[论文解读] Distributed Average Tracking for Double-integrator Multi-agent Systems with Reduced Requirement on Velocity Measurements

Sheida Ghapani, Wei Ren+2 more|arXiv (Cornell University)|Jul 16, 2015

Distributed Control Multi-Agent Systems参考文献 14被引用 3

一句话总结

本文提出两种用于双积分器多智能体系统的分布式不连续控制算法，以实现对时变输入信号的平均跟踪，且显著降低了速度测量需求。第一种算法通过使用相对位置和滤波器输出，消除了绝对速度和相对速度测量，但需要正确初始化，可处理有界加速度偏差。第二种算法通过仅使用本地位置和速度测量，消除了通信和初始化约束，所有信号均保持有界，实现了无需相对速度传感或精确初始化的鲁棒跟踪。

ABSTRACT

This paper addresses distributed average tracking for a group of physical double-integrator agents under an undirected graph with reduced requirement on velocity measurements. The idea is that multiple agents track the average of multiple time-varying input signals, each of which is available to only one agent, under local interaction with neighbors. We consider two cases. First, a distributed discontinuous algorithm and filter are proposed, where each agent needs the relative positions between itself and its neighbors and its neighbors' filter outputs obtained through communication but the requirement for either absolute or relative velocity measurements is removed. The agents' positions and velocities must be initialized correctly, but the algorithm can deal with a wide class of input signals with bounded acceleration deviations. Second, a distributed discontinuous algorithm and filter are proposed to remove the requirement for communication and accurate initialization. Here each agent needs to measure the relative position between itself and its neighbors and its own velocity but the requirement for relative velocity measurements between itself and its neighbors is removed. The algorithm can deal with the case where the input signals and their velocities and accelerations are all bounded. Numerical simulations are also presented to illustrate the theoretical results.

研究动机与目标

• 解决双积分器多智能体系统在降低速度测量要求下的分布式平均跟踪问题。
• 消除对相对速度测量的需求，因为在实际应用中此类测量成本高且不准确。
• 设计仅依赖相对位置和本地速度传感的控制算法，最大限度减少通信和初始化依赖。
• 在有界输入加速度和无需精确智能体状态初始化的条件下，确保鲁棒的跟踪性能。
• 将现有分布式平均跟踪方法扩展至具有双积分器动力学的物理智能体，同时最小化传感复杂度。

提出的方法

• 设计一种分布式不连续控制器和一种分布式滤波器，仅使用智能体之间的相对位置和邻居滤波器输出，从而无需绝对速度或相对速度测量。
• 控制律引入一个基于本地信息演化的滤波器状态，实现在无速度反馈的情况下对平均输入信号的估计。
• 第一种算法要求正确初始化智能体的位置和速度，并使用控制参数 α、γ 和 β，以确保在有界加速度偏差下实现收敛。
• 第二种算法通过本地速度测量替代通信，消除了对初始化精度的需求，仅依赖对本地位置、速度和输入信号导数的局部感知。
• 通过调节控制参数 κ、α、γ 和 β，确保在无相对速度测量时跟踪误差有界且实现收敛。
• 理论分析证明，在指定条件下，跟踪误差有界，且能收敛至时变输入信号的平均值。

实验结果

研究问题

• RQ1 在双积分器多智能体系统中，是否可以在不依赖智能体之间相对速度测量的情况下实现分布式平均跟踪？
• RQ2 如何在保持跟踪性能的同时，消除对精确初始化和智能体间通信的需求？
• RQ3 何种控制结构可在有界输入加速度且无速度反馈条件下实现鲁棒的平均跟踪？
• RQ4 不连续控制与滤波框架是否能实现传感需求最小化的分布式平均跟踪？
• RQ5 在分布式平均跟踪中，通信、初始化精度与速度测量减少之间存在何种权衡？

主要发现

• 第一种算法通过使用相对位置和滤波器输出，在智能体状态正确初始化的前提下，实现了无需任何速度测量（无论是绝对还是相对）的分布式平均跟踪。
• 该算法确保了在输入信号具有有界加速度偏差时的有界跟踪误差，即使输入信号为时变且非稳态。
• 第二种算法消除了智能体间通信和正确初始化的需求，仅依赖本地位置和速度测量以及有界输入导数。
• 数值仿真验证了两种算法在10个智能体的二维空间中成功跟踪时变输入信号的平均值，位置和速度状态均实现收敛。
• 仿真结果表明，即使在无速度测量和无精确初始化的条件下，仍能实现有效跟踪，验证了所提方法的鲁棒性。
• 控制设计通过在第二种算法中消除相对速度测量和智能体间通信，有效降低了传感和通信成本。