多自主式水下航行器协同控制的人工物理法研究❋

栾筱林， 宫飞翔， 孙玉婷， 魏志强， 殷 波， 高 云， 徐梦蝶

(1.中国海洋大学信息科学与工程学院, 山东 青岛 266100； 2.山东省科学院海洋仪器仪表研究所，山东 青岛 266000； 3.北京师范大学政府管理学院，北京 100875)

多自主式水下航行器协同控制的人工物理法研究❋

栾筱林1， 宫飞翔1， 孙玉婷2， 魏志强1， 殷 波1， 高 云1， 徐梦蝶3

(1.中国海洋大学信息科学与工程学院, 山东 青岛 266100； 2.山东省科学院海洋仪器仪表研究所，山东 青岛 266000； 3.北京师范大学政府管理学院，北京 100875)

对水下多自主式水下航行器(Autonomous Underwater Vehicle,AUV)的编队协同控制和队形重构技术进行研究是水下AUV系统协同完成作业任务的重要研究内容。人工物理法通过设定虚拟的物理力完成机器人速度和方向信息的计算，并根据结果进行实时控制。由于分布式具有对水下传感信息和通信的依赖度较低的控制特点，因此可以很好的应用于可扩展的水下多AUV协同控制中。本文采用人工物理法完成多AUV的队形协同控制，研究了7个AUV采用人工物理法保持六边形队形，进行编队控制穿越障碍区间,AUV通过传感器探测外界环境，获得相关环境信息并确定障碍物的位置；AUV编队在穿越障碍区间时转换为一字队形，并采用边界检测法，沿边行走绕过障碍物；在穿越障碍区间后，AUV编队再次转换为六边形；依据判决条件完成多智能体控制的模态转换，进行队形重构。仿真结果证明本章所提方法的有效性,并具有较好的适时性与柔性。

人工物理法；虚拟物理力；协同控制

目前多AUV协调系统方面的研究主要集中在以美国为首的西方国家，有的研究已经从单纯的理论走向实际应用，如用于海底结构物的外围监测、海底物体的实时归类、梯度搜索等。

作为多AUV协作中的典型性和通用性问题,编队控制正在成为多AUV研究领域的热点。目前，针对队形控制问题，国内外展开了广泛的研究，目前，队形控制方法主要有：跟随领航者法[1]、人工势场法[2-3]、基于行为法[4]和多智能体Q学习法[5]等。但是目前多AUV协同控制还处于仿真研究阶段，没有可行的建立、保持队形算法。本文的创新性在于将人工物理法[8]引入多AUV协同控制中，通过多个AUV内聚扩展建立队形，基于人工物理法保持队形，采用边界探测沿边行走避障，实现了多AUV的协同控制。数学仿真对算法研究进行了有效验证。

1 基于人工物理法的MAUV协同控制

人工物理(Artificial Physics,AP)[6-7]方法为传感器网络中的分布式多机器人系统提供了一种编队、避障的分布式解决方案。机器人探测环境，并根据AP方法中的规则改变运动速度及方向。AP方法实现简单，实时性好，它是一种分布式方法，通过简单的局部配合完成复杂的控制任务。互相协作的机器人只需配备简单的传感器，获取有限的局部信息，系统对于全局信息的要求微乎其微。

1.1 人工物理法

AP方法通过虚拟物理力使得机器人系统达到要求的状态。而这种状态是一种势能最小的状态。此处将每个机器人视为一个物理实体，每个实体在坐标系中都有自己的位置p和速度矢量v。将连续时间离散化，设时间间隔为Δt，在每个时间步长，每个实体都会因为运动产生一个位置增量Δp而这个增量是依赖于当前速度的，即Δp=vΔt。每个实体在时间步长中速度的改变量为Δv。速度的改变是由实体上的力决定的，Δv=FΔtfm(此处m为实体的质量，F为其所受的力)。Δt的大小反映了传感器获取数据并进行处理的时间间隔。此处，需要设置Fmax限定实体上作用力的最大值，设定vmax限制实体的最大运动速度(Fmax为机器人上的最大作用力，vmax为机器人的最大运动速度)。

