本文提出了一种基于单个运动目标跟踪的新的移动传感器网络群控制方法。方法通过控制网络中所有移动传感器的质量中心的位置和速度（Single-CoM）或控制质量中心的位置和速度来跟踪和观察移动目标（Multi-CoM）每个传感器及其附近。外，在自由空间中，质心的位置和速度朝着移动目标呈指数收敛。于这种方法，目标节点将始终位于传感器网络的中心，这无疑是传感器识别和区分目标节点的一大优势。跟踪目标以确保移动传感器与速度匹配之间没有冲突的整个过程中，我们还研究了算法的稳定性。年来，传感器网络[1]已被广泛研究。于移动传感器网络对环境变化具有更好的适应性和可重新配置性，因此移动传感器网络可用于许多水下应用，例如目标跟踪和监视。下检测和保护濒危物种等地区。
是，在使用移动传感器跟踪和监视移动目标节点的过程中不可避免地会遇到障碍，这迫使我们采用协作控制方法。中，我们使用了群体控制方法。居是一种现象，其中许多传感器一起移动并相互通信，同时确保没有碰撞的碰撞，速度的适应和向中心的收敛。然界中的鱼，鸟，恒温阀芯蚂蚁，蜜蜂等都很好地说明了这一点。
年来，群控制问题一直是研究的中心。年来，它吸引了许多物理学，数学和生物学研究人员，尤其是控制科学领域的研究人员。文提出了一种新的移动群控制传感器网络方法来跟踪运动目标并避开障碍物。这种方法中，Single-CoM和Multi-CoM用于跟踪移动目标节点的位置。
的主要目的是使用移动传感器网络的质心来跟踪和监视目标节点。意味着所有移动传感器都可以紧紧包裹在目标节点周围，这使得传感器网络更容易，更精确地观察和识别目标节点。外，在后续过程中，可以确保无冲突的通信和速度。们还考虑了算法的稳定性，并且在自由空间中，质心的位置和速度朝着移动目标呈指数收敛。
年来，提出了许多群控制方法。Wang and Gu [2]基于图论，势函数，网络通信和系统稳定性分析显示了机器人群的研究成果。考文献[3]提出了一种用于设计和分析分布式群集算法的理论框架，解决了在自由空间和具有障碍物的空间中的群集问题。
献[4]和[5]提出了一种扩展的群算法：在群群中有一个虚拟的领导者，其速度不断变化，只有少数群人知道这一点。和王研究了虚拟领导者的地位以及充斥个体与周围邻居之间的拓扑关系不断变化时移动个体的动态属性。Tanner等。[6]和[7]使用动态双重积分器研究了几种移动代理系统在稳定或动态拓扑图下的稳定性。[8]中描述了关于移动设备的群集算法的实验。Olfati-Saber在[9]中提出了一种基于对移动节点集群算法的监视和监视的移动传感器网络集群算法。
提出了一种扩展的卡尔曼滤波算法来估计目标节点的位置。[10]中，开发了一个可扩展的多媒体平台来演示协同控制系统和传感器网络，并尝试使用5个巨型TXT-1卡车设备来解决群体问题。文提出了具有避障功能的群体算法的基础，并提出了基于群体控制的单CoM和Multi-CoM算法。在避障过程中监视移动的目标节点。
文研究了基于运动目标跟踪与监视的移动传感器网络群控制方法。了有效地跟踪目标，同时保持对准且传感器节点之间没有冲突，提出了一种基于单CoM和Multi-CoM的群体控制算法。时，还证明了所有移动节点的质心的位置和速度都以指数形式聚合到目标。然，通过控制质心，移动传感器网络的节点可以更好地跟踪和监视目标。
句话说，网络中的所有传感器都可以紧密围绕目标，因此它们可以更轻松地识别目标。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com