导读:本文包含了动态覆盖控制论文开题报告文献综述及选题提纲参考文献，主要关键词:多智能体系统,分布式协调控制,目标函数,动态覆盖控制
动态覆盖控制论文文献综述
罗凯[1]（2019）在《多智能体系统的动态覆盖控制研究》一文中研究指出近年来,多智能体系统的分布式协调控制问题引起了学术界的广泛关注。其中,以任务环境监测为背景的覆盖控制问题,逐渐受到学术界的重视。覆盖控制问题不仅涉及到智能体之间的协同,同时还要考虑智能体与任务环境之间的联系。此外,智能体的最终状态需要通过优化的方式确定。覆盖控制的相关理论能够高效地解决环境监控、灾难救援、空间探测、污染防治等复杂任务。因此,对其研究具有重要的理论意义和应用价值。基于此,本文针对环境污染协同清除任务,利用计算几何、分布式优化和稳定性理论,论证并实现了不同情况下多智能体系统对任务环境的动态覆盖控制。主要内容包括:研究了面向执行类任务的多智能体动态覆盖控制问题。已有的覆盖控制研究,主要针对静态、安全环境的传感器协同监测任务,很少针对动态、危险环境的执行器协同清除任务。当环境存在有害污染物时,智能体需要携带执行器,不断清除污染物,降低其对环境的损害。与协同感知任务相比,协同清除任务必须考虑执行器对污染物分布规律的影响。为此,定义了基于全范围执行器性能函数的密度函数,并直接以任务环境平均密度值构建目标函数。为优化该目标函数,设计了基于状态切换的动态覆盖控制算法,证明了所设计控制算法能确保目标函数渐近收敛于最小值。和已有覆盖控制方法相比,该算法具有更好的优化效果和更小的跟踪误差。针对执行器清除范围受限和负荷分配不均衡的情况,研究了执行器负荷平衡的多智能体动态覆盖控制问题。基于参数可变的执行器性能函数,定义了任务环境的密度函数,构造了有限半径的广义维诺划分。通过分布式计算受限维诺质心,将多智能体覆盖控制问题转化为单个智能体的最优轨迹跟踪问题,进而设计了基于状态切换的动态覆盖控制算法,证明了该算法的收敛性。另外,由于执行器负荷各不相同,为实现负荷平衡,构造异质广义维诺划分,设计了基于限幅器的负荷分配调节方法。仿真结果表明该调节方法可有效避免多智能体系统陷入局部最优配置。针对移动污染源数目,出现时间和方位事先未知的实际情况,研究了传感器与执行器任务平衡的多智能体动态覆盖控制问题。为及时发现和清除污染源,引入了智能体的任务分配变量。基于该变量,将覆盖控制问题转化为关于智能体移动代价的多目标优化问题。利用积分的莱布尼茨微分法则,得到了目标函数取最值需满足的条件,进而确定了目标函数的驻点集。采用状态切换的控制方法,分别设计了智能体的运动控制器和任务分配控制器,证明了闭环系统的稳定性。在保证目标函数收敛于最小值的同时,所设计控制算法能显着提高发现移动污染源的成功率。针对执行器化学清除剂数量有限,并且污染物浓度分布服从扩散方程的实际情况,研究了污染物扩散过程的多智能体动态覆盖控制问题。将智能体执行器的喷洒过程作为反馈控制项,引入到污染物的反应扩散方程中。通过有限差分的方法,重构了污染物浓度的分布函数,并以此作为任务环境的密度函数。基于该密度函数,构建了关于智能体移动代价的目标函数。为最小化该目标函数并保证任务环境的平均密度值始终低于给定值,采用状态切换的控制方法,分别设计了智能体的运动控制器和扩散过程控制器,实现了多智能体系统对环境污染物的最佳清除效果。(本文来源于《华中科技大学》期刊2019-05-01）
郑之[2]（2017）在《复杂条件下移动传感器网络动态部署及优化覆盖控制》一文中研究指出传感器网络在军用、民用领域发挥了极其重要的作用,具有巨大的发展应用前景,引起了广泛关注。覆盖体现了传感器对目标、区域和事件探测感知的无损指标,是传感器网络的关键性能之一,也是传感器网络部署有效性的基本前提,如何有效提高对任务区的覆盖,是当前传感器网络研究的热点问题之一。然而现有的部署覆盖研究通常需要精确的全局信息引导、人工参与,以及部署环境比较理想简单,传感器的自适应性、鲁棒性和协同性较弱。因此,本文针对以上不足,结合实际应用需求,以覆盖为部署指标,考虑环境、目标和自身动态等不确定性以及目标连通、能耗、障碍物和通讯等约束,通过顶层优化规划和底层的覆盖控制律设计,在以上复杂条件下,将移动传感器网络稳定收敛到规划的状态中,实现最优覆盖性能的部署。本文主要的工作和创新点包括以下方面:(1)以具有覆盖价值区域位置未知作为环境的不确定性,针对此不确定性,设计基于分布式协同搜索的优先覆盖策略。