欒筱林， 宮飛翔， 孫玉婷， 魏志強， 殷 波， 高 云， 徐夢蝶

(1.中國海洋大學(xué)信息科學(xué)與工程學(xué)院, 山東 青島 266100； 2.山東省科學(xué)院海洋儀器儀表研究所，山東 青島 266000； 3.北京師范大學(xué)政府管理學(xué)院，北京 100875)

多自主式水下航行器協(xié)同控制的人工物理法研究?

欒筱林1， 宮飛翔1， 孫玉婷2， 魏志強1， 殷 波1， 高 云1， 徐夢蝶3

(1.中國海洋大學(xué)信息科學(xué)與工程學(xué)院, 山東 青島 266100； 2.山東省科學(xué)院海洋儀器儀表研究所，山東 青島 266000； 3.北京師范大學(xué)政府管理學(xué)院，北京 100875)

對水下多自主式水下航行器(Autonomous Underwater Vehicle,AUV)的編隊協(xié)同控制和隊形重構(gòu)技術(shù)進行研究是水下AUV系統(tǒng)協(xié)同完成作業(yè)任務(wù)的重要研究內(nèi)容。人工物理法通過設(shè)定虛擬的物理力完成機器人速度和方向信息的計算，并根據(jù)結(jié)果進行實時控制。由于分布式具有對水下傳感信息和通信的依賴度較低的控制特點，因此可以很好的應(yīng)用于可擴展的水下多AUV協(xié)同控制中。本文采用人工物理法完成多AUV的隊形協(xié)同控制，研究了7個AUV采用人工物理法保持六邊形隊形，進行編隊控制穿越障礙區(qū)間,AUV通過傳感器探測外界環(huán)境，獲得相關(guān)環(huán)境信息并確定障礙物的位置；AUV編隊在穿越障礙區(qū)間時轉(zhuǎn)換為一字隊形，并采用邊界檢測法，沿邊行走繞過障礙物；在穿越障礙區(qū)間后，AUV編隊再次轉(zhuǎn)換為六邊形；依據(jù)判決條件完成多智能體控制的模態(tài)轉(zhuǎn)換，進行隊形重構(gòu)。仿真結(jié)果證明本章所提方法的有效性,并具有較好的適時性與柔性。

人工物理法；虛擬物理力；協(xié)同控制

目前多AUV協(xié)調(diào)系統(tǒng)方面的研究主要集中在以美國為首的西方國家，有的研究已經(jīng)從單純的理論走向?qū)嶋H應(yīng)用，如用于海底結(jié)構(gòu)物的外圍監(jiān)測、海底物體的實時歸類、梯度搜索等。

作為多AUV協(xié)作中的典型性和通用性問題,編隊控制正在成為多AUV研究領(lǐng)域的熱點。目前，針對隊形控制問題，國內(nèi)外展開了廣泛的研究，目前，隊形控制方法主要有：跟隨領(lǐng)航者法[1]、人工勢場法[2-3]、基于行為法[4]和多智能體Q學(xué)習(xí)法[5]等。但是目前多AUV協(xié)同控制還處于仿真研究階段，沒有可行的建立、保持隊形算法。本文的創(chuàng)新性在于將人工物理法[8]引入多AUV協(xié)同控制中，通過多個AUV內(nèi)聚擴展建立隊形，基于人工物理法保持隊形，采用邊界探測沿邊行走避障，實現(xiàn)了多AUV的協(xié)同控制。數(shù)學(xué)仿真對算法研究進行了有效驗證。

1 基于人工物理法的MAUV協(xié)同控制

人工物理(Artificial Physics,AP)[6-7]方法為傳感器網(wǎng)絡(luò)中的分布式多機器人系統(tǒng)提供了一種編隊、避障的分布式解決方案。機器人探測環(huán)境，并根據(jù)AP方法中的規(guī)則改變運動速度及方向。AP方法實現(xiàn)簡單，實時性好，它是一種分布式方法，通過簡單的局部配合完成復(fù)雜的控制任務(wù)。互相協(xié)作的機器人只需配備簡單的傳感器，獲取有限的局部信息，系統(tǒng)對于全局信息的要求微乎其微。

