多车协同的“动态事件触发”机制

一个车队或者无人机群在执行任务时需要完美配合以完成复杂的指令。过去的十年里，分布式协同控制技术在网络化系统中展现了巨大的优势，被广泛应用于智能交通、智能电网等领域。然而，传统的控制方法要求节点之间“时刻保持连线”，不断地交换信息。在实际应用中，受限于有限的通信带宽和节点的能源储备，持续不断的通信是极不现实的。

为了打破这一瓶颈，研究人员提出了一种基于“观测器”的动态事件触发控制机制。这项研究不仅解决了通信资源受限的问题，还充分考虑了现实系统中的复杂非线性特征。研究团队通过引入三种工具和方法来解决问题：

• 事件触发控制策略（节省带宽）： 简单来说，不强制机器每时每刻都汇报情况，而是设定一个触发条件。只有当系统的运行状态发生较大变化，达到了设定的“事件”阈值时，节点之间才进行离散的信息交换。这样能够有效节约有限的网络资源，降低控制动作的更新频率。

• 分布式观测器（预测未知）： 在许多情况下，机器节点的状态是无法被直接测量的。为了解决这个问题，研究人员采用了分布式观测器的方法，利用已有信息来预估系统无法直接读取的内部状态。

• 适应非线性耦合（贴近现实）： 像无人机航向控制、雷达和声纳系统等真实设备中，机器之间的相互影响往往非常复杂，存在“非线性耦合”。研究特别设计了能够自适应这种复杂交互的控制协议，使其比传统的线性模型更具有现实应用价值。

为了验证这套理论的有效性，研究团队将其应用到了真实的物理系统中。

• 实验平台搭建： 研究人员建立了一个由三辆地面小车组成的网络化车队。通过论文中的图1直观地看到这三辆车之间的网络拓扑结构（即它们是如何相互连接的）。

  
  

  
  

• 硬软件工具： 整个控制算法的运行依赖于一套成熟的软硬件环境，主要在机器人操作系统（ROS）、树莓派计算平台以及 MATLAB/Simulink 环境下实现。论文中的图2详细展示了单辆地面小车在 ROS 环境下的内部信息流向和控制结构。

实验结果清晰地展示了这种新“动态事件触发”方法的巨大优势：

• 大幅减少通信次数： 团队对比了“动态事件触发”（DETCP）和传统的“静态事件触发”（SETCP）两种策略。以实验中的2号车为例，论文中的图6展示了测量误差与触发阈值的演变过程。从图中可以明显看出，采用动态触发机制后，事件触发的次数被大幅度减少，意味着网络通信压力被极大降低。

  
  

  
  

• 实现“实际共识”： 尽管通信次数变少了，且存在复杂的非线性干扰，但三辆小车最终依然能达到 “实际共识”的状态（即大家能步调一致地把误差缩小到一个有限的范围内）。论文中的图7展示了在不同条件下系统达成共识时误差收敛的轨迹。

• 排除了“芝诺现象”： 在事件触发控制中，最怕的就是系统出现“芝诺现象”（即在极短的有限时间内发生无限次触发，导致系统崩溃）。研究通过理论分析和实验证实，所提出的动态触发策略彻底避免了这一现象的发生，保证了系统在现实运行中的稳定性和可行性。

学者介绍：徐勇，北京理工大学自动化学院教授、博士生导师，国家自然科学基金优秀青年科学基金获得者。主要研究方向包括集群无人系统分布式协同控制、网络化系统攻击检测、安全分析与防御控制，以及强化学习、数据驱动与机器学习等人工智能方法，聚焦无人车/无人机集群路径规划、决策与协同编队控制等问题。

DOI：10.1109/TIE.2022.3176242