⚡ electrical engineering

A Novel Adaptive Formation Control Strategy for Teams of Unmanned Vehicles Under Complete Dynamic Uncertainty

تقترح هذه الورقة استراتيجية تحكم تكيفي مبتكرة في التشكيل لفرق من المركبات غير المأهولة ذات ديناميكيات غير معلومة تماماً، وذلك باستخدام الشبكات العصبية الاصطناعية ضمن إطار عمل القائد الافتراضي والتابع لضمان المحدودية النهائية الموحدة والتقارب الأسي لأخطاء التتبع، كما تم التحقق من ذلك من خلال التحليل النظري والمحاكاة العددية.

المؤلفون الأصليون: Maryam Norouzi, Mingxi Zhou, Chengzhi Yuan

نُشر 2026-03-11

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Maryam Norouzi, Mingxi Zhou, Chengzhi Yuan

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل سربًا من الطيور يطير معًا. ليس لديهم قائد واحد يصرخ بالأوامر من فوق برج. بدلاً من ذلك، يراقبون بعضهم البعض، ويتفاعلون مع الرياح، ويعدلون مواضعهم فورًا للبقاء في التشكيل. الآن، تخيل أن تلك الطيور هي في الواقع طائرات بدون طيار (درونز) أو مناطيد عالية التقنية، وأن "الرياح" ليست مجرد طقس، بل هي لغز كامل. أنت لا تعرف وزنها، أو مقدار الاحتكاك الذي يبطئها، أو كيف ستتفاعل محركاتها. أنت لا تعرف حتى إلى أين يتجه الطائر القائد بالضبط حتى يصل إلى هناك.

تقدم هذه الورقة البحثية "عقلاً" جديدًا لفريق من المركبات غير المأهولة (مثل الطائرات بدون طيار أو المناطيد) يسمح لها بالطيران في تشكيل مثالي حتى عندما يكون كل شيء عبارة عن تخمين كامل.

إليك تفصيل كيفية قيامهم بذلك، باستخدام بعض التشبيهات من الحياة اليومية:

1. المشكلة: الفريق "الأعمى"

عادةً، للتحكم في روبوت، تحتاج إلى دليل إرشادي. تحتاج أن تعرف:

كم يزن؟ (القصور الذاتي)
كم من الهواء يبطئه؟ (الاحتكاك)
كيف ينعطف؟ (الديناميكيات)

في العالم الحقيقي، هذه الأشياء تتغير. قد يصبح الدرون أثقل إذا حمل طردًا، أو قد يصبح الهواء أكثر كثافة. إذا كان نظام التحكم الخاص بك يعتمد على دليل إرشادي مثالي، فسوف يصطدم الدرون عندما يتبين أن الدليل خاطئ.

علاوة على ذلك، تعتمد معظم الأنظمة على "رئيس مركزي" (كمبيوتر يعرف كل شيء). إذا فقد هذا الرئيس الاتصال، فإن الفريق بأكمله سيتحطم. أرادت هذه الورقة حل مشكلة فريق ليس لديه دليل إرشادي وليس لديه رئيس مركزي، ومع ذلك يحتاج إلى الطيران في شكل مثالي (مثل حرف V أو دائرة) أثناء اتباع قائد.

2. الحل: "عقل ذكي" مكون من طبقتين

بنى المؤلفون نظام تحكم يتكون من طبقتين متمايزتين، تعملان معًا مثل الملاح والسائق.

الطبقة الأولى: الملاح (شبكة "النميمة")

بما أن الطائرات بدون طيار لا تستطيع رؤية القائد بشكل مثالي (ربما يكون القائد بعيدًا أو الإشارة ضعيفة)، فإنها تحتاج إلى تخمين مكان القائد.

كيف تعمل: تتواصل الطائرات بدون طيار مع جيرانها المباشرين. إذا رأى الدرون (أ) القائد، فإنه يخبر الدرون (ب). الدرون (ب) يخبر الدرون (ج).
السحر: يستخدمون خدعة رياضية خاصة ("مقدر غير خطي متقطع") لتصفية الضجيج. حتى لو كان القائد يقوم بشيء غريب أو كانت الإشارة مهتزة، فإن الفريق يتفق بسرعة على "أفضل تخمين" لمكان القائد. الأمر يشبه مجموعة من الأصدقاء يحاولون تخمين موقع حفلة من خلال تبادل الشائعات؛ في النهاية، يتفقون جميعًا على العنوان بدقة.

