群集动力学系统的个体预测智能分析与预测控制研究

In the huge volume of natural biological groups like bird flocks and fish schools, highly-coordinated collective behaviors are emerged by low-level individual intelligence and their simple interactions. Such mechanism has promising application potential in various industrial areas including multi-robot coordination, unmanned aircrafts formation control, vehicle ad-hoc network and so on. Thus, collective motional control strategy has been enlisted into the national robotics roadmap of many developed countries. More significantly, some recent biological experimental results show that, the individual predictive intelligence plays an essential role in the emergence of abundant collective behaviors. Thus the predictive mechanism exploration for collective behaviors has become a frontier hotspot in automation science and engineering area all over the world. This paper aims at discovering the forming and evolving mechanism of individual predictive intelligence, revealing the role of such intelligence on the emergence of coordinated collective behaviors, and proposing a niche distributed predictive control methodology for such systems. The research content includes exploration of predictive information emergence and broadcasting based on sparse local data; modeling of collective behavior systems with embedded individual predictive intelligence; design of distributed constrained predictive control scheme, and development of a multi-robot cooperative detection platform. The potential results will help fill the gap between the distributed predictive control theory and the real industrial applications of multi-agent systems. Moreover, some new MPC theory and methods can be expected to be brooded to speed up the development of the multi-robot coordination technology of China.

鸟群、鱼群等生物群体中低等的个体智能可以涌现出高度协调的群集行为，深入理解生物群体协同机制在群体机器人协同、无人机编队控制、车联网等领域具有广阔的应用前景。因此，群集协同控制理论与技术被世界各发达国家竞相列入机器人发展路线图。近期的生物学研究发现，个体预测机制对群集协同涌现行为起着至关重要的作用，近年来成为国际自动化领域的研究前沿和热点问题。本项目旨在揭示个体预测信息的产生和演化规律，阐明其对群集涌现行为的关键作用，提出群集动力学系统的分布式预测控制理论与方法。研究内容包括：基于局部稀疏数据的预测信息生成及传播规律的分析、内嵌个体预测智能的群集动力学模型的建立、分布式约束预测控制策略的设计和群体机器人编队协同探测实验平台的研制。项目成果将为实现从群集预测控制方法到工程多智能体系统应用的跨越提供控制理论与技术的支撑，从而为我国群体机器人协同等新兴战略技术的发展提供预测控制新原理和新方法。

本项目研究（1）个体预测智能对群集内部信息传播和拓扑演化的作用规律研究；（2）内嵌个体预测智能的群集动力学建模方法研究；（3）群集动力学系统的协同约束预测控制方法研究；（4）无人机-艇集群跨域协同系统研制，以及集群理论方法实验验证。针对（1），项目从自然界大量鸽群飞行迁徙的群集行为中，挖掘了鸽群协同运动中个体间的相互作用机制，阐明了鸽群自由飞行中各向异性的通讯方式，揭示了自然界生物群体间歇式通讯与网络联合联通的机制；此外，构建自驱动粒子模型来探究这些群体行为背后的相变机理，阐明了群集动力学系统相变机制并据此预测和调控最终构型。针对（2），实际的生态和生物系统中存在超快同步行为，项目利用基于Hankel矩阵的预测方法实现了统计分析，以达到超快网络同步。针对典型的具有链状拓扑结构的网络系统，提出了一种分布式模型预测控制算法，从理论上证明并给出了整个群集动力学系统达到一致性的最优收敛条件。针对（3），项目研究了添加边对有向非循环图的影响，当添加反向边后，一致性收敛率下降程度由边程决定，而与网络大小和加边位置无关。为了有效降低通信成本，设计了一种新的事件触发机制以实现渐进同步，理论上给出严谨的证明得出此异构非线性二阶多智能体系统在有向拓扑下的半全局同步准则。考虑到通信延迟对多智能体系统协同的影响，项目提出一种新的离散预测反馈方法，适用于包括指数不稳定动力学在内的所有线性多智能体系统。针对（4），项目在工程上搭建无人机-艇平台。项目提出了一种分布式估计与控制层次框架，使得无人艇集群系统在变化拓扑下均匀分布在固定目标和移动目标目标周围并做围绕运动形成涡旋构型。此外，项目组发明了多机-多艇运动起降协同控制器，成功实现了2机4艇的湖测协同运动实验。在本面上项目的支撑下，负责人获得获得2017年“长江学者奖励计划”-青年学者，2017年中国产学研合作创新奖、2018年第46届日内瓦国际发明展金奖等奖励和荣誉。