1.1 人工物理法

AP方法通過虛擬物理力使得機器人系統(tǒng)達到要求的狀態(tài)。而這種狀態(tài)是一種勢能最小的狀態(tài)。此處將每個機器人視為一個物理實體，每個實體在坐標(biāo)系中都有自己的位置p和速度矢量v。將連續(xù)時間離散化，設(shè)時間間隔為Δt，在每個時間步長，每個實體都會因為運動產(chǎn)生一個位置增量Δp而這個增量是依賴于當(dāng)前速度的，即Δp=vΔt。每個實體在時間步長中速度的改變量為Δv。速度的改變是由實體上的力決定的，Δv=FΔtfm(此處m為實體的質(zhì)量，F(xiàn)為其所受的力)。Δt的大小反映了傳感器獲取數(shù)據(jù)并進行處理的時間間隔。此處，需要設(shè)置Fmax限定實體上作用力的最大值，設(shè)定vmax限制實體的最大運動速度(Fmax為機器人上的最大作用力，vmax為機器人的最大運動速度)。

對于群體中任意2個個體i，j，假設(shè)存在一個特定距離R，當(dāng)個體i,j之間的距離大于R時，個體i,j通過吸引力作用相互靠近以實現(xiàn)整體的聚集。當(dāng)個體i,j之間的距離小于R時，個體i,j通過排斥力作用相互遠離從而避免個體之間相互碰撞。設(shè)所有個體的質(zhì)量為1，結(jié)合萬有引力定律，定義F的具體函數(shù)形式如下：

其中：yij=Xi-Xj表示個體j到個體i的距離，方向沿著個體i與個體j的連線指向個體i,‖y‖為t時刻個體i與個體j之間距離的大小。

對于如圖1所示的正六邊形隊形而言，半徑為R的6個圓形的交點構(gòu)成了隊形的6個點。r為它們之間的距離，參數(shù)p的范圍為[-5，5]，一般情況下取p=2，F(xiàn)max=1，mi=mj=1。G的選取會影響到隊形的聚集性，是一個可以進行優(yōu)化調(diào)節(jié)的參數(shù)。當(dāng)rR時F為引力。每個點均可以探測到鄰近自己的點并具有可以向其移動的能力，為體現(xiàn)物理世界的現(xiàn)實性,規(guī)定v<=vmax。

圖1 正六邊形隊形

1.2 隊形移動

假設(shè)每個實體都期望探測到目標(biāo)地點，但是，不能保證這些傳感器一直有效。因此，有時各個機器人可能會由于探測錯誤而走了不同的方向。而且，如果一個或這多個機器人臨時停止了(由于環(huán)境或硬件問題)，我們希望隊形能有它的內(nèi)聚力來保持完整。

圖2 編隊正在移動

由此可以得出人工物理法的算法流程，算法流程圖如圖3。

1.3 基于邊界檢測法的沿邊行走策略

邊界檢測法沿邊行走策略[8-10]就是當(dāng)AUV通過傳感裝置探測即將接近障礙物時，使AUV沿著障礙物的邊沿運動。任意時刻AUV只能探測到以自己當(dāng)前位置為中心，r為半徑內(nèi)的環(huán)境信息，將r設(shè)為閥值。如圖4所示，圖中實線圓(半徑為R)表示障礙物邊界，O為障礙物的圓心，Tar為目標(biāo)點，T0點為AUV當(dāng)前所在位置，T1點為AUV下一路徑節(jié)點位置，T2點是以O(shè)T0為半徑的圓與OT1延長線的交點。經(jīng)過探測發(fā)現(xiàn)，AUV下一步的路徑節(jié)點T1小于閥值，在障礙物的邊界內(nèi)，則此時AUV停止向前運動，并及時調(diào)整自身位姿向T2點運動，即利用T2點引導(dǎo)AUV離開障礙物區(qū)域。當(dāng)AUV到達T2點后，使用傳感裝置探測下一步的節(jié)點位置T3。若T3不在障礙物的邊界內(nèi)，則說明AUV已成功避開危險區(qū)域。否則繼續(xù)按照上述步驟進行沿邊行走，直到AUV的下一節(jié)點位置Tn不在障礙物邊界內(nèi)為止。一般而言，n只需一步或幾步，即可確保AUV繞開障礙物，避免危險碰撞。