对于群体中任意2个个体i，j，假设存在一个特定距离R，当个体i,j之间的距离大于R时，个体i,j通过吸引力作用相互靠近以实现整体的聚集。当个体i,j之间的距离小于R时，个体i,j通过排斥力作用相互远离从而避免个体之间相互碰撞。设所有个体的质量为1，结合万有引力定律，定义F的具体函数形式如下：

其中：yij=Xi-Xj表示个体j到个体i的距离，方向沿着个体i与个体j的连线指向个体i,‖y‖为t时刻个体i与个体j之间距离的大小。

对于如图1所示的正六边形队形而言，半径为R的6个圆形的交点构成了队形的6个点。r为它们之间的距离，参数p的范围为[-5，5]，一般情况下取p=2，Fmax=1，mi=mj=1。G的选取会影响到队形的聚集性，是一个可以进行优化调节的参数。当rR时F为引力。每个点均可以探测到邻近自己的点并具有可以向其移动的能力，为体现物理世界的现实性,规定v<=vmax。

图1 正六边形队形

1.2 队形移动

假设每个实体都期望探测到目标地点，但是，不能保证这些传感器一直有效。因此，有时各个机器人可能会由于探测错误而走了不同的方向。而且，如果一个或这多个机器人临时停止了(由于环境或硬件问题)，我们希望队形能有它的内聚力来保持完整。

图2 编队正在移动

由此可以得出人工物理法的算法流程，算法流程图如图3。

1.3 基于边界检测法的沿边行走策略

边界检测法沿边行走策略[8-10]就是当AUV通过传感装置探测即将接近障碍物时，使AUV沿着障碍物的边沿运动。任意时刻AUV只能探测到以自己当前位置为中心，r为半径内的环境信息，将r设为阀值。如图4所示，图中实线圆(半径为R)表示障碍物边界，O为障碍物的圆心，Tar为目标点，T0点为AUV当前所在位置，T1点为AUV下一路径节点位置，T2点是以OT0为半径的圆与OT1延长线的交点。经过探测发现，AUV下一步的路径节点T1小于阀值，在障碍物的边界内，则此时AUV停止向前运动，并及时调整自身位姿向T2点运动，即利用T2点引导AUV离开障碍物区域。当AUV到达T2点后，使用传感装置探测下一步的节点位置T3。若T3不在障碍物的边界内，则说明AUV已成功避开危险区域。否则继续按照上述步骤进行沿边行走，直到AUV的下一节点位置Tn不在障碍物边界内为止。一般而言，n只需一步或几步，即可确保AUV绕开障碍物，避免危险碰撞。

这里假设AUV是匀速运动的，当AUV探测到下一步即将进入障碍区域时激活该行为，使AUV沿着障碍物的边沿运动，这样AUV在只感知局部环境信息的条件下，也能迅速地避开危险区域。

图3 人工物理算法流程图

图4 边界探测沿边行走示意图

1.4 模态转换设计

模态转换[11]是多机器人协同控制的重要组成部分，转换条件的选择直接影响程序的执行状况和系统的鲁棒性。本系统分为3个模态。

a)基于人工物理法的AUVs编队协同控制：7个AUV从初始位置出发，根据人工物理法形成正六边形编队，并在前进过程中保持编队。AUV通过传感器感知自身位置。AUV间通过无线传感器进行通信，得到其他AUV的位置信息。位置最靠前的AUV通过传感器探测前方障碍物，如果障碍物距离小于阈值r，则转换到模态b。

b)该模态所有AUV根据编号转换为一字形编队。位置最靠前的AUV静止，等待其他AUV完成队形重构工作。依据编号各个AUV排列在相距1.5 m的一条直线上。当所有AUV达到预定位置后，则转换为模态c。

c)所有AUV按照一定的时间间隔依次通过障碍区(本试验中时间间隔取为15 s)，避障算法采用边界检测法沿边行走策略。第一个进入障碍区的AUV如果跳出沿边行走的循环，并且探测得到前方9 m内没有障碍物，则所有AUV编队将转换为基于人工物理法的协同控制的队形。在所有AUV到达预定位置后，则回到模态a。

