[论文解读] Tensegrity Models and Shape Control of Vehicle Formations

Benjamin Nabet, Naomi Ehrich Leonard|ArXiv.org|Feb 23, 2009

Structural Analysis and Optimization参考文献 16被引用 9

一句话总结

本文提出了一种分布式控制方法，用于在平面内稳定和重构多智能体编队，采用张拉整体模型。通过将任意期望的平面编队形状映射到参数化的张拉整体结构，该方法推导出可证明稳定的控制律，通过车辆间时变作用力实现平滑、低能耗的形状过渡，确保收敛时过冲最小且动力学行为良好。

ABSTRACT

Using dynamic models of tensegrity structures, we derive provable, distributed control laws for stabilizing and changing the shape of a formation of vehicles in the plane. Tensegrity models define the desired, controlled, multi-vehicle system dynamics, where each node in the tensegrity structure maps to a vehicle and each interconnecting strut or cable in the structure maps to a virtual interconnection between vehicles. Our method provides a smooth map from any desired planar formation shape to a planar tensegrity structure. The stabilizing vehicle formation shape control laws are then given by the forces between nodes in the corresponding tensegrity model. The smooth map makes possible provably well behaved changes of formation shape over a prescribed time interval. A designed path in shape space is mapped to a path in the parametrized space of tensegrity structures and the vehicle formation tracks this path with forces derived from the time-varying tensegrity model. By means of examples, we illustrate the influence of design parameters on performance measures.

研究动机与目标

• 开发一种系统化、分布式控制方法，用于在平面内稳定和重构多智能体编队。
• 将任意平面编队形状（凸或非凸）映射到具有平滑依赖于形状参数的稳定张拉整体结构。
• 推导出通过建模为内部张拉整体力的控制律，以将编队稳定至期望形状。
• 通过张拉整体结构空间中的连续路径，实现编队形状的平滑、时间参数化重构。
• 确保形状过渡过程中具备可证明的稳定性与良好动力学行为，最小化过冲与能量消耗。

提出的方法

• 该方法使用形状参数的平滑连续变换，将期望的平面编队形状映射到参数化的张拉整体结构。
• 编队中的每个车辆对应张拉整体模型中的一个节点，虚拟连接（缆绳和支柱）表示车辆之间的控制力。
• 控制力源自张拉整体结构的内部平衡力，确保稳定性与能量效率。
• 在形状空间中定义的时间可变路径被映射到参数化张拉整体空间中的路径，实现在指定时间间隔内的平滑重构。
• 该方法利用Connelly的张拉整体稳定性框架，确保期望编队形状的局部渐近稳定性。
• 该方法已扩展至处理非凸形状，尽管通常需要密集（近乎全连接）的连接拓扑。

实验结果

研究问题

• RQ1 如何系统化地设计一种分布式控制律，以将多智能体编队稳定至任意平面形状？
• RQ2 能否构建从任意平面编队形状到张拉整体结构的平滑连续映射，以保持稳定性并实现可控重构？
• RQ3 形状重构的时间参数化与车辆网络的能耗及收敛行为之间存在何种关系？
• RQ4 连接拓扑的选择（如全连接与稀疏连接）如何影响编队控制的性能与稳定性？
• RQ5 该方法在多大程度上可推广至三维编队？

主要发现

• 该方法提供了从任意平面编队形状到参数化张拉整体结构的平滑连续映射，实现了可证明稳定且行为良好的形状过渡。
• 对于五智能体编队，重构时间τ显著影响性能：较慢的重构（较大的τ）可减少车辆总行驶距离，线性路径的下限为8.7米。
• 当τ = 0.1 s时，系统表现出较大的过冲（形状误差峰值）；而τ = 3 s时则实现更平滑的收敛，误差极小且稳定速度快。
• 最终编队常因总角动量非零而发生旋转，证实仅控制形状，而不控制位置或朝向。
• 当τ ≥ 3 s时，系统可实现稳定收敛，形状误差永久低于10⁻³ m。
• 该方法可扩展至三维，但未来工作需系统化减少连接性并证明全局稳定性。