多空中/地面Agent 系统编队协同控制

　　摘要：针对空中编队与地面Agent 系统编队的各自不足，提出了多空中/地面Agent 系统编队组合的方案。通过将空中/地面Agent 系统的数据进行有效融合，提高了数据获取的准确性和可靠性，系统有地面控制中心进行编队及协同控制；采用黑板结构模型进行信息收集与共享，提高了信息通讯的效率。

　　引言

　　Agent 的定义最晚来自对分布式人工智能(Distributed Artificial Intelligence,DAI)领域的研究，并结合了计算机科学学科的知识。Agent 具体是指在特定环境中，能够独立生存，具有自主性、应激性、群体性等特性的实体，也称为智能体。一个复杂系统一般包括多个独立实体，这些实体之间存在多种形式的交互作用，从而产生复杂的行为及现象。

　　多智能体系统(Multiple agents system)的协同控制具有广泛的工程应用前景，如无人机的协调控制、卫星群队形协调控制、多机器人编队控制等。在军用领域应用也非常广泛，如在未知区域利用机器人等智能体可进行全方位的探测、排雷等危险作业，具有零人员伤亡、连续性好、适应性强、全寿命费用成本低等优点。

　　多空中/地面Agent 系统是一个比较新的研究课题，理论上属于异构结构？当前研究较多的是空中Agent 系统编队或地面Agent 系统编队的协同控制，但是空中编队和地面编队有各自的优缺点，空中编队全局性好，而地面编队短视距执行性好，采用多空中/地面Agent 系统可以融合空中和地面Agent 系统的优势，空中编队完成空中的任务，地面Agent 系统完成地面任务，空中与地面系统各司其职，相互配合，信息共享，从而更好地完成相关任务。在军事领域，可以利用此方法进行目标探测和火力侦察与控制的仿真研究。多空中/地面Agent 系统编队的编队协调控制、信息共享、路径/航迹规划、通信与控制层次是系统协调控制的主要因素。本文从多空中/地面Agent 系统编队的编队协调控制、信息共享等方面进行了研究。

　　1.多空中/地面Agent 系统编队协同控制

　　多空中/地面Agent 系统的协调控制主要是这样设计的：在各个成员运动过程中，将各个传感器所获取的状态数据信息汇聚到地面控制中心，有地面控制中心进行统一的协同指挥控制。对于多空中/地面Agent系统编队，在空中和地面分别选择一个编队成员作为空中和地面的分控制中心，如果分控制中心出现故障，可以进行及时调整；地面控制中心首先与两个分控制中心进行通信，分控制中心再分别控制空中和地面的编队；紧急情况下地面控制中心也可以直接控制各个编队成员。

　　各个Agent 成员的协调控制是多空中/地面Agent 系统编队控制的基础和核心问题，当前采用的方法有很多种：可以采用图论和矩阵理论对线性系统进行协调控制；可根据凸优化算法进行有人/无人机协同系统航迹规划的设计；可以根据稳定集合和有限集合的理论，针对一阶非线性多智能体系统进行协同控制；可以利用神经网络或模糊控制理论对多空中/地面 Agent 系统进行自适应控制；也可根据图论和不变集理论，采用pinning 控制方法进行二阶非线性系统的协同控制。

　　如果某个Agent 成员或几个Agent 成员出现故障，其传感器数据异常或不稳定时，首先分控制中心实时进行确认成员的状态后，上报地面控制中心，然后地面控制中心做出调整，并通知分控制中心，由分控制中心及时进行编队队形的调整。

　　在任务完成过程中，各个Agent 成员主要通过分控制中心和地面控制中心进行通信，共同完成相关任务，从而提高执行任务的成功率。空中/ 地面各个Agent 成员相关之间路径和航迹规划也非常关键，一是要确保能够完成相应的任务，分别担任不同的任务，各个Agent 成员在地面的路径和空中的航迹不同，相关之间不会出现干扰或者碰撞，否则就会出现非必要的毁伤。空中的Agent 成员要考虑相互之间的气动特性，否则位置太近

　　就会相互影响，降低编队的飞行安全性。具体控制模式采用集中式控制模式，任务的分配处理由控制中心的服务器任务管理器模块负责，服务器首先通过通信接口给地面和空中分控制中心分配任务，服务器负责全局资源，最终获得全局最优解。

　　协同控制的控制中心服务器对任务进行统筹管理规划，分成不同的模块，然后进行模块调度、任务编号、任务分配路径航迹规划和冲突解除。编队在运动过程中，可以统一运动，也可以分别运动。统一运动时处理的信息复杂，需要规划处理各个Agent 成员的运动，如平移运动、收缩运动、加速前进、停止运动或散开运动等，需要处理各个Agent 成员的航向角、速度和姿态角等。根据当前时刻的目标量测量实时对各个Agent 成员的未来路径和航迹进行优化，从而使各个Agent 成员能够不断获取目标的信息。多个Agent 成员的信息通过卡尔曼线性滤波算法或非线性滤波算法进行优化处理。

　　2.多空中/地面Agent 系统编队的信息共享

　　多空中/地面Agent 系统编队的信息共享采用黑板结构模型。地面控制中心对各个知识源的信息进行收集分配，对黑板上的信息及时更新，并负责通知其他知识源读取黑板上的信息。对于本Agent 成员或其他Agent 成员传送的状态及指令信息等即时信息，通过黑板结构模型以公共变量的形式进行存储，采用统一的时间周期进行更新，其他Agent 成员可以直接读取公共变量里的即时信息。对于位置、速度、姿态等其他非即时信息，将其存储在缓存中，由各个空中/地面Agent 成员自动读取。地面或空中分控制中心以及各个Agent 成员都可以与黑板进行实时信息处理，保证信息的及时和准确性。当然地面控制中心的级别最高，分控制中心次之，各个 Agent 成员的信息处理级别最低。

　　结束语

　　本文针对空中和地面Agent 系统各自的不足，提出了一种采用空中/ 地面Agent 系统编队相结合的方案，从而将空中和地面Agent 系统的数据进行有效融合，由地面控制中心进行协同控制；采用黑板结构模型进行信息收集与共享。此方案在军用和民用领域都具有较大的参考意义。

　　参考文献：

　　[1]贾高伟,侯中喜.美军有/无人机协同作战研究现状与分析[J].国防科技， 2007,38(06):57-59；

　　[2]刘宏强，魏贤智，付昭旺.有人机/无人机编队协同攻击任务分配方法研究[J].电光与控制,2013(06):16-19；

　　[3]刘洋，陈雪峰，田雪涛.基于Agent 的多无人机协同飞行通信技术研究[J]. 计算机测量与控制，2016，24(8)，301-303；

　　[4]赵东见.多智能体协同控制与仿真[D].江苏科技大学，2016(03)，14-20；

　　[5]郑安波，刘闫涛，曾立科.基于遗传算法的无人机目标协作优化[J].飞机设计，2018(4)，38(2)，11-15.