1.

Giới thiệu
Trong vài thập kỷ qua, việc điều tra bầy đàn quy mô lớn đã nhận được sự chú ý
rộng rãi trong các lĩnh vực khác nhau, như sinh học, vật lý, y học, xã hội học, kỹ thuật.
Swarm đề cập đến một cá thể đẳng cấu quy mô siêu lớn, dựa trên về động lực nhóm
và nhận thức thông tin, được hỗ trợ bởi sự tương tác hợp tác hiệu quả và an toàn giữa
các cá nhân, với sự xuất hiện của trí thông minh bầy đàn là cốt lõi,và dựa trên sự tích
hợp toàn diện của kiến trúc mở. Nó là một hệ thống phức tạp vớinhững lợi thế của tính
bất khả xâm phạm, cấu hình động thích ứng, phân phối chức năng, và các tính năng
thông minh. Mô hình Boid là mô hình đầu tiên được Reynold thành lập để mô phỏng
hành vi nhóm và ba quy tắc heuristic được giới thiệu trong mô hình này, cụ thể là tách
biệt, gắn kết và liên kết. Trên cơ sở ba quy tắc này, nhiều học giả đã tiến hành điều tra
chuyên sâu về phong trào bầy đàn. Chẳng hạn Olfati-Saber R đề xuất một khung lý
thuyết về các thuật toán bầy phân tán, và bầy đàn trong không gian trống và tránh
nhiều chướng ngại vật cũng được xem xét. Lấy cảm hứng từ công việc trên, xem xét lại
vấn đề của hệ thống đa tác nhân trong trường hợp không có trên hai giả định.
Kết hợp công nghệ robot với thuật toán bầy đàn là một trong những điểm nóng.
Trong đặc biệt, Enrica Soria được công bố trên tạp chí Nature kết hợp các nguyên tắc
địa phương của các phương pháp trường tiềm năng thành một chức năng khách quan
và tối ưu hóa các nguyên tắc đó với kiến thức về động lực và môi trường của đại lý,
dẫn đến việc cải thiện máy bay không người lái tốc độ bầy đàn, trật tự và an toàn.
Một phương pháp phối hợp nhóm nhiều lớp được đề xuất để đạt được cấu hình
hình dạng khác nhau cho một tác nhân quy mô lớn. Một cách tiếp cận cấu trúc liên kết
mới dựa trên xây dựng đa cấp được áp dụng để trình bày bầy đàn Robot có hình dạng
khác nhau trong khu vực mong muốn. Một biểu đồ nhiều lớp mới lạ được trình bày cho
các hệ thống đa tác nhân để cho phép khả năng mở rộng của các mạng tương tác và
phương pháp điều khiển dự đoán mô hình được áp dụng để theo dõi quỹ đạo. Sơ đồ
kiểm soát hình thành và công cụ ước tính thời gian hữu hạn phân tán phân lớp được
thiết kế cho các tác nhân, thúc đẩy chúng đạt được các vị trí và vận tốc mong muốn
theo thông tin của các đại lý trong các lớp trước của họ. s. Trong thực tế, nhiều vấn đề
cần được xem xét để thực hiện thành công các phương pháp kiểm soát hình thành,
chẳng hạn như tránh các chướng ngại vật và va chạm.
Kiểm soát đồng thuận của các hệ thống đa tác nhân cũng là một điểm nóng hiện
nay, có nghĩa là tất cả các tác nhân trong hệ thống hội tụ về cùng một trạng thái bởi luật
kiểm soát cụ thể. Một phương pháp kiểm soát hợp tác chống nhiễu chủ động phân tán
với nhiễu loạn thời gian hữu hạn quan sát viên được đề xuất để đạt được sự đồng
thuận trong thời gian hữu hạn cho các tác nhân các vấn đề kiểm soát đồng thuận được
điều tra theo sự đồng thuận bình phương trung bình được kích hoạt bởi sự kiện luật
kiểm soát cho một lớp hệ thống đa tác nhân ngẫu nhiên ngẫu nhiên thay đổi theo thời
gian rời rạc. Có ba cách tiếp cận được đề xuất để kiểm soát đồng thuận các hệ thống
đa tác nhân trên đồ thị định hướng và một số ví dụ tương quan được trình bày để xác
nhận tính hiệu quả. Vấn đề theo dõi quỹ đạo hiệp đồng của sự hình thành UAV được
nghiên cứu, cả hai theo dõi vị trí đến vị trí mong muốn và theo dõi thái độ đối với lệnh
tín hiệu thái độ đạt được với phân tích ổn định và xác nhận mô phỏng.
Những thách thức chính cản trở việc giải quyết cấu hình và sự đồng thuận vấn đề
đối với bầy đàn là sclae lớn của cộng đồng và thứ tự thời gian của cấu hình và sự đồng
thuận. Do đó, chúng tôi đã thực hiện các nghiên cứu sau đây để giải quyết những vấn
đề này. Để cải thiện khả năng mở rộng của cấu trúc liên kết mạng theo kích thước lớn
của tình huống bầy đàn, một mạng nhiều lớp mô hình đồ thị được đề xuất cho bầy UAV
quy mô lớn, cho phép cấu hình có thể điều chỉnh và mạnh mẽ hơn. Sau khi cấu hình
của bầy đàn hoàn thành, để thực hiện mỗi UAV trong bầy đàn đạt được một thỏa
thuận, một điều khiển đồng thuận đệ quy nhiều lớp khái niệm được thiết kế cho bầy
UAV, do đó các góc nghiêng của UAV trong mỗi lớp có xu hướng để nhất quán.