节点形成不会分割的群组,通过协同搜索和自调节策略,实现重点区域的优先覆盖,覆盖均匀且避免节点间相互碰撞。在此基础上,为提高运动方向上的搜索效率,设计了一种基于直线编队的协同搜索方法和邻域跟随策略,实现快速搜索和优先覆盖。(2)以代表任务区覆盖价值的密度函数参数未知作为环境的不确定性,针对此不确定性,分别面向连续、离散目标,研究了环境不确定下的覆盖感知和环境不确定下的具有连通约束的离散目标最优覆盖问题。在环境不确定下的感知覆盖问题中,针对相关文献采用的切换系统的不足,设计一种基于虚拟领航者的自适应感知覆盖控制策略。首先,设计一条遍历任务区的闭环路径。其次,设计一种自适应控制律,使得传感器对自身覆盖范围内的感知达到满意程度。其中,环境中每点的重要性由未知的密度函数建模,通过神经网络在线学习密度函数的未知参数,并最终实现整个任务区域的完全感知。此外,在环境不确定下的具有连通约束的离散目标最优覆盖问题中,提出了一种不确定信息下的博弈图覆盖方法。设计了一种兼具环境开发和覆盖的效用函数,证明了该博弈是势博弈,通过EM方法来估计覆盖价值的密度函数参数,当估计误差大的时候,个体以开发环境收集样本节点为主,当估计误差减小时,个体以最优覆盖为主。从理论上证明了该博弈依概率收敛到纳什均衡解。(3)以传感器对所要覆盖的目标位置不精确作为任务区的不确定性,针对此不确定性和异构动态传感器网络的协同部署问题,提出了具有异构动态的移动传感器网络分布式凸交区域聚集策略。设定任务区为各个体局部感知的交集,网络包含具有一阶和二阶运动学的移动传感器。首先设计了分布式控制律,使得个体仅依靠自身的局部感知以及通讯范围内邻居个体的位置信息,就能汇集到任务区内一点。接着在此基础上,引入了人工势场,使得传感器分散部署在任务区的有界范围内。最后分析了参数对聚集效果的影响。(4)面向实际应用需要,针对符合实际工程的一类欧拉拉格朗日系统,研究了具有能量约束、模型不确定性两种情况下的优化部署问题。针对能量受限和能量平衡问题,设计了一种能量平衡的动态优化部署方法。首先基于剩余能量对任务区进行Voronoi分割,根据传感器剩余能量的不同,动态分配其部署的任务区域,使得传感器能量消耗趋于平衡,接着设计了能量受限的控制律,使得传感器能量不会低于指定的下界。针对自身动态的不确定性,研究了一类具有不确定参数的二阶欧拉-拉格朗日系统模型的动态部署策略,采用Backstepping反步法设计了控制律,使得系统能跟踪上期望轨迹,通过理论分析证明了该方法的收敛性,并分析了系统的唯一平衡点是Voronoi分割的质心,最后通过仿真验证了该方法能够在有障碍物的环境中,收敛到最优部署位置,使得覆盖最大化。(5)针对通讯受限和节能问题,设计了一种新颖的基于Event-triggered的覆盖控制方法。首先对任务区进行Voronoi划分,针对一阶积分器动态模型,设计了基于Event-triggered的控制律,与已有文献不同,设计的控制策略不需要实时和邻居保持通讯来获得实时的Voronoi划分,而是通过设计一个自适应估计参数对上一次触发时的质心逼近,并结合滑模变结构控制来设计控制律,从理论证明了当任务区有界、传感器速度有界情况下,能够完成最优部署,且不会出现Zeno现象。(本文来源于《北京理工大学》期刊2017-06-01）
王雪,马俊杰,王晟[3]（2007）在《无线传感网络中覆盖能效动态控制优化策略》一文中研究指出能量约束是无线传感网络测量控制的关键问题之一.本文针对移动节点位置优化问题,提出了无线传感网络通信能耗评价指标,采用微粒群优化策略更新节点位置,使无线传感网络具有更强的灵活性和能效性.利用Dijkstra算法获得网络最优通信路径计算能耗评价指标.采用动态能量控制策略使空闲节点进入睡眠状态减少网络运行能耗.通过优化能量指标降低了通信能耗,实现了无线传感网络覆盖与通信能量消耗的合理均衡.对移动目标跟踪仿真表明,覆盖能效优化算法与动态能量控制策略相结合提高了无线传感网络覆盖的能效性.(本文来源于《控制理论与应用》期刊2007年06期）
动态覆盖控制论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
