本发明涉及环境监测，尤其涉及一种分布式覆盖控制方法、存储介质、设备。
背景技术：
1、全球暖化的日益加剧导致各种极端天气频发，进而引发了一系列自然或人为灾害，严重威胁到人类的生存和发展。近年来，诸如山区泥石流、森林大火、滑坡等灾难事件频繁发生，给社会带来了巨大的经济损失和人员伤亡。然而，随着传感器技术、通信技术和网络技术的快速发展，多机器人系统在区域监视、环境监测和灾害救援等领域展现出广泛的应用前景。通过这些技术手段，我们可以提前监测灾害的发生，从而采取预防措施，减少损失和伤亡。
2、然而在非凸区域覆盖时，梯度下降法会造成系统陷入局部最优状态，从而不能很好的监测环境。在这种情况下，学者采用全局优化技术，例如模拟退火、遗传算法或者粒子群算法。这些方法的共同点是在控制过程中引入随机元素，从而使系统逃离平衡点，找到更好的覆盖位置。但这些方法的计算量大，通常不适合在线优化。
技术实现思路
1、本发明的目的在于：为了解决当前非凸环境覆盖中系统易陷入局部最优状态的问题，提出一种分布式覆盖控制方法，包括以下步骤：
2、s1、根据智能体监测非凸区域环境灾害发生的概率分布函数构建智能体区域覆盖系统的目标函数；
3、s2、根据目标函数得到智能体的局部目标函数，根据梯度下降法进行智能体的梯度状态更新，得到智能体的局部目标函数的梯度；
4、s3、根据智能体的局部目标函数的梯度使用能量增强策略优化目标函数；
5、s4、根据s3得到的优化目标函数求智能体区域覆盖系统的控制输入，实现非凸区域环境灾害监测。
6、进一步地，智能体检测环境的概率分布函数为：
7、φ(x)＝φ0-β||x-x0||
8、其中，φ(x)为智能体检测环境的概率分布函数，φ0表示一个常数，β是一个正常数，||x-x0||表示x和x0的欧氏距离，x表示智能体的位置，x0表示一个常数。
9、智能体区域覆盖系统的目标函数为：
10、h(s)＝∫ωφ(x)p(x，s)dx
11、其中，h(s)为智能体区域覆盖系统的目标函数，s表示智能体状态，ω表示覆盖的区域，p(x，s)表示环境中至少有一个智能体能够识别点x的概率；
12、
13、其中，p(x，si)表示环境中第i个智能体能够识别点x的概率，n为智能体数量，si表示第i个智能体的状态。
14、进一步地，根据目标函数得到智能体的局部目标函数表示为：
15、
16、其中，表示第i个智能体的邻居智能体的第k步的状态；表示状态为时第i个智能体的局部目标函数；表示状态为时至少有一个智能体能够识别点x的概率；
17、使用梯度下降法进行智能体状态的更新具体为：
18、si,k+1＝si,k+αi，kgi，k
19、
20、其中，si,k+1表示第i个智能体第k+1步的状态，si，k表示第i个智能体第k步的状态，αi，k表示第i个智能体的局部目标函数第k步的步长，gi，k表示第i个智能体的局部目标函数第k步的梯度。
21、进一步地，能量增强策略包括模式b、模式n、模式c；当智能体的局部目标函数的梯度gi为零，局部目标函数hi达到平衡，进行模式b：将梯度gi替换为增强梯度直到为零。进行模式n：模式n使用梯度gi，直到gi为零，此时的局部目标函数为增强局部目标函数将和hi最大者表示为hi，若智能体能量大于充电标准能量，继续进行模式b；若智能体能量小于等于充电标准能量，执行模式c：去往充电桩进行充电，充电过程中的局部目标函数为不断将hi最大者表示为hi，直到智能体能量大于充电标准能量，继续进行模式b。
22、进一步地，构建增强函数表示增强梯度，将第i个智能体的局部目标函数的梯度表示为gi＝[gix，giy]t，其中，
23、
24、
25、其中，gix表示第i个智能体的局部目标函数的x方向的梯度，giy表示第i个智能体的局部目标函数的y方向的梯度，表示第i个智能体的邻居智能体的状态，表示状态为时第i个智能体的局部目标函数，six表示状态si在x方向的状态分量，siy表示状态si在y方向的状态分量，vi表示第i个智能体的监测区域，mi表示第i个智能体的邻居集，pi(x，si)表示状态为si时第i个智能体对环境中的点x的检测概率；