2. Sợ bộ và mô tả vấn đề
2.1 Lý thuyết đồ thị
Trong tiểu mục này, một số giới thiệu về lý thuyết đồ thị được liệt kê. Đầu tiên,
chúng tôi xác định đồ thị không định hướng G = (ν,ε) là tô pô tương tác bao gồm ν = (1,
2, . . . , n) a danh sách các đỉnh , có các phần tử đại diện cho UAV riêng lẻ trong bầy
đàn, và ε ⊆ ((i, j) : i, j ∈ ν, i 6= j;) một danh sách các cạnh, chứa các cặp đỉnh không có
thứ tự. Một cạnh (i, j) ∈ ε của đồ thị không định hướng G có nghĩa là UAV i và UAV j có
thể trao đổi trong máy bay không người lái 2022, 6, 402 3 trên 11 thành hệ. Đối với đồ
thị không định hướng G, ma trận liền kề được cho bởi A =aij∈ RN×N với aij = 0 ⇔ (i, j)
∈ ε , aij = aji. Tập hợp tác nhân lân cận được ký hiệu là: Ni = {j ∈ ν : aij 6= 0} = {j ∈ ν : (i,
j) ∈ ε}
2.2 Mô tả vấn đề
Vấn đề tính nhất quán nhằm mục đích thiết kế các giao thức phù hợp sao cho nhóm
của UAV có thể đạt được sự đồng thuận, chỉ khai thác trao đổi thông tin địa phương
giữa các nước láng giềng và trao đổi thông tin không đáng tin cậy và cấu trúc liên kết
tương tác thay đổi động. Trong Bài báo này, mục tiêu của chúng tôi là điều chỉnh toàn
bộ bầy đàn (từ mỗi tác nhân đến nhiều lớp) di chuyển ở cùng vận tốc (cùng cường độ
và hướng) và duy trì khoảng cách không đổi giữa các lớp tác nhân giống nhau. Dựa
trên mô hình vicsek, giả thuyết của chúng tôi ngụ ý rằng mỗi tác nhân trong cùng một
lớp điều chỉnh vận tốc của nó bằng cách thêm vào nó một trung bình có trọng số là sự
khác biệt về vận tốc của nó với những người khác. Sau đó, chức năng tiềm năng là cần
thiết để được đề xuất để duy trì khoảng cách không đổi của mỗi UAV và từng lớp sao
cho tiềm năng trở thành tối thiểu. Trong phần tiếp theo, chúng tôi sẽ mô tả chiến lược
kiểm soát cho bầy nhóm nhiều lớp cụ thể.
2 giả định được đưa ra:
 Chúng tôi giả định rằng các UAV quy mô lớn bao gồm các UAV giống nhau đặc
điểm động bay trong một không gian cùng độ cao. Do đó, môi trường làm việc
của mỗi UAV có thể được coi là một không gian hai chiều.
 Trong trường hợp kiểm soát bầy đàn quy mô lớn, chúng tôi giả định mỗi UAV là
một khối điểm, có nghĩa là ảnh hưởng của kích thước và hình dạng của mỗi
UAV có thể bị bỏ qua.
3. Kiến trúc kiểm soát đồng thuận nhiều lớp