這里假設(shè)AUV是勻速運動的，當(dāng)AUV探測到下一步即將進入障礙區(qū)域時激活該行為，使AUV沿著障礙物的邊沿運動，這樣AUV在只感知局部環(huán)境信息的條件下，也能迅速地避開危險區(qū)域。

圖3 人工物理算法流程圖

圖4 邊界探測沿邊行走示意圖

1.4 模態(tài)轉(zhuǎn)換設(shè)計

模態(tài)轉(zhuǎn)換[11]是多機器人協(xié)同控制的重要組成部分，轉(zhuǎn)換條件的選擇直接影響程序的執(zhí)行狀況和系統(tǒng)的魯棒性。本系統(tǒng)分為3個模態(tài)。

a)基于人工物理法的AUVs編隊協(xié)同控制：7個AUV從初始位置出發(fā)，根據(jù)人工物理法形成正六邊形編隊，并在前進過程中保持編隊。AUV通過傳感器感知自身位置。AUV間通過無線傳感器進行通信，得到其他AUV的位置信息。位置最靠前的AUV通過傳感器探測前方障礙物，如果障礙物距離小于閾值r，則轉(zhuǎn)換到模態(tài)b。

b)該模態(tài)所有AUV根據(jù)編號轉(zhuǎn)換為一字形編隊。位置最靠前的AUV靜止，等待其他AUV完成隊形重構(gòu)工作。依據(jù)編號各個AUV排列在相距1.5 m的一條直線上。當(dāng)所有AUV達到預(yù)定位置后，則轉(zhuǎn)換為模態(tài)c。

c)所有AUV按照一定的時間間隔依次通過障礙區(qū)(本試驗中時間間隔取為15 s)，避障算法采用邊界檢測法沿邊行走策略。第一個進入障礙區(qū)的AUV如果跳出沿邊行走的循環(huán)，并且探測得到前方9 m內(nèi)沒有障礙物，則所有AUV編隊將轉(zhuǎn)換為基于人工物理法的協(xié)同控制的隊形。在所有AUV到達預(yù)定位置后，則回到模態(tài)a。

2 算法實驗及結(jié)果

根據(jù)上文的方法用MATLAB搭建模擬環(huán)境，使用圖形方塊圖分層建模工具Simulink搭建仿真模擬系統(tǒng)。Simulink可以構(gòu)造出能夠處理多變信號寬度的模擬建模環(huán)境，可以有任意多個狀態(tài)的狀態(tài)機，有任意數(shù)量AUV的VRML環(huán)境。

通過分析可知，AUVs協(xié)同控制系統(tǒng)主要實現(xiàn)4個功能：避碰、障礙規(guī)避、目標(biāo)探測、隊形保持。本文對此進行仿真試驗，實驗中假設(shè)在穩(wěn)態(tài)水況下，不考慮洋流、暗流等不確定因素，設(shè)定7個完全相同的AUV，并預(yù)設(shè)了4個障礙物。

最初AUV編隊為無序隊形(a)，最初7個AUV位于同一直線上。根據(jù)人工物理法，從某一時刻開始,由于受力的不同，AUV 2和AUV 6、AUV 3和AUV 5逐漸向外擴展,直到最終形成一個穩(wěn)定的正六邊形形狀(b)，如圖5所示。

由于水下環(huán)境復(fù)雜多變,編隊在航行過程中經(jīng)常會遇到各類突發(fā)事件,為了提高編隊對環(huán)境的適應(yīng)能力,AUV編隊在航行過程中不僅要保持預(yù)定的隊形,還須具備在不同隊形中自由轉(zhuǎn)換的能力。

圖6所示，當(dāng)AUV編隊排列成正六邊形，逐漸接近紅色球體模擬的障礙物時，根據(jù)人工物理法，從某一時刻開始,由于受力的不同，AUV 2和AUV 6、AUV 3和AUV 5逐漸向內(nèi)收縮,讓AUV在通過障礙物前形成一字隊形。采用邊界檢測沿邊行走策略通過障礙物區(qū)域。

