多智能体系统中量化一致性问题的研究

基于网络的多智能体系统面临通讯拓扑结构变化和信息损失等问题，一致性方法立足于时变网络中的信息交互，对解决信息损失如时滞、丢包等都有可行方案，是多智能体系统研究的前沿方向。在一致性算法中使用量化信息，可以减少数据通讯量，降低系统对通讯的依赖性。.本项目将发展使用量化数据的信息融合理论，探讨基于量化一致性的分布式卡尔曼滤波策略，研究其在移动传感器网络数据融合中的应用和性能；提出使用量化输出反馈的运动控制方案，建立基于量化一致性方法的多机器人运动协调控制机制。研究重点是量化方案对一致性算法收敛性的影响，和量化器及一致性算法的参数优化。将采取仿真研究和在多机器人系统中的实验验证方式，围绕多智能体系统的若干典型应用进行理论创新和实践研究，力图为最终形成多智能体系统中分布式信息处理与协调控制的理论体系打下基础。

实现了多智能系统分布式卡尔曼滤波，智能体间共享经量化的目标状态值，在性能函数中集成量化分辨率的影响，把一致性增益与量化精度的优化统一在一个框架内，针对非凸优化问题采用群体智能优化方法实现了一致性增益与量化精度的联合优化。针对异质多机器人系统，实现了无线自组织网络和对传感器接口透明的信息共享，保障多机器人系统在网络拓扑结构变化情况下连通性的保持和更灵活的通讯。在此基础上完成了具有时延和丢包的多机器人运动协调控制研究，提出了一种简单的比例-微分控制器来补偿通讯时延，通过D-partition方法进行了控制器参数整定并证明了系统的渐进收敛性。运用这种方法，设计者可以根据不同时延大小，在稳定参数区域选择控制器参数，同时编队系统的内动态可以保持稳定。针对基于多传感器信息融合的移动机器人定位与导航、采用激光测距雷达的环境感知与路径规划、基于力反馈的人机交互与遥操作、基于自适应卡尔曼滤波的无人飞行器姿态感知与控制等多机器人系统的基础技术开展研究，自主开发形成了多机器人研究平台，为进一步研究工作打下了坚实的基础。