3.1. Mô hình đồ thị nhiều lớp

Mô hình bầy đàn UAV nhiều lớp được đề xuất là một mạng nhiều bên, bao gồm
một loạt các cấu trúc lớp tương tự nhau. Trong mỗi lớp, một số nhóm con nhất
định tạo thành mạng lớp cao hơn theo luật điều khiển tương ứng. Lưu ý rằng
mỗi lớp đều tuân thủ nghiêm ngặt các đặc điểm mạng giống nhau, chẳng hạn
như phân bố vị trí, tiềm năng chức năng, tính nhất quán về vận tốc, v.v. Dựa trên
các quy tắc trên, cấu trúc mạng phân cấp được xây dựng.

Khi xem xét cấu trúc nhiều lớp, lớp đầu tiên được đặc trưng bởi sự tương tác
dựa trên vị trí sẽ tạo thành cấu hình hình thành chính. Chúng tôi giả định rằng
toàn bộ đàn bao gồm n UAVs, l lớp và chỉ có thể có N 0 hàng xóm nào từ các UAV
độc lập cho mỗi nhóm con. Chúng ta giả sử rằng n chia hết cho N 0 + 1. Do đó,
đồ thị vô hướng của lớp đầu tiên có thể được định nghĩa là G 1 = (v1, €1), trong đó
v1 = (1, 2, . . . , n/( N 0 + 1)) và €1 ⊆ ((i, j) : i, j ∈ v1, i ≠ j; ); Đồ thị vô hướng lớp thứ
hai bao gồm lớp đầu tiên, được định nghĩa là G 2 = (v2, €2 ), trong đó v1 = (1, 2, . . .
, n/( (N 0 +1)2 ) và danh sách thứ hai của các cạnh €2 ⊆ ((i, j) : i, j ∈ v2, i ≠ j; ); Dựa
vào quy tắc trên ta ký hiệu G m = (vm, €m), m = 1, 2, . . . l là cấu trúc liên kết mạng
tương tác để mô tả luồng thông tin cơ bản giữa các UAVs ở lớp thứ m, trong đó
vm = (1, 2, . . . , n/( (N 0 +1)m và €m ⊆ ((i, j) : i, j ∈ vm, i ≠ j; ); Khi đó tập lân cận từ lớp
đầu tiên đến lớp thứ m có thể được ký hiệu là N 1i , N 2i ..., N mi .

3.2. Cấu hình bầy đàn

Dựa trên các kết luận trên, để hiện thực hóa cấu hình nhóm nhiều lớp của toàn
đàn, trước hết chúng tôi xác định động lực học của từng UAV như sau:

i=1,2,….n (2)
Từ hệ thống tác nhân đơn đến hệ thống đa tác nhân, giao thức động của đàn
UAV ở mỗi lớp được mô tả như sau:

{
Lớp đầu tiên i∈ v 1
Lớp thứ hai { ¿i ∈ v 2
Lớpthứ m { ¿ i∈ v m

Trong đó x 1i , v 1i ∈ Rn lần lượt là vị trí và vận tốc của từng UAV trong nhóm con
của lớp thứ nhất, u1i ∈ Rn là tín hiệu đầu vào điều khiển tác động lên nó, f ∑ ¿ ¿ là 1

lực tổng hợp chứa lực tránh chướng ngại vật và lực tránh va chạm giữa các
UAVs. Đối với lớp thứ hai, x 2i , v 2i ∈ R k và u2i ∈ Rk lần lượt là vị trí, vận tốc và đầu vào
2 2

điều khiển của UAV trong nhóm con của lớp thứ hai, trong đó k2 = n/(N0 + 1) là
số phần tử của lớp thứ hai v 2 và f ∑ ¿ ¿ là lực tổng hợp không chỉ chứa các lực
2

tương hỗ từ mỗi UAV mà còn có lực trường tiềm tàng từ các nhóm con khác
trong lớp thứ hai. Tương tự x mi , v mi ∈ Rk và umi ∈ R k , lần lượt là vị trí, vận tốc và đầu
m m

vào điều khiển của UAV trong nhóm con của lớp thứ m, trong đó k m = n/(No + 1)
(m−1)
là phần tử số vm; và lực tổng hợp f ∑ ¿ ¿ chứa các lực tương hỗ từ mỗi UAV
m

trên toàn cầu và các lực trường tiềm năng từ lớp thứ hai đến lớp thứ m. Hơn
nữa, k1 là hằng số dương đối với tác dụng giảm chấn.