传感器网络在军用、民用领域发挥了极其重要的作用,具有巨大的发展应用前景,引起了广泛关注。覆盖体现了传感器对目标、区域和事件探测感知的无损指标,是传感器网络的关键性能之一,也是传感器网络部署有效性的基本前提,如何有效提高对任务区的覆盖,是当前传感器网络研究的热点问题之一。然而现有的部署覆盖研究通常需要精确的全局信息引导、人工参与,以及部署环境比较理想简单,传感器的自适应性、鲁棒性和协同性较弱。因此,本文针对以上不足,结合实际应用需求,以覆盖为部署指标,考虑环境、目标和自身动态等不确定性以及目标连通、能耗、障碍物和通讯等约束,通过顶层优化规划和底层的覆盖控制律设计,在以上复杂条件下,将移动传感器网络稳定收敛到规划的状态中,实现最优覆盖性能的部署。本文主要的工作和创新点包括以下方面:(1)以具有覆盖价值区域位置未知作为环境的不确定性,针对此不确定性,设计基于分布式协同搜索的优先覆盖策略。节点形成不会分割的群组,通过协同搜索和自调节策略,实现重点区域的优先覆盖,覆盖均匀且避免节点间相互碰撞。在此基础上,为提高运动方向上的搜索效率,设计了一种基于直线编队的协同搜索方法和邻域跟随策略,实现快速搜索和优先覆盖。(2)以代表任务区覆盖价值的密度函数参数未知作为环境的不确定性,针对此不确定性,分别面向连续、离散目标,研究了环境不确定下的覆盖感知和环境不确定下的具有连通约束的离散目标最优覆盖问题。在环境不确定下的感知覆盖问题中,针对相关文献采用的切换系统的不足,设计一种基于虚拟领航者的自适应感知覆盖控制策略。首先,设计一条遍历任务区的闭环路径。其次,设计一种自适应控制律,使得传感器对自身覆盖范围内的感知达到满意程度。其中,环境中每点的重要性由未知的密度函数建模,通过神经网络在线学习密度函数的未知参数,并最终实现整个任务区域的完全感知。此外,在环境不确定下的具有连通约束的离散目标最优覆盖问题中,提出了一种不确定信息下的博弈图覆盖方法。设计了一种兼具环境开发和覆盖的效用函数,证明了该博弈是势博弈,通过EM方法来估计覆盖价值的密度函数参数,当估计误差大的时候,个体以开发环境收集样本节点为主,当估计误差减小时,个体以最优覆盖为主。从理论上证明了该博弈依概率收敛到纳什均衡解。(3)以传感器对所要覆盖的目标位置不精确作为任务区的不确定性,针对此不确定性和异构动态传感器网络的协同部署问题,提出了具有异构动态的移动传感器网络分布式凸交区域聚集策略。设定任务区为各个体局部感知的交集,网络包含具有一阶和二阶运动学的移动传感器。首先设计了分布式控制律,使得个体仅依靠自身的局部感知以及通讯范围内邻居个体的位置信息,就能汇集到任务区内一点。接着在此基础上,引入了人工势场,使得传感器分散部署在任务区的有界范围内。最后分析了参数对聚集效果的影响。(4)面向实际应用需要,针对符合实际工程的一类欧拉拉格朗日系统,研究了具有能量约束、模型不确定性两种情况下的优化部署问题。针对能量受限和能量平衡问题,设计了一种能量平衡的动态优化部署方法。首先基于剩余能量对任务区进行Voronoi分割,根据传感器剩余能量的不同,动态分配其部署的任务区域,使得传感器能量消耗趋于平衡,接着设计了能量受限的控制律,使得传感器能量不会低于指定的下界。针对自身动态的不确定性,研究了一类具有不确定参数的二阶欧拉-拉格朗日系统模型的动态部署策略,采用Backstepping反步法设计了控制律,使得系统能跟踪上期望轨迹,通过理论分析证明了该方法的收敛性,并分析了系统的唯一平衡点是Voronoi分割的质心,最后通过仿真验证了该方法能够在有障碍物的环境中,收敛到最优部署位置,使得覆盖最大化。(5)针对通讯受限和节能问题,设计了一种新颖的基于Event-triggered的覆盖控制方法。首先对任务区进行Voronoi划分,针对一阶积分器动态模型,设计了基于Event-triggered的控制律,与已有文献不同,设计的控制策略不需要实时和邻居保持通讯来获得实时的Voronoi划分,而是通过设计一个自适应估计参数对上一次触发时的质心逼近,并结合滑模变结构控制来设计控制律,从理论证明了当任务区有界、传感器速度有界情况下,能够完成最优部署,且不会出现Zeno现象。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态覆盖控制论文参考文献
[1].罗凯.多智能体系统的动态覆盖控制研究[D].华中科技大学.2019
[2].郑之.复杂条件下移动传感器网络动态部署及优化覆盖控制[D].北京理工大学.2017
[3].王雪,马俊杰,王晟.无线传感网络中覆盖能效动态控制优化策略[J].控制理论与应用.2007