圖5 隊形形成

在AUV編隊通過障礙物之后，第一個進入障礙區(qū)的AUV跳出沿邊行走的循環(huán)，并且探測得到前方9m內(nèi)沒有障礙物，則所有AUV編隊將轉(zhuǎn)換為基于人工物理法的協(xié)同控制的隊形。AUV 2和AUV 6、AUV 3和AUV 5逐漸向外擴展,再次恢復(fù)正六邊形編隊，場景如圖7：

圖6 變換隊形，通過障礙物區(qū)域

圖7 隊形恢復(fù)

以上的仿真結(jié)果可以看到從初始階段，采用基于人工物理法，AUV可由任意位置轉(zhuǎn)換成多邊形朝目標(biāo)運動并保持隊形運動，當(dāng)在前進途中發(fā)現(xiàn)前方有靜態(tài)障礙物的，隊形便有多邊形轉(zhuǎn)換成一字隊形以減少隊形尺寸，采用模糊控制繞過障礙物，繞過障礙物后又重新將隊形轉(zhuǎn)換成多邊形繼續(xù)向目標(biāo)前行。這個實驗結(jié)果說明在AUV編隊過程中，隊形形成速度快，隊形保持緊密，運行軌跡平滑，在轉(zhuǎn)彎過程中沒有出現(xiàn)奇異點,達到了理想要求，充分說明本文所涉及的人工物理算法是有效的，且具備良好的魯棒性和實時性。

3 結(jié)語

在不確定的海底環(huán)境下的多AUV體隊形建立、保持與避障是近年多AUV協(xié)同控制研究領(lǐng)域的非常重要的內(nèi)容。本文引入了人工物理方法用于多AUV隊形的建立與保持，仿真結(jié)果證明了該方法的有效性,并具有較好的適時性與柔性。

[1] Edwards D B, Bean T A, Odell D L, et al. A leader-follower algorithm for multiple AUV formations[C].//Oxford： Gertrude Castellow Ford Center in Oxford USA IEEE/OES Autonomous Underwater Vehicles, 2004: 40-46.

[2] Ogren P, Fiorelli E, Leonard N E. Cooperative control of mobile sensor networks:Adaptive gradient climbing in a distributed environment[J]. IEEE Transactions on Automatic Control, 2004, 49 (8): 1292-1302.

[3] Jae-Hyuk Kwak, Hyun-Duk Kang， Chang-Hwan Kim. The formation-keeping of multiple mobile robots using chained-poles[C].//Fukuoka Japan： ICROS-SICE International Joint Conference, 2009: 5695-5698.

[4] 崔榮鑫, 徐德敏, 沈猛, 等. 基于行為的機器人編隊控制研究[J]. 計算機仿真, 2006, 23(2): 137-139, 266. Cui R X, Xu D M, Shen M, et al. Formation control of robots based on behavior[J]. Computer Simulation, 2006, 23(2): 137-139, 266.

[5] 嚴浙平, 李鋒, 黃宇峰. 多智能體Q學(xué)習(xí)在多AUV協(xié)調(diào)中的應(yīng)用研究[J]. 應(yīng)用科技, 2008, 35(1): 57-60. Yan Z P, Li F, Huang Y F. Research on application of multi-agent Q-learning algorithm in multi-AUV coordination[J]. Applied Science and Technology, 2008, 35(1): 57-60.

[6] Spears W M, Heil R, Spears D F, et al. Physicomimetics for mobile robot formations[C].//New York： Proceedings of the Third International Joint Conference on Autonomous Agents and Multi Agent Systems (AAMAS-04)， 2004(3): 1528-1529.

[7] 張之瑤. 基于人工物理法的多智能體協(xié)同控制[J]. 科技導(dǎo)報, 2010, 28(10): 41-47. ZHANG Z Y. Cooperative control of multi-agent based on artificial physics method[J]. Science and Technology, 2010, 28(10): 41-47.