Bằng việc phân tích mô hình động của UAV (2), chúng tôi thiết kế luật điều khiển
tương ứng để UAV đạt được cấu hình mong muốn. Hai lực sẽ được tạo ra dựa
trên các chức năng tiềm năng được thiết kế để điều khiển tất cả các UAV di
chuyển vào vị trí mong muốn và tránh va chạm lẫn nhau.

Biểu thức toán học của hàm thế năng như sau:

1
∈Ni
xi (4)

trong đó ƺ là hệ số kiểm soát dương, dij = ‖xi−xj‖ là khoảng cách giữa tác nhân i
và tác nhân j, r0 là bán kính mong muốn giữa mỗi UAV.
Vi phân (3) đối với dij mang lại một thế lực như:

1
∈Ni
xi (5)

Trong trường hợp khác, khi UAV i và UAV j không phải là hàng xóm được xác
định rõ ràng, cả hai đều có thể coi nhau là chướng ngại vật. Vì vậy, một chức
năng tiềm năng khác để tránh chướng ngại vật cần được đề xuất như sau:

(6)

Trong đó Ƞ là độ lợi điều khiển dương, x 0 là vị trí của chướng ngại vật o. d io =
‖xi−x 0‖ là khoảng cách giữa UAV i và các chướng ngại vật.

Sau đó, xác định tập hợp các chướng ngại vật là

(7)

Lực tương ứng thu được từ v0 là

(8)

Dựa vào hai lực trên, hợp lực f ∑ ¿ ¿của lớp thứ nhất được biểu thị như sau:
1

(9)

Đầu vào điều khiển có thể được mô tả như sau

(10)
Đối với lớp thứ hai, ngoài lực tương hỗ giữa các UAV riêng lẻ, bầy đàn cũng bị
ảnh hưởng bởi lực trường tiềm năng giữa các nhóm con. Chúng tôi xác định
chức năng tiềm năng của lớp thứ hai như sau

(11)

khi d 2ij = ‖x 2i −x 2j‖, r 20 là khoảng cách mong muốn của lớp thứ hai. Khi đó lực thế
năng tương ứng được biểu thị như sau

(12)

Đồng thời, mỗi UAV trong đàn đã tập trung trong một khu vực cố định, sau đó

lực tránh chướng ngại vật biến mất. Do đó, hợp lực f ∑ ¿ ¿ được tổ hợp như sau
2

(13)
Luật điều khiển của lớp thứ hai có thể được mô tả như sau u2i

(14)

Đối với lớp thứ m, chúng tôi giả sử nó là lớp cuối cùng của toàn bộ đàn, sau đó
mỗi UAV trong lớp thứ m chịu sự tác động của các lực toàn cầu. Hàm tiềm năng
được mô tả như sau

m m
xi ∈ N i
(15)

khi d mij = ‖x mi − xmj ‖, r m0 là khoảng cách mong muốn của lớp thứ hai. Khi đó lực thế
năng tương ứng được biểu thị như sau
 (16)

Khác với (13), hợp lực f ∑ ¿ ¿ kết hợp tất cả các lực từ lớp đầu tiên đến lớp thứ m
m

trong toàn cầu và có dạng như sau

(17)

Luật điều khiển toàn cầu umi được liệt kê như sau

(18)

Luật điều khiển của toàn bộ đàn UAV đã được hoàn thiện. Hơn nữa, sự ổn định
của cấu hình cần được phân tích.

Định lý 1. Xét một nhóm con gồm n UAV có động lực (2), theo luật điều khiển
(10), mỗi nhóm con UAV có thể ở một vị trí mong muốn và cuối cùng lực và vận
tốc hội tụ về 0.

