-
公开(公告)号：CN118828598A
公开(公告)日：2024-10-22
申请号：CN202410994124.X
申请日：2024-07-24
Applicant: 东南大学
Abstract: 本发明公开了一种异构智能体集群多级联盟分簇通信方法与系统。本发明方法中，构建了基于智能体通信效率及任务重叠指标的集群分簇通信最优化问题；并设计了一种基于博弈论的优化问题联盟合作博弈分簇方法；给出了一种基于切换操作的最优联盟求解算法。通过对初始集群分簇执行多次最佳切换操作，实现多智能体异构集群的最优联盟形成及簇头选取。同时，本发明方法中，还给出了一种基于多因素权重设计的智能体分任务通信簇头选取方法。本发明使多智能体异构集群在各种复杂环境下实现有效分簇通信，进而有效提升集群通信及任务执行效能。
-
公开(公告)号：CN112486185B
公开(公告)日：2023-05-09
申请号：CN202011452945.9
申请日：2020-12-11
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种在未知环境下基于蚁群和VO算法的路径规划方法，从而实现智能体在未知环境中对动态障碍物和静态障碍物的规避。首先，通过将地图已知信息栅格化构建初始地图矩阵，采用蚁群算法构建已知环境下的全局路径，针对地图环境未知，可能存在其他静态障碍物和动态障碍物的问题，将路径规划策略具体分为两个部分。对于未知静态障碍物，当智能体在其运动过程中探测到静态障碍物信息，更新全局地图矩阵，并通过蚁群算法重新构建全局路径。对于动态障碍物，通过结合VO算法，设计相应的惩罚函数公式，从速度候选集合中挑选出最佳速度，达到规避动态障碍物和追踪路径的效果。实验结果表明，本发明提出的路径规划方法能够在未知环境下对动态障碍物和静态障碍物进行有效规避。
-
公开(公告)号：CN110716582B
公开(公告)日：2023-01-17
申请号：CN201910984502.5
申请日：2019-10-16
Applicant: 东南大学
IPC: G05D1/10
Abstract: 本发明公开了一种通信受间歇DoS攻击的不确定多智能体一致性跟踪协议设计方法，包括：对于处于通信受间歇DoS攻击下的多智能体，构建智能体的微分方程模型；利用切换系统稳定性理论，将多智能体系统一致性跟踪问题转化为一组解耦切换系统的渐近稳定问题；利用线性矩阵不等式(LMI)，构建解耦切换系统李雅普诺夫函数，设计多智能体协同一致性跟踪协议算法及通信时长占比条件；基于线性矩阵不等式(LMI)及最小通信时长占比，设计多智能体一致性跟踪协议算法；基于线性矩阵不等式(LMI)及最小通信时长占比，设计多智能体围捕控制算法。
-
公开(公告)号：CN110412874A
公开(公告)日：2019-11-05
申请号：CN201910681066.4
申请日：2019-07-25
Applicant: 东南大学
IPC: G05B13/04
Abstract: 本发明公开了一种针对机动目标和时延通信的多导弹协同制导律设计方法，包括：对于加速度未知的机动目标，建立在三维空间中，导弹与目标相对位置关系的运动学模型；在俯仰方向和偏移方向上，利用不连续控制建立制导律，使导弹与目标的相对速度在两个方向上的分量可经有限时间内收敛至零，保证导弹可最终命中目标；在视线方向上，利用导弹间的通信网络、一致性协议和不连续控制建立分布式制导律，在通信网络中含有时滞时，各导弹与目标的相对距离、与目标的相对速度在视线方向上的分量可实现一致；利用连续化方法和参数自适应方法，改进三个方向上的制导律，在满足精度的同时，减少了控制输入突变和抖振现象。
-
公开(公告)号：CN115665757B
公开(公告)日：2025-01-07
申请号：CN202211332205.0
申请日：2022-10-28
Applicant: 东南大学
Abstract: 本发明公开了一种分布式未知时变区域多自主体最优覆盖方法与系统。本发明方法中，给出一种利用基函数建立未知时变环境密度函数参数化模型方法；为多自主体系统建立了二阶运动学模型；设计了一种基于分布式遗忘因子递推最小二乘估计的未知时变密度函数参数更新方法；给出了一种多自主体系统基于在线密度函数估计的分布式最优覆盖控制策略。通过多自主体系统持续收集环境数据，更新密度函数估计参数，实现多自主体系统最优覆盖控制。本发明使多自主体系统通过分布式交互自主获取具有高准确度的环境密度函数模型，进而实现未知时变环境下最优区域覆盖。
-
Patent Agency Ranking
公开(公告)号：CN112052573B
公开(公告)日：2024-02-13
申请号：CN202010872892.X