الطبقة الثانية: السائق (الطالب المتعلم)

بمجرد أن يعرف الفريق مكان القائد تقريبًا، يتعين عليهم التحرك. ولكن تذكر، هم لا يعرفون وزنهم أو كيف يؤثر الهواء عليهم.

الأداة: يستخدمون الشبكات العصبية الاصطناعية (NNs). فكر في هذا كـ "طالب متعلم" داخل كمبيوتر الدرون.
كيف تعمل: يحاول الطالب الطيران. يرتكب خطأً (ينحرف عن المسار). ينظر إلى الخطأ ويسأل نفسه: "أي جزء من دليلي الإرشادي كان خاطئًا؟" ثم يقوم بتحديث "دليله الإرشادي" الداخلي (أوزان الشبكة العصبية) لإصلاح هذا الخطأ المحدد.
اللمسة التعاونية: هذا هو الابتكار الأكبر في الورقة البحثية. عادةً، يتعلم كل طالب بمفرده. هنا، تشارك الطائرات دروسها. إذا اكتشف الدرون (أ) كيفية التعامل مع هبة ريح قوية، فإنه يخبر الدرون (ب): "مهلًا، جرب هذا التعديل!". هذا "التعلم التعاوني" يعني أن الفريق بأكمله يصبح أذكى بشكل أسرع مما يمكن لأي درون بمفرده.

3. النتيجة: "التشكيل الشبح"

اختبر الباحثون هذا باستخدام محاكاة لأربعة طائرات بدون طيار.

الإعداد: أعطوا الطائرات قائدًا يتحرك في نمط موجي معقد (مثل راكب أمواج يركب موجة متغيرة).
الفوضى: أخبروا الكمبيوتر بأن يتظاهر بأن الطائرات بدون طيار لديها معرفة صفرية بفيزيائها الخاصة. لا وزن، لا سحب، لا جاذبية. مجرد تخمين محض.
النتيجة: لم تصطدم الطائرات ببعضها. لم تبتعد عن بعضها. بدلاً من ذلك، شكلت شكلاً هندسيًا مثاليًا واتبعت المسار الموجي للقائد بدقة مذهلة. "الأخطاء" تقلصت إلى لا شيء تقريبًا بسرعة كبيرة.

لماذا هذا مهم؟

فكر في هذا كفرق بين عرض عسكري وفرقة جاز.

العرض العسكري يعتمد على قائد ومخطط صارم. إذا توقف القائد، يتوقف العرض.
فرقة الجاز تعتمد على الاستماع إلى بعضهم البعض. إذا ارتكب أحد الموسيقيين خطأً، يتكيف الآخرون فورًا. إذا انضم موسيقي جديد، فإنه يتعلم الأغنية من خلال الاستماع إلى الآخرين.

تعلم هذه الورقة البحثية الطائرات بدون طيار أن تكون فرقة جاز. حتى لو تغيرت الموسيقى، أو تعطلت الآلات، أو فُقدت النوتة الموسيقية، لا يزال بإمكانهم عزف أغنية متناسقة وجميلة معًا.

تطبيقات من العالم الحقيقي

هذه التكنولوجيا مثالية لـ:

البحث والإنقاذ: إرسال سرب من الطائرات بدون طيار إلى غابة حيث لا يعمل نظام تحديد المواقع العالمي (GPS) والرياح غير متوقعة. يمكنهم تغطية المنطقة معًا دون الاصطدام بالأشجار أو ببعضهم البعض.
الأبحاث الجوية: المناطيد التي تطفو عاليًا لجمع بيانات الطقس. يجب أن تظل في تشكيل محدد للحصول على قراءات دقيقة، حتى مع تغير التيارات الهوائية.
مناطق الكوارث: تنسيق الروبوتات لتوصيل الإمدادات حيث تكون البيئة فوضوية وغير معروفة.

باخت-القول، تمنح هذه الورقة البحثية الروبوتات القدرة على التعلم أثناء العمل ومساعدة بعضهم البعض على التعلم، مما يجعلها قوية بما يكفي للتعامل مع العالم الحقيقي الفوضوي وغير المتوقع.

إليك ملخص تقني مفصل لورقة البحث بعنوان: "استراتيجية التحكم التكيفي في التشكيل لفرق المركبات غير المأهولة تحت ظروف عدم اليقين الكامل".