Chứng minh Định lý 1. Định nghĩa ứng cử viên hàm Lyapunov là

(19)

Từ kết luận trên ta có thể nhận được V1 không âm. Phân biệt (19) với sự tôn
trọng theo thời gian và kết hợp với (2), (3) và (10), ta có

(20)
Như vậy năng lượng của mỗi UAV i (i = 1, 2, ..., n) giảm dần đều. Từ phân tích
chúng ta có thể kết luận rằng vận tốc của UAV cuối cùng cũng hội tụ như nhau.

Định lý 2. Đối với toàn bộ đàn có n tác nhân, theo luật kiểm soát toàn cầu (18),
tất cả các UAV có thể đến các vị trí mong muốn, các thế năng từ lớp thứ nhất
đến lớp thứ m và vận tốc cuối cùng hội tụ về không.

Chứng minh Định lý 2. Định nghĩa ứng cử viên hàm Lyapunov toàn cục là

(21)

Từ (5), (11) và (15) chúng ta nhận ra rằng Vm là không âm.

Vi phân (21) theo thời gian và kết hợp với (3) và (18), ta có

(22)

Do đó, thế năng tổng cộng có thể đạt đến giá trị cực tiểu và x mi → 0 như t →∞
cho tất cả các UAV trong đàn, và x mi cũng vậy. Kết quả là, cấu hình nhiều lớp của
bầy đàn được xây dựng.

3.3. Chiến lược đồng thuận

Trong tiểu mục này, tất cả các UAV trong đàn đã hình thành một cấu hình đội
hình cố định dựa trên luật điều khiển chức năng tiềm năng. Tuy nhiên, góc ngáp
ψ của mỗi UAV vẫn tùy ý không chắc chắn. Để giữ trạng thái bay của tất cả các
máy bay không người lái được thống nhất, đề xuất phương pháp điều chỉnh góc
lệch dựa trên khái niệm mô hình Vicsek cho bầy UAV nhiều lớp.

Để đơn giản, chúng tôi dán nhãn lại cho từng UAV theo các lớp khác nhau. Cạnh
của lớp thứ nhất là €1 ⊆ ((i1, j1) : i1, j1 ∈ v1, i1 ≠ j1; ). Đối với lớp thứ hai, €2 ⊆ ((i2, j2) :
i2, j2 ∈ v2, i2 ≠ j2; ). Đối với lớp thứ m, cạnh được gắn nhãn là €m ⊆ ((im, jm) : im, jm ∈

vm, im ≠ jm; ). Sau đó các UAV trong mỗi nhóm con thực hiện cập nhật tương ứng
theo trạng thái của nhóm trước đó nhóm nhỏ và cuối cùng đạt được sự đồng
thuận.

Đối với lớp đầu tiên, chiến lược điều chỉnh góc ngáp của UAV như sau

(24)

Do đó, yi2 được lấy từ giá trị trung bình của các góc lệch của từng UAV trong tất
cả các nhóm con của lớp đầu tiên.

Dựa trên chiến lược trên, chiến lược điều chỉnh góc nghiêng của UAV cho lần
thứ lớp như sau

(25)

Ở phần trên, chúng tôi mô tả chiến lược đồng thuận giữa các lớp khác nhau, sau
đó tất cả các UAV trong đàn cuối cùng cũng đạt được sự đồng thuận. Đối với ví
dụ cụ thể của đàn UAV, như trong Hình 1, giả sử n = 9, N 0 = 2, có 9 UAV được
dán nhãn là A1, . . . , A9 thì toàn bộ đàn có thể được kết hợp thành ba nhóm con
lớp đầu tiên có tên là G11, G21, G31, tạo thành lớp G2 thứ hai. Hơn nữa, G11bao gồm
A1, A2, A3, G21 và G31lần lượt bao gồm A4, A5, A6, A7, A8, A9. Sau đó chúng tôi thiết
lập giao tiếp giữa G11 và G21được kết nối bởi A2 và A4, G21 và G31 được kết nối bởi A6
và A8, G11 và G31 được kết nối bởi A3 và A7. Thứ nhất, bầy UAV đạt được mục tiêu
mong muốn cấu hình thông qua các lực lượng giữa các cá nhân UAV và giữa
cùng một các lớp. Lấy A2 làm ví dụ, A2 chịu tác dụng của các lực A1 và A3 gọi là
2 2
fA 2 A1 và f A A cũng tuân theo f G G và f G G , là các thành phần giữa G11 và G21 và giữa G31
2 3
1 2 1 3
1 1 1 1

và G31 tương ứng. Sau khi toàn bộ đàn đạt đến mức mong muốn cấu hình thì hợp
lực của A2 bằng không. Hơn nữa, hãy để G11, G21 và G31 đạt được sự đồng thuận
trong nội bộ nhóm thông qua chiến lược điều chỉnh góc lệch (23) và đạt được sự
đồng thuận góc nghiêng ψ A , ψ A và ψ A tương ứng. Đối với lớp thứ hai, G2 đạt
1 4 7

