Control de formación de múltiples vehículos submarinos autónomos empleando técnicas evolutivas

Abstract

Uno de los problemas típicos de coordinación en un sistema multi-agente integrado por Vehículos Submarinos Autónomos (AUVs por sus siglas en ingles) es el control de formación. Dentro de las posibles soluciones se encuentra la estructura de tipo líder - seguidor. Sus principales dificultades se presentan cuando se intenta seguir una formación geométrica o cuando se adicionan o disminuyen vehículos al sistema. Los mencionados problemas motivaron el desarrollo del presente documento en donde se da solución a estos inconvenientes. Se realizó el modelamiento cinemático y dinámico y diseño de un controlador de posición basado en observadores GPI de un AUV. Se realizo un control de formación para múltiples AUVs. La propuesta consiste en tomar la respuesta de consenso (dinámica del replicador (mutador) y calcular la formación geométrica utilizando la matriz Laplaciana compleja. Las simulaciones describen las características del algoritmo de control que puede modificar su respuesta cambiando la mutación y el valor de las frecuencias de las estrategias.

Abstract. The formation control for multi-agent system is a typical coordination problem for Autonomous Underwater Vehicles. A traditional method to make formation control for AUVs is the leader-follower structure. The main problems occur when vehicles are added and a geometric shape is maintained, because it causes an increase in the convergence time and generates potential collisions between vehicles. This document describes the parameters for Autonomous Underwater Vehicle, kinematic and dynamic modelling, and design position controller based in GPI observers. The purpose of this thesis was in order to develop a multi-agent Formation Control for multiple Autonomous Underwater Vehicles. The algorithm is based on replicator-mutator dynamic learning and complex Laplacian. Simulations describe the characteristics of the formation control algorithm. The algorithm may modify consensus response by changing the mutation strength and the value of strategies frequency.