١. بيان المشكلة

تتناول الورقة مشكلة التحكم في التشكيل (Formation Control) لمجموعة من الأنظمة غير المأهولة (الأنظمة متعددة الوكلاء أو MAS) التي تعمل في بيئات ديناميكية غير يقينية تماماً. وتشمل التحديات الرئيسية ما يلي:

عدم اليقين الكامل: يتم نمذجة ديناميكيات الوكلاء كأنظمة ميكانيكية غير خطية عامة حيث تكون مصفوفة القصور الذاتي ( $M$ )، وقوى كوريوليس/المركزية ( $C$ )، والتخميد/الاحتكاك ( $D$ )، وقوى الجاذبية ( $g$ ) غير معروفة تماماً ومتغيرة مع الزمن.
ديناميكيات القائد المعقدة: على عكس الدراسات التقليدية التي تفترض وجود قادة خطيين ثابتين في الزمن ولا يملكون مدخلات، تأخذ هذه الدراسة في الاعتبار قائداً افتراضياً مدفوعاً بـ مدخلات خارجية متغيرة ومحدودة زمنياً. وهذا يسمح بمسارات مرجعية أكثر تعقيداً وواقعية.
القيود الموزعة: يعمل النظام ضمن إطار عمل موزع حيث يمتلك الوكلاء فقط وصولاً إلى المعلومات المحلية والاتصال مع الجيران، دون وجود متحكم مركزي.
الهدف: تصميم استراتيجية تحكم تمكن مجموعة من الوكلاء من تتبع قائد افتراضي مع الحفاظ على تشكيل هندسي محدد، رغم عدم المعرفة بديناميكيات النظام ووجود اضطرابات خارجية.

٢. المنهجية

يقترح المؤلفون بنية تحكم هرمية ذات طبقتين تعتمد على الشبكات العصبية ذات الوظائف الأساسية الشعاعية (RBF NNs) والتعلم الحتمي التعاوني.

أ. نمذجة النظام

ديناميكيات الوكيل: تم نمذجتها كأنظمة ميكانيكية غير خطية ذات معاملات غير معروفة.
القائد الافتراضي: محدد بنموذج حالة (state-space model) مع مدخلات متغيرة زمنياً ومحدودة ( $r$ )، مما يولد مسارات مرجعية معقدة.
طوبولوجيا الاتصال: رسم بياني موجه ثابت حيث يمتلك القائد مساراً إلى متابع واحد على الأقل، والرسوم البيانية الفرعية للمتابعين غير موجهة.

ب. بنية التحكم

تتكون المخطط المقترح من طبقتين متمايزتين:

١. الطبقة العليا: المقدر غير الخطي التعاوني

بما أن ليس كل الوكلاء يمكنهم الوصول مباشرة إلى حالة القائد، فقد تم تصميم بروتوكول تقدير غير خطي متقطع تعاوني.
تقوم هذه الطبقة بتقدير موقع وسرعة القائد ( $\hat{p}_i, \hat{v}_i$ ) باستخدام معلومات الجوار المحلية.
يثبت التحليل النظري أن خطأ التقدير يتقارب أسياً إلى الصفر، مما يضمن امتلاك جميع الوكلاء مساراً مرجعياً موثوقاً ( $\hat{p}_{r,i} = \hat{p}_i + p^*_i$ ) لتتبعه.

٢. الطبقة السفلى: التحكم بالتعلم الحتمي التعاوني

تصميم الالتفاف للخلف (Backstepping Design): تُستخدم تقنية الالتفاف للخلف لتحديد أخطاء التتبع ومدخلات التحكم الافتراضية.
تقريب الشبكة العصبية (RBF NN): يتم تقريب الديناميكيات غير الخطية المجهولة (بما في ذلك مصفوفة القصور الذاتي والقوى الخارجية) باستخدام الشبكات العصبية ذات الوظائف الأساسية الشعاعية. يتم تمثيل الدالة المجهولة $G(x_i)$ كـ $W^{*T}S(x_i) + \epsilon$ .
تحديث الأوزان التعاوني: تم تقديم قانون تعلم تعاوني مبتكر؛ حيث يقوم الوكلاء بتحديث أوزان الشبكة العصبية الخاصة بهم ليس فقط بناءً على أخطاء التتبع الخاصة بهم، بل أيضاً من خلال مشاركة الأوزان المقدرة مع الجيران. هذا يسهل إجماع المعرفة (Knowledge Consensus) ويسرع عملية التعلم عبر الشبكة.
قانون التحكم: يجمع مدخل التحكم النهائي $\tau_i$ بين تقريب الشبكة العصبية لعدم اليقين، وحداً للتغذية الراجعة لأخطاء التتبع، وحداً لتحديث الأوزان التعاوني.