26、将gix的公式改写为：
27、其中，
28、按照以下形式来构建增强函数：
29、
30、增强梯度表示为：
31、
32、其中，γ1，γ2为两个正常数，k表示一个常数，φi(x)表示第i个智能体没有监测到x处发生事件的概率。
33、进一步地，
34、根据s3得到的优化目标函数求智能体区域覆盖系统的控制输入具体为：
35、求优化目标函数的标称输入：
36、
37、其中，α为一个常数，表示优化目标函数的标称输入；
38、通过二次规划求解得到系统最终的智能体区域覆盖系统的控制输入：
39、
40、s.t.[emin,emax]
41、其中，u*表示最终的智能体区域覆盖系统的控制输入，u表示智能体区域覆盖系统的控制输入，δ＝[δ1,...,δn]t是一个松弛参数的矢量，矩阵k＝diag(κi)是δ的对角线正定加权矩阵，emin表示智能体电量的最小值，emax表示智能体电量的最大值。
42、本发明还提出一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述的分布式覆盖控制方法。
43、本发明还提出一种电子设备，包括处理器和存储器，所述处理器与所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括计算机可读指令，所述处理器被配置用于调用所述计算机可读指令，执行上述的分布式覆盖控制方法。
44、本发明提供的技术方案带来的有益效果是：
45、本发明的方案定义一个新的辅助局部目标函数，在达到平衡时改变智能体的局部目标函数，通过将局部目标的局部梯度转换为新的增强梯度间接完成。系统在增强梯度下到达一个新的平衡点时，使用不同平衡点的目标函数的值最大的目标函数替换原始目标函数。与随机扰动梯度相比，增强函数提供了一种系统的方法来迫使每个智能体向一个精心选择的方向移动，该方向基于目标函数的结构特性以及对可行空间和当前智能体状态的了解，进一步探索可行空间，从而找到更好的目标点。并且把智能体的充电过程加入到算法中，从而使系统在去往充电的过程也相当于进行了环境探索，从而更好的找到目标点。上述新型的覆盖方法与以往的方法相比，引入了增强函数，并且计算简单可以在线执行，并且和充电过程结合极大的提高了智能体的覆盖性能，可用于非凸环境中进行持久性的环境监测。
1.一种分布式覆盖控制方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种分布式覆盖控制方法，其特征在于，智能体检测环境的概率分布函数为：
3.根据权利要求2所述的一种分布式覆盖控制方法，其特征在于，根据目标函数得到智能体的局部目标函数表示为：
4.根据权利要求3所述的一种分布式覆盖控制方法，其特征在于，能量增强策略包括模式b、模式n、模式c；当智能体的局部目标函数的梯度gi为零，局部目标函数hi达到平衡，进行模式b：将梯度gi替换为增强梯度直到为零；进行模式n：模式n使用梯度gi，直到gi为零，此时的局部目标函数为增强局部目标函数将和hi最大者表示为hi，若智能体能量大于充电标准能量，继续进行模式b；若智能体能量小于等于充电标准能量，执行模式c：去往充电桩进行充电，充电过程中的局部目标函数为不断将hi最大者表示为hi，直到智能体能量大于充电标准能量，继续进行模式b。
5.根据权利要求4所述的一种分布式覆盖控制方法，其特征在于，构建增强函数表示增强梯度，将第i个智能体的局部目标函数的梯度表示为gi＝[gix,giy]t，其中，
6.根据权利要求4所述的一种分布式覆盖控制方法，其特征在于，
7.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的方法。
8.一种电子设备，其特征在于，包括处理器和存储器，所述处理器与所述存储器相互连接，其中，所述存储器用于存储计算机程序，所述计算机程序包括计算机可读指令，所述处理器被配置用于调用所述计算机可读指令，执行如权利要求1-6任一项所述的方法。