được thành tích trong nhóm góc nghiêng nhất quán so với mức trung bình của
ψ A , ψ A và ψ A . Dựa trên quy định này, các toàn bộ bầy đàn cuối cùng đã đạt được
1 4 7

sự đồng thuận.
4. Nghiên cứu mô phỏng
Để minh họa tính hiệu quả của cấu trúc liên kết nhiều lớp và thuật toán đồng thuận
được đề xuất, các kết quả mô phỏng tương ứng trong các điều kiện khác nhau được
trình bày trong phần này. Đối với bầy UAV nhiều lớp, ta xem xét một nhóm các UAV
được nối mạng với n = 27, No = 2, chứa nhóm con hai lớp. Các tham số điều khiển
được chọn là r0 =2m, r02 =4m, ξ=20, η=5.
4.1. Cấu hình bầy đàn
Đối với hệ thống UAV nhiều lớp được đề xuất, tất cả các UAV được phân bổ ngẫu
nhiên trong một khu vực làm việc cố định. Thứ nhất, dựa trên nguyên tắc liền kề, theo
luật điều khiển (10), tất cả các lân cận trong đàn UAV được giao nhiệm vụ thiết lập cấu
trúc liên kết mạng nhiều lớp. Tất cả các UAV đều di chuyển đến vị trí mong muốn và
giữ khoảng cách mong muốn với các lân cận dưới tác dụng của lực giữa các cá thể
UAV và lực giữa các lớp cùng cấp, lực đẩy khiến UAV tránh va chạm và giữ khoảng
cách mong muốn giữa chúng, trong khi lực giữa các lớp làm cho đàn UAV đạt được
cấu hình mong muốn, khi đó tổng lực từ thế năng nhân tạo sẽ hội tụ về 0. Trong các
tình huống khác nhau, số lượng UAV trong toàn hệ thống và số lượng lân cận của
chúng có thể được đặt tùy ý, để điều chỉnh cấu trúc của toàn bộ cấu trúc liên kết mạng.
Khi tất cả các UAV hoàn thành việc phân công các lân cận, cấu trúc liên kết lớp đầu
tiên trong một tập hợp các nhóm con được xây dựng, theo luật điều khiển cấu hình bầy
đàn (14), tất cả các nhóm con có thể được coi là các cá thể độc lập, sau đó các lân cận
được gán cho các nhóm con này và cấu trúc liên kết mạng lớp thứ hai được thiết lập.
Dựa trên quy tắc này, các nhóm con sẽ điều chỉnh vị trí của mình và tạo thành nhóm
cấp cao hơn, cho đến khi tất cả các UAV đều đạt được cấu hình mong muốn. Ở đây, ta
lấy 27 UAV làm ví dụ để minh họa tính hiệu quả của luật kiểm soát. Như hình 2, ở trạng
thái ban đầu, khoảng cách giữa các cá thể UAV là tùy ý, trong phạm vi 25 m, sau đó
các UAV bắt đầu liên lạc với nhau, trong một bước lặp ngắn, các UAV ở bất kỳ vị trí
nào cũng hội tụ nhanh chóng. . Khi bước đạt khoảng 150, khoảng cách giữa các UAV
là trong phạm vi 2 m và về cơ bản đã đạt được cấu hình mong muốn. Kết quả là tất cả
các UAV trong đàn của mỗi lớp đều có xu hướng ở khoảng cách mong muốn với kết
quả cấu hình đội hình cao sau 800 bước.
 Hình 2. Khoảng cách giữa tất cả các UAV lân cận trong cấu hình.
4.2. Kiểm soát sự đồng thuận
Khi bầy đàn đã đạt được cấu hình mong muốn, phương pháp kiểm soát đồng thuận
được đề xuất sẽ điều chỉnh thái độ của tất cả các UAV để đạt được sự đồng thuận.
Hình 3 cho thấy quá trình đạt được sự đồng thuận từ các trạng thái góc lệch ban đầu.
Sau khi hệ thống hoàn thành cấu hình mong muốn, các UAV sẽ có góc lệch tùy ý. Sau