٣. المساهمات الرئيسية

تقدم الورقة ثلاث ابتكارات أساسية مقارنة بالأدبيات الموجودة:
١. عدم يقين النظام العام: تتعامل الطريقة مع أنظمة ذات مصفوفات قصور ذاتي غير معروفة تماماً وديناميكيات غير خطية، مما يزيل الافتراض المقيد بمعرفة خصائص القصور الذاتي أو معرفتها جزئياً كما في الأعمال السابقة.
٢. المشاركة عبر الإنترنت للمعرفة التعاونية: يتيح بروتوكول التحكم التعلم التعاوني عبر الإنترنت. ومن خلال استخدام الأوزان العصبية المقدرة من الوكلاء المجاورين، يعزز النظام إجماع المعرفة، مما يسمح للفريق بتعلم الديناميكيات غير اليقينية بكفاءة أكبر من الوكلاء المنعزلين.
٣. المسارات المرجعية المعقدة: يدعم الإطار نموذج قائد معمّم مع مدخلات خارجية متغيرة زمنياً، مما يسمح بتتبع مسارات متنوعة وتعبيرية بدلاً من المسارات الخطية البسيطة.

٤. النتائج والتحقق

تم التحقق من فعالية الاستراتيجية المقترحة من خلال تحليل نظري صارم ومحاكاة عددية في برنامج MATLAB.

الضمانات النظرية:
- الاستقرار: باستخدام نظرية ليابونوف للاستقرار، أثبت المؤلفون أن جميع إشارات الحلقة المغلقة هي مقيدة نهائياً بشكل منتظم (UUB).
- التقارب: ثبت أن أخطاء التتبع ( $z_1, z_2$ ) وأخطاء تقدير الأوزان تتقارب أسياً إلى جوار صغير حول الصفر.
المحاكاة العددية:
- الإعداد: محاكاة لأربعة وكلاء بديناميكيات غير يقينة تماماً (مصفوفات $M, C, D, g$ غير معروفة) تتبع قائداً افتراضياً بمدخل متغير زمنياً جيبياً.
- أداء التقدير: نجح المقدر التعاوني في تتبع حالة القائد مع تقارب أسي لأخطاء التقدير إلى الصفر.
- تتبع التشكيل: نجح الوكلاء في الحفاظ على تشكيل هندسي محدد مسبقاً (تكوين ثلاثي الأبعاد محدد) أثناء تتبع مسار القائد المعقد.
- تحليل الخطأ: تقاربت أخطاء تتبع الموقع في جميع الأبعاد الثلاثة بسرعة إلى جوار مهمل حول الصفر، مما أظهر دقة عالية رغم عدم اليقين الكلي للنظام.

٥. الأهمية والتطبيقات

يسد هذا العمل فجوة حرجة في التحكم متعدد الوكلاء من خلال حل التحدي المتكامل لـ التحكم في التشكيل التكيفي التعاوني تحت ظروف عدم اليقين الكامل.

المتانة: الطريقة متينة للغاية تجاه الاضطرابات البيئية وعدم اليقين في النموذج الداخلي، مما يجعلها مناسبة للبيئات غير المهيكلة.
القابلية للتوسع: يتجنب الطابع الموزع للخوارزمية نقاط الفشل المركزية واختناقات الاتصال المرتبطة بالتحكم المركزي.
التطبيقات العملية: الاستراتيجية المقترحة ذات صلة وثيقة بـ:
- المراقبة الجوية المستمرة: تنسيق المناطيد أو الطائرات بدون طيار للمهمات طويلة الأمد.
- البحث والإنقاذ: التنقل في التضاريس الوعرة (مثل الغابات) حيث يكون نظام تحديد المواقع العالمي (GPS) غير موثوق وديناميكيات البيئة غير متوقعة.
- جمع البيانات الجوية: الحفاظ على التشكيل أثناء جمع البيانات في ظروف رياح متغيرة.
- النقل التعاوني للحمولات: نقل الأحمال الثقيلة حيث يصعب نمذجة ديناميكيات كل وكيل بدقة.

في الختام، تقدم الورقة حلاً رياضياً رصيناً وقابلاً للتطبيق عملياً لنشر فرق ذكية وتكيفية من المركبات غير المأهولة في سيناريوهات العالم الحقيقي شديدة عدم اليقين والديناميكية.