多传感器协同感知能力不足[24]，通过视觉信息提取相对状态信息的方法各有优缺点。本文将试图从一些方面做出改进，提出有效的编队控制设计。

[1] Oh K K , Park M C , Ahn H S . A survey of multi-agent formation control[J]. Automatica, 2015, 53:424-440.

[2] Peng Z , Wang D , Chen Z , et al. Adaptive Dynamic Surface Control for Formations of Autonomous Surface Vehicles With Uncertain Dynamics[J]. IEEE Transactions on Control Systems Technology, 2013, 21(2):513-520.