đó, theo luật điều khiển (23), ba UAV trong mỗi nhóm ở lớp đầu tiên sẽ điều chỉnh góc
lệch để đạt trạng thái nhất quán, sau đó luật điều khiển (24) cho phép thống nhất góc
lệch của UAV giữa các lớp. Có thể thấy rằng khi bước = 150 thì góc nghiêng của UAV
về cơ bản đạt tới 3 độ. Sau bước = 500, bầy đàn hoàn thành việc thống nhất góc
nghiêng. Kết quả là, tất cả các UAV đều nhận ra sự đồng thuận chuyển động theo khái
niệm điều khiển đồng thuận đệ quy được đề xuất, trong khi vẫn duy trì cấu hình bầy
đàn mong muốn và di chuyển theo cùng một hướng.
 Hình 3. Góc nghiêng của từng UAV trong cấu hình.
5. Kết luận
Bài báo hiện tại đã đề xuất một khung đa lớp dựa trên khái niệm nhiều lớp để giải quyết
vấn đề đa tác nhân với số lượng UAV tùy ý. Đóng góp chính là cấu trúc nhiều lớp được
thiết kế có thể được sử dụng để hình thành cấu hình mong muốn và duy trì sự đồng
thuận trong bối cảnh các UAV quy mô lớn Giả định 1 và Giả định 2, thay vì di chuyển
vào các vị trí ngẫu nhiên. Một bộ điều khiển nhiều lớp dựa trên chức năng tiềm năng
được phát triển để điều khiển tất cả các UAV đạt được cấu hình mong muốn một cách
chính xác mà không bị va chạm. Sau đó, tất cả các UAV đạt được thỏa thuận thông
qua thuật toán đồng thuận. Tính ổn định của hệ thống được chứng minh bằng phương
pháp Lyapunov. Các nghiên cứu mô phỏng đã chứng minh tính hiệu quả của các
phương pháp đề xuất đối với đàn UAV. Trong công việc tương lai, việc theo dõi quỹ
đạo và tránh chướng ngại vật của bầy UAV quy mô lớn sẽ được nghiên cứu theo
phương pháp Kiểm soát loại bỏ nhiễu loạn chủ động.
4. Nghiên cứu mô phỏng
Để minh họa tính hiệu quả của cấu trúc liên kết nhiều lớp và thuật toán đồng thuận
được đề xuất, các kết quả mô phỏng tương ứng trong các điều kiện khác nhau được
trình bày trong phần này. Đối với bầy UAV nhiều lớp, ta xem xét một nhóm các UAV
được nối mạng với n = 27, No = 2, chứa nhóm con hai lớp. Các tham số điều khiển
được chọn là r0 =2m, r02 =4m, ξ=20, η=5.
4.1. Cấu hình bầy đàn
Đối với hệ thống UAV nhiều lớp được đề xuất, tất cả các UAV được phân bổ ngẫu
nhiên trong một khu vực làm việc cố định. Thứ nhất, dựa trên nguyên tắc liền kề, theo
luật điều khiển (10), tất cả các lân cận trong đàn UAV được giao nhiệm vụ thiết lập cấu
trúc liên kết mạng nhiều lớp. Tất cả các UAV đều di chuyển đến vị trí mong muốn và
giữ khoảng cách mong muốn với các lân cận dưới tác dụng của lực giữa các cá thể
UAV và lực giữa các lớp cùng cấp, lực đẩy khiến UAV tránh va chạm và giữ khoảng
cách mong muốn giữa chúng, trong khi lực giữa các lớp làm cho đàn UAV đạt được
cấu hình mong muốn, khi đó tổng lực từ thế năng nhân tạo sẽ hội tụ về 0. Trong các
tình huống khác nhau, số lượng UAV trong toàn hệ thống và số lượng lân cận của
chúng có thể được đặt tùy ý, để điều chỉnh cấu trúc của toàn bộ cấu trúc liên kết mạng.
Khi tất cả các UAV hoàn thành việc phân công các lân cận, cấu trúc liên kết lớp đầu
