基于信息耦合度的分布式AUV分群控制研究

本项目研究集群分布式AUV的分群控制问题，分群与组群编队同属AUV协同行为，但与组群相反，表征集群分裂为多个子群的行为，目前对分群的实现机理及子群规模控制等问题尚不清楚。由于集群个体具有信息一致性趋势，导致分群难以实现，因此个体间的信息耦合度对分群控制具有关键性作用，但信息耦合度受AUV运动特点、水下通信距离、通信时延等影响，具有很大的研究难度。本项目主要采用动态网络非线性控制与稳定性理论，研究基于信息耦合度的AUV分群控制。包括：(1)信息耦合度对AUV分群行为的影响机理；(2)基于信息耦合度的AUV分群控制算法；(3)信息耦合度受通信距离、通信时延约束下，AUV的分群控制设计等。通过理论分析、数字仿真及实验验证，揭示基于信息耦合度的分群机理；掌握水下通信局限对分群行为的影响规律；明确通信距离、通信时延作用于分群的边界性条件；实现AUV的分群行为与分群规模控制，为工程实践提供理论依据。

自主水下航行器的分群行为，表征为AUV群集分裂为多个子群的现象。开展AUV分群运动的研究对于揭示AUV群集的“分裂—融合”行为机理，增强其实际应用中的运动灵活性与环境适应性具有重要意义。本项目针对一类不依赖于指派、协商等智能协调机制的AUV自组织分群运动行为，对基于信息耦合度的集群式AUV分群控制方法展开深入研究，并重点就信息耦合度对AUV分群行为的影响机理、基于信息耦合度的AUV分群控制算法、信息耦合度受通信约束条件下的AUV分群控制方法，以及群集机器人分群控制实验验证等问题进行了深入讨论。首先，从刺激信息在群集内定向传播的角度出发，研究了AUV分群运动中群集内部的信息传播方式，指出分群行为是一种外部刺激信息在群集内的定向传播所引起的个体运动分化现象，发现个体间信息耦合度(关联强度)的差异是导致群集分裂的本质原因，并建立了可以对AUV分群运动进行表征的两种群集协同模型—邻域跟随模型和信息耦合度模型；其次，从刺激信息在群内传播最大化的角度出发，提出了一种基于“max-ICD”的分群控制策略，并将“成对交互”规则融入传统的“分离/组队/聚合”群集协同规则中，设计了基于信息耦合度的AUV分群控制算法，实现了外部刺激下AUV群集的自组织分群行为；然后，考虑到信息耦合度受通信约束导致速度信息难以有效获取的问题，通过分布式观测器，实现了利用AUV间的相对位置信息对速度信息的实时估计，进而利用测量的位置信息和估计的速度信息，在基于信息耦合度的分群控制框架上实现了无速度测量下的AUV自组织分群运动；再者，针对AUV间信息交互存在时延的问题，在理清时延对分群行为影响规律的基础上，分别利用Lyapunov-Razumkhin定理和Lyapunov-Krasovskii泛函等方法得出了定常时延和时变时延下AUV群集稳定分群运动的充分条件和时延上界；最后，利用E-puck移动机器人构建了群集机器人分群控制实验平台，对基于信息耦合度的分群控制算法进行了模拟实验验证。