2 算法实验及结果

根据上文的方法用MATLAB搭建模拟环境，使用图形方块图分层建模工具Simulink搭建仿真模拟系统。Simulink可以构造出能够处理多变信号宽度的模拟建模环境，可以有任意多个状态的状态机，有任意数量AUV的VRML环境。

通过分析可知，AUVs协同控制系统主要实现4个功能：避碰、障碍规避、目标探测、队形保持。本文对此进行仿真试验，实验中假设在稳态水况下，不考虑洋流、暗流等不确定因素，设定7个完全相同的AUV，并预设了4个障碍物。

最初AUV编队为无序队形(a)，最初7个AUV位于同一直线上。根据人工物理法，从某一时刻开始,由于受力的不同，AUV 2和AUV 6、AUV 3和AUV 5逐渐向外扩展,直到最终形成一个稳定的正六边形形状(b)，如图5所示。

由于水下环境复杂多变,编队在航行过程中经常会遇到各类突发事件,为了提高编队对环境的适应能力,AUV编队在航行过程中不仅要保持预定的队形,还须具备在不同队形中自由转换的能力。

图6所示，当AUV编队排列成正六边形，逐渐接近红色球体模拟的障碍物时，根据人工物理法，从某一时刻开始,由于受力的不同，AUV 2和AUV 6、AUV 3和AUV 5逐渐向内收缩,让AUV在通过障碍物前形成一字队形。采用边界检测沿边行走策略通过障碍物区域。

图5 队形形成

在AUV编队通过障碍物之后，第一个进入障碍区的AUV跳出沿边行走的循环，并且探测得到前方9m内没有障碍物，则所有AUV编队将转换为基于人工物理法的协同控制的队形。AUV 2和AUV 6、AUV 3和AUV 5逐渐向外扩展,再次恢复正六边形编队，场景如图7：

图6 变换队形，通过障碍物区域

图7 队形恢复

以上的仿真结果可以看到从初始阶段，采用基于人工物理法，AUV可由任意位置转换成多边形朝目标运动并保持队形运动，当在前进途中发现前方有静态障碍物的，队形便有多边形转换成一字队形以减少队形尺寸，采用模糊控制绕过障碍物，绕过障碍物后又重新将队形转换成多边形继续向目标前行。这个实验结果说明在AUV编队过程中，队形形成速度快，队形保持紧密，运行轨迹平滑，在转弯过程中没有出现奇异点,达到了理想要求，充分说明本文所涉及的人工物理算法是有效的，且具备良好的鲁棒性和实时性。

3 结语

在不确定的海底环境下的多AUV体队形建立、保持与避障是近年多AUV协同控制研究领域的非常重要的内容。本文引入了人工物理方法用于多AUV队形的建立与保持，仿真结果证明了该方法的有效性,并具有较好的适时性与柔性。

[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] 崔荣鑫, 徐德敏, 沈猛, 等. 基于行为的机器人编队控制研究[J]. 计算机仿真, 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] 严浙平, 李锋, 黄宇峰. 多智能体Q学习在多AUV协调中的应用研究[J]. 应用科技, 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] 张之瑶. 基于人工物理法的多智能体协同控制[J]. 科技导报, 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] 钟碧良, 张祺, 杨宜民. 基于改进势场法的足球机器人避障路径规划[J]. 控制理论与应用， 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, 张汝波, 顾国昌. 基于势场栅格法的机器人全局路径规划[J]. 哈尔滨工程大学学报， 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] 刘建. 水面无人艇路径规划技术的研究[D]. 镇江: 江苏科技大学， 2014. Liu Jian. Research on Path Planning of USV[D]. Zhenjiang: Jiangsu University of Science and Technology, 2004.

[11] 曾国强, 张育林. 编队飞行队形设计一般化方法[J]. 中国空间科学技术, 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

责任编辑 陈呈超

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)

山东省科技攻关项目(2013GHY11519)；青岛市战略性新兴产业培育计划项目(13-4-1-45-hy)；青岛创新与创业领导人才项目(13-cx-2)资助 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

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

TM71

A

1672-5174(2017)09-141-06

10.16441/j.cnki.hdxb.20150192

栾筱林， 宫飞翔， 孙玉婷， 等. 多自主式水下航行器协同控制的人工物理法研究[J]. 中国海洋大学学报(自然科学版), 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.