tiên trong một tập hợp các nhóm con được xây dựng, theo luật điều khiển cấu hình bầy
đàn (14), tất cả các nhóm con có thể được coi là các cá thể độc lập, sau đó các lân cận
được gán cho các nhóm con này và cấu trúc liên kết mạng lớp thứ hai được thiết lập.
Dựa trên quy tắc này, các nhóm con sẽ điều chỉnh vị trí của mình và tạo thành nhóm
cấp cao hơn, cho đến khi tất cả các UAV đều đạt được cấu hình mong muốn. Ở đây, ta
lấy 27 UAV làm ví dụ để minh họa tính hiệu quả của luật kiểm soát. Như hình 2, ở trạng
thái ban đầu, khoảng cách giữa các cá thể UAV là tùy ý, trong phạm vi 25 m, sau đó
các UAV bắt đầu liên lạc với nhau, trong một bước lặp ngắn, các UAV ở bất kỳ vị trí
nào cũng hội tụ nhanh chóng. . Khi bước đạt khoảng 150, khoảng cách giữa các UAV
là trong phạm vi 2 m và về cơ bản đã đạt được cấu hình mong muốn. Kết quả là tất cả
các UAV trong đàn của mỗi lớp đều có xu hướng ở khoảng cách mong muốn với kết
quả cấu hình đội hình cao sau 800 bước.
 Hình 2. Khoảng cách giữa tất cả các UAV lân cận trong cấu hình.
4.2. Kiểm soát sự đồng thuận
Khi bầy đàn đã đạt được cấu hình mong muốn, phương pháp kiểm soát đồng thuận
được đề xuất sẽ điều chỉnh thái độ của tất cả các UAV để đạt được sự đồng thuận.
Hình 3 cho thấy quá trình đạt được sự đồng thuận từ các trạng thái góc lệch ban đầu.
Sau khi hệ thống hoàn thành cấu hình mong muốn, các UAV sẽ có góc lệch tùy ý. Sau
đó, theo luật điều khiển (23), ba UAV trong mỗi nhóm ở lớp đầu tiên sẽ điều chỉnh góc
lệch để đạt trạng thái nhất quán, sau đó luật điều khiển (24) cho phép thống nhất góc
lệch của UAV giữa các lớp. Có thể thấy rằng khi bước = 150 thì góc nghiêng của UAV
về cơ bản đạt tới 3 độ. Sau bước = 500, bầy đàn hoàn thành việc thống nhất góc
nghiêng. Kết quả là, tất cả các UAV đều nhận ra sự đồng thuận chuyển động theo khái
niệm điều khiển đồng thuận đệ quy được đề xuất, trong khi vẫn duy trì cấu hình bầy
đàn mong muốn và di chuyển theo cùng một hướng.
 Hình 3. Góc nghiêng của từng UAV trong cấu hình.
5. Kết luận
Bài báo hiện tại đã đề xuất một khung đa lớp dựa trên khái niệm nhiều lớp để giải quyết
vấn đề đa tác nhân với số lượng UAV tùy ý. Đóng góp chính là cấu trúc nhiều lớp được
thiết kế có thể được sử dụng để hình thành cấu hình mong muốn và duy trì sự đồng
thuận trong bối cảnh các UAV quy mô lớn Giả định 1 và Giả định 2, thay vì di chuyển
vào các vị trí ngẫu nhiên. Một bộ điều khiển nhiều lớp dựa trên chức năng tiềm năng
được phát triển để điều khiển tất cả các UAV đạt được cấu hình mong muốn một cách
chính xác mà không bị va chạm. Sau đó, tất cả các UAV đạt được thỏa thuận thông
qua thuật toán đồng thuận. Tính ổn định của hệ thống được chứng minh bằng phương
pháp Lyapunov. Các nghiên cứu mô phỏng đã chứng minh tính hiệu quả của các
phương pháp đề xuất đối với đàn UAV. Trong công việc tương lai, việc theo dõi quỹ
đạo và tránh chướng ngại vật của bầy UAV quy mô lớn sẽ được nghiên cứu theo
phương pháp Kiểm soát loại bỏ nhiễu loạn chủ động.