[8] 鐘碧良, 張祺, 楊宜民. 基于改進勢場法的足球機器人避障路徑規(guī)劃[J]. 控制理論與應(yīng)用， 2003, 20(4): 623-626. Zhong B L, Zhang Q, Yang Y M. Anti-collision Path Planinng for soccer robot using modified Potential field method[J]. Control Theory & Applications, 2003, 20(4): 623-626.

[9] 王醒策, 張汝波, 顧國昌. 基于勢場柵格法的機器人全局路徑規(guī)劃[J]. 哈爾濱工程大學(xué)學(xué)報， 2003, 24(2): 170-174. Wang X C, Zhang R B, Gu G C. Potential grid based global path planning for robots[J]. Journal of Harbin Engineering University, 2003, 24(2): 170-174.

[10] 劉建. 水面無人艇路徑規(guī)劃技術(shù)的研究[D]. 鎮(zhèn)江: 江蘇科技大學(xué)， 2014. Liu Jian. Research on Path Planning of USV[D]. Zhenjiang: Jiangsu University of Science and Technology, 2004.

[11] 曾國強, 張育林. 編隊飛行隊形設(shè)計一般化方法[J]. 中國空間科學(xué)技術(shù), 2003(1): 21-25. Zeng G Q, Zhang Y L. Generalized method of formation flying configuration design[J]. Chinese Space Science and Technology, 2003(1): 21-25.

Abstract: Formation coordinated control and formation reconfiguration technology research of multiple AUV are the important research content which complete the tasks of the MAUV coordination system. Artificial physical system through setting virtual physical force to complete the calculation of the speed and direction information of robots, and according to the result to take real-time control. Because of having to rely on the underwater distributed sensor information and communications low control characteristics, it can be good for scalable multi AUV underwater Cooperative Control. In this paper, the artificial physical method of formation AUV completed more cooperative control, studies 7 AUV using artificial physical method to maintain a hexagonal formation, formation control performed through the obstacle interval, AUV sensors to detect the external environment through, access to relevant environmental information and determine position of the obstacle; AUV formation interval when crossing obstacles converted to word formation, and the use of boundary detection, border walking around obstacles; after crossing the obstacle interval, AUV fleet again converted to hexagonal; pursuant to a judgment condition modal conversion completed multi-agent control, be reconstructed formation. The simulation results demonstrate the effectiveness of the proposed method in this chapter, and has better timeliness and flexibility.

Key words: artificial physical method； virtual physical force； cooperation

責(zé)任編輯 陳呈超

The Research on Formation Control of Multiple AUV Based on Artificial Physical Algorithm

LUAN Xiao-Lin1, GONG Fei-Xiang1, SUN Yu-Ting2, WEI Zhi-Qiang1, YIN Bo1, GAO Yun1, XU Meng-Die3

(1. College of Information Science and Engineering, Ocean University of China, Qingdao 266100, China； 2. Institute of Oceanographic Instrumentation, Shandong Academy of Sciences, Qingdao 266000, China； 3. School of Government Management, Beijing Normal University, Beijing 100875, China)

山東省科技攻關(guān)項目(2013GHY11519)；青島市戰(zhàn)略性新興產(chǎn)業(yè)培育計劃項目(13-4-1-45-hy)；青島創(chuàng)新與創(chuàng)業(yè)領(lǐng)導(dǎo)人才項目(13-cx-2)資助 Supported by Shandong Province Science and Technology Project(2013GHY11519)；Qingdao Strategic Industry Development Project(13-4-1-15-HY)；Qingdao Innovation and Entrepreneurship Leading Talent Project(13-cx-2)

2015-04-12；

2016-11-20

欒筱林(1979-)，男，博士生。E-mail:578542663@qq.com

TM71

A

1672-5174(2017)09-141-06

10.16441/j.cnki.hdxb.20150192

欒筱林， 宮飛翔， 孫玉婷， 等. 多自主式水下航行器協(xié)同控制的人工物理法研究[J]. 中國海洋大學(xué)學(xué)報(自然科學(xué)版), 2017, 47(9): 141-146.

LUAN Xiao-Lin, GONG Fei-Xiang, SUN Yu-Ting, et al. The research on formation control of multiple AUV based on artificial physical algorithm[J]. Periodical of Ocean University of China, 2017, 47(9): 141-146.