申请日：2020-08-26
Applicant: 东南大学
IPC: G06F30/20 , G06F30/18 , G06F119/12
Abstract: 本发明提供了一种基于有限时间观测器的分布式故障识别方法，包括：根据多智能体系统构建其在发生故障后的具体动力学模型；结合故障识别算法对通信拓扑的要求，构建满足条件的通信拓扑结构；结合多智能体系统模型为每一个多智能体构建分布式有限时间观测器，并设计相应的残差生成器；对每一个智能体，在一定时间之后，检查其残差信号的具体状态，并将其发送给所有的邻居；对每一个智能体，收集邻居的残差信号的具体状态，根据自身和邻居非零残差信号的个数判断某一智能体是否发生故障。本发明能够正确识别出所有发生故障的智能体且不会引起正常智能体的误识别，为多智能体系统在不确定环境中的安全决策提供了依据。
-
公开(公告)号：CN113395708B
公开(公告)日：2023-01-31
申请号：CN202110789578.X
申请日：2021-07-13
Applicant: 东南大学
IPC: H04W16/18
Abstract: 本发明公开了一种基于全局环境预测的多自主体集中式区域覆盖方法与系统。本发明方法中，基站接收各自主体位置及环境数据，基于稀疏近似高斯过程回归方法预测全局环境密度函数，并给出全局预测方差；基站再基于全局预测方差设计自主体控制方案决策模型，通过决策模型对各自主体分配任务，针对决策指标为预测的自主体，基于全局预测方差设计有限步长预测优先控制器，针对决策指标为覆盖的自主体，基于最优区域覆盖Lloyd算法设计有限步长覆盖优先控制器；通过自主体和基站的持续交互，实现最优覆盖控制。本发明使基站‑多自主体系统自主捕获具有高准确度和高性能的环境密度函数模型，同时使多自主体在有限步长限制下快速实现理想的最优区域覆盖。
-
公开(公告)号：CN112486185A
公开(公告)日：2021-03-12
申请号：CN202011452945.9
申请日：2020-12-11
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种在未知环境下基于蚁群和VO算法的路径规划方法，从而实现智能体在未知环境中对动态障碍物和静态障碍物的规避。首先，通过将地图已知信息栅格化构建初始地图矩阵，采用蚁群算法构建已知环境下的全局路径，针对地图环境未知，可能存在其他静态障碍物和动态障碍物的问题，将路径规划策略具体分为两个部分。对于未知静态障碍物，当智能体在其运动过程中探测到静态障碍物信息，更新全局地图矩阵，并通过蚁群算法重新构建全局路径。对于动态障碍物，通过结合VO算法，设计相应的惩罚函数公式，从速度候选集合中挑选出最佳速度，达到规避动态障碍物和追踪路径的效果。实验结果表明，本发明提出的路径规划方法能够在未知环境下对动态障碍物和静态障碍物进行有效规避。
-
公开(公告)号：CN112083727A
公开(公告)日：2020-12-15
申请号：CN202010925182.9
申请日：2020-09-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于速度障碍物的多自主体分布式避碰编队控制方法，该方法包括以下步骤：步骤1：对环境动静态障碍物运动模型和自主体运动模型基于微分方程建模；步骤2：在无向联通通讯拓扑下，设计有限速度的标称分布式编队跟踪控制器及选择控制器参数；步骤3：非合作自主体及动静态障碍物间避免碰撞速度障碍物构造；步骤4：合作自主体间相互避免碰撞速度障碍物构造；步骤5：基于局部二次最优问题(QP)求解有限速度多自主体分布式避碰编队控制器，在自主体速度有界约束条件下，实现与环境中静动态障碍物以及其他自主体无碰撞情况下编队跟踪控制。
-
公开(公告)号：CN119739944A
公开(公告)日：2025-04-01
申请号：CN202411800809.2
申请日：2024-12-09
Applicant: 东南大学
Abstract: 发明提出了一种基于概率假设密度滤波的多传感器多目标主动估计方法，该方法包括以下步骤：首先建立传感器与目标的运动学模型和观测模型；接着，通过传感器观测范围有限的高斯混合概率假设密度（GM‑PHD）滤波算法本地估计多目标的状态；然后利用广义协同信息（GCI）融合实现多传感器信息的融合；再构造多传感器的多目标主动状态估计优化目标函数；最终设计多传感器多目标主动估计的最优控制框架。本发明有效融合了多传感器观测信息，实现了可变目标数量的多目标主动跟踪，提高了目标状态估计的精度。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.017 seconds)
