三维空间基于角度测量的多机器人系统协同定位与编队控制

In distributed autonomous multi-robot systems, determining the positions of themselves or the targets in the system (localization) and moving to a specific location in the system (formation control) are the basic functions of the robots. In most existing works, the ability to achieve these two basic functions requires that the robots are able to measure the relative positions, i.e., both bearing angle and distance, of other robots in their local coordinate frames. In most cases, especially in three-dimensional space, the distance information is difficult to be obtained. In this research project, we investigate cooperative control strategies based on bearing measurements in three-dimensional space and their applications in typical collaborative tasks such as cooperative localization, formation control , and target localization and enclosing. We plan to use matrix theory and algebraic graph theory to solve the localizability problem and formation stability problem with bearing measurement, to use the persistent excitation theory to design distributed estimators to locate neighboring robots and target with bearing measurements. In addition, we plan to build a multi-rotor experimental platform to study the performance of the developed bearing-based control strategies on real multi-UAV systems. The expected results will provide useful theoretical tools for analysis and design of bearing-based cooperative control strategies, and have a wide range of applications from traffic monitoring, emergency rescue to military operations of the multi-UAV systems.

在分布式多自主机器人系统中，确定自身或目标在系统中的位置（定位）以及运动到系统中的特定位置（编队）是机器人须具备的基本能力。目前这两个基本能力的实现大多要求机器人可以测量获得其他机器人在其局部坐标系下的相对位置（角度+距离）信息。然而在大多数情况下，特别是三维空间中，角度信息容易测量而距离信息并不容易获得。本项目研究三维空间中仅基于角度测量的协调控制策略在自定位、编队控制和目标定位与围捕等典型协同任务上的应用：利用矩阵理论和代数图论研究角度测量下的可定位性和编队稳定性问题；利用持续激励理论设计分布式估计器从角度测量中获得周围机器人和目标的位置信息；并通过构建多旋翼飞行器实验平台，研究基于角度测量的控制策略在多无人机系统上的具体实现。课题预期的研究成果将为基于角度测量的协调控制分析与设计奠定必要的理论基础，相关结果在多无人机交通监管系统、应急搜救和军事领域有着广泛的应用前景。

在多自主机器人系统中，确定自身在系统中的位置（定位）以及运动到系统中的特定位置（编队）是机器人须具备的基本能力。目前这两个基本能力的实现大多要求机器人可以测量获得其他机器人在其局部坐标系下的相对位置（角度+距离）信息，然而在大多数情况下角度容易测量而距离信息并不容易获得。本项目主要研究基于角度测量的协调控制策略在自定位、编队控制和目标定位与围捕等典型协同任务上的应用：1. 针对基于角度测量的多机器人系统分布式定位问题，我们考虑无向时变拓扑，提出基于复拉普拉斯的分布式定位算法，克服缺少全局坐标系以及引入切换拓扑带来的挑战。并得到充分性的图的连接性条件，使得在该条件下，提出的分布式定位算法是全局收敛的。针对基于混合测量的多机器人系统分布式定位问题，我们考虑无向时变拓扑，利用重心坐标将局部测量转换成关于节点在全局坐标系下位置坐标的线性约束方程。从而混合测量的定位问题可以统一在同一框架下进行讨论求解。据此，我们提出了分布式的迭代算法求解机器人的位置，并得到了充分必要的图的连接性条件确保算法的全局收敛性。2. 针对具有领航者－跟随者网络结构的多自主体系统，研究了其在有向时变拓扑下的编队控制问题，提出分布式控制器并获得保证队形一致渐近形成的充分必要条件，进而提出基于内模原理的速度同步控制，并获得充分必要条件以保证全局收敛性。针对有向时变拓扑下具有领航者－跟随者网络结构的多机器人系统，考虑一般的目标队形和有向时变测量拓扑，同时假设通信拓扑是双向且时变的，我们提出基于重心坐标的方法设计分布式控制器，并获得保证全局收敛的图的连接性条件。3. 针对相对测量网络的分布式协同估计问题，根据节点的估计状态及其协方差局部信息交互，融合传感器的相对状态测量信息，最终设计集中式和分布式状态估计，并给出算法收敛的条件。课题的研究成果充实了多机器人协调控制理论基础，相关结果在多无人机交通监管系统、应急搜救等领域有着广泛的应用前景。