Robust model predictive control for deployment and reconfiguration of multi-agent systems
Commande prédictive robuste pour le déploiement et la reconfiguration de systèmes multi-agents
Résumé
This thesis presents Model Predictive Control (MPC) techniques for the deployment and the reconfiguration of a dynamical Multi-Agent System (MAS) in a bounded convex two-dimensional area. A novel decentralized predictive control law for the Voronoi-based deployment of a fleet of quadrotor Unmanned Aerial Vehicles (UAVs) is derived. The proposed decentralized MPC is firstly robustified to deal with bounded deterministic perturbations acting on the agents, introducing a new box-based guaranteed Voronoi tessellation to ensure a safe deployment. In this case, a new output-feedback tube-based MPC is designed by solving constrained optimization procedures relying on linear/bilinear matrix inequalities. Secondly, to deal with unbounded stochastic perturbations, a new output-feedback chance-constrained MPC algorithm is proposed, solved by mean of a relaxation of the considered probabilistic constraints into algebraic constraints. Finally, a decentralized MPC-based reconfiguration strategy is designed to deal with the case of agents joining or leaving the multi-agent system during the deployment. Illustrative simulation results on a fleet of quadrotor UAVs validate the effectiveness of the proposed control strategies.
Cette thèse porte sur le développement de techniques de commande prédictive pour le déploiement et la reconfiguration d'un système multi-agents dans une zone convexe et bornée en deux dimensions. Un nouvel algorithme de commande prédictive décentralisé, fondé sur une partition de Voronoï de l'espace pour le déploiement d'une flotte de drones quadrirotor, est construit. La loi de commande prédictive décentralisée est d'abord rendue plus robuste pour supporter des perturbations déterministes bornées s'appliquant sur les agents, introduisant une nouvelle partition de Voronoï garantie fondée sur des boîtes pour assurer la sécurité du déploiement. Dans ce cas, un nouveau correcteur prédictif fondé sur des tubes avec observateur est conçu en résolvant des problèmes d'optimisation sous contraintes d'inégalités matricielles linéaires/bilinéaires. Ensuite, pour supporter des perturbations stochastiques non bornées, un nouvel algorithme de commande prédictive sous contraintes probabilistes est proposé, rendu résoluble par la transformation des contraintes probabilistes apparaissant dans le problème d'optimisation en contraintes algébriques. Enfin, une stratégie de reconfiguration fondée sur un correcteur prédictif décentralisé est conçue pour permettre à des agents de rejoindre ou de quitter le système multi-agents durant son déploiement. Des résultats de simulation sur une flotte de drones quadrirotor valident l'efficacité des stratégies de commande proposées.
Origine : Version validée par le jury (STAR)
Loading...