迭代学习在多智能体编队中的控制研究

针对具有控制时延的非线性多智能体系统模型,设计了一种能够实现其稳定编队的迭代学习控制算法.首先,建立单个智能体的动态特性,根据多智能体的拓扑连接结构,将多智能体编队控制问题转化为跟踪问题.其次,针对每个智能体设计形式统一的迭代学习控制器,根据每个智能体不同的动态特性,选取合适的学习增益矩阵.最后,基于λ范数理论证明了算法的收敛性.由于该迭代学习控制算法放宽了对迭代初值的限定,使其达到在任意常值初态条件下的稳定控制,从而满足了各个智能体在初始位置随机分布时的编队控制要求.仿真结果证明了文中所给算法的有效性.     

基于自组织特征映射的移动传感器网络控制

针对概率型感知模型的移动传感器网络中覆盖区域为时变的情况,提出了一种基于自组织特征映射的实时覆盖算法.其中自组织特征映射依据实时采样的样本点来对覆盖目标区域进行拓扑映射,并依据多智能体系统中的一致性控制算法使移动传感器载体形成预定编队,完成覆盖任务.最后通过实验仿真验证了该算法的优良性能.     

有领导者线性多智能体系统一致性的分析与设计

研究有向信息拓扑下有领导者线性多智能体系统的一致性分析与设计问题。利用提出的线性变换,将领导者有扰动输入的多智能体系统一致性问题转换为输入到状态稳定性问题。得到有向信息拓扑下有领导者线性多智能体系统达到一致的基于矩阵Hurwitz稳定的判据和误差估计函数,同时设计反馈增益矩阵,并将有领导者多智能体系统的一致性问题扩展到编队控制问题。数值实例验证表明:所得理论具有有效性。     

具有不一致时延的随机多智能体网络H_∞编队控制

研究了存在外界干扰时离散随机多智能体系统的编队控制,其中随机多智能体网络的变换服从马尔科夫链。假设系统中存在不一致的常数时延,首先,设计了编队控制协议,使得跟随者跟踪虚拟领导的同时形成所要求的编队,且和其它智能体达到速度一致。然后,基于Lyanunov稳定性理论,以LMI的形式给出了误差系统稳定并满足H∞指标要求的充分条件,并指出,对于系统中所考虑的常数不一致时延无上限要求。最后,仿真结果证明了所设计协议的有效性。     

基于事件触发的多智能体输入饱和一致性控制

针对输入饱和情形,本文研究了Leader-following多智能体系统基于事件触发的一致性控制问题。为了更加接近实际情况,针对智能体的输入存在限制的情况,提出了基于线性触发函数的事件触发一致性控制算法,并利用S-procedure方法分析了控制算法的稳定特性。在该算法下,每个智能体的控制器更新都是基于事件触发的,并且是分布式的,即每个智能体只在自己的事件触发时间更新自己的控制输入。最后通过仿真验证了所设计算法的有效性。     

多智能体编队避障算法研究

利用势函数方法,研究了多智能体在障碍物环境下的追击编队控制.为解决单个智能体在势场中存在局部极小点与动态性能不好问题,引入速度势场建立新的势场函数.并研究了多智能体在不同环境下的编队控制,其中包括无障碍物环境,静态障碍物环境,以及静态障碍物和动态障碍物并存的复杂环境.通过选择与目标,障碍物和编队队形相关的势场函数,提出一种新的分布式编队避障控制算法.仿真结果表明所提算法能有效地解决多智能体编队避障问题.     

具有通信时延下多无人机编队控制

 针对具有二阶动力学特性多无人机系统模型,在具有通信时延及编队构型时变的情况下,本文提出了一种基于一致性理论的编队控制算法。首先将多个无人机的时变编队控制问题转换成闭环系统的渐近稳定问题;然后通过构造Lyapunov-Krasovskii 函数,并以线性矩阵不等式（linear matrix inequality）的形式给出多无人机编队系统时变编队稳定的充分条件;最后以被视为质点的多无人机系统为例进行了仿真验证。结果表明：当通信时延、控制协议参数等满足稳定条件时,文中提出的编队控制算法能使多无人机编队系统形成期望的时变编队队形。     

多智能体一致性的随机镇定研究

本文给出多智能体随机一致性的数学描述,模拟了环境噪声对多智能体系统一致性的影响,并提出一种运用随机噪声控制多智能体系统的方法。仿真结果表明,添加满足一定条件的随机噪声控制可以令在没有噪声干扰情况下非一致性的多智能体系统达到随机一致性镇定。最后对多智能体的随机一致性镇定进行理论分析,并得到满足控制要求的随机噪声强度的大致下界。所提出的多智能体协调控制方法具有系统能耗小、控制性能更佳的特点。     

异质多智能体系统的编队控制

目的研究异质多智能体系统的编队控制问题。方法基于图论和李雅普诺夫直接方法进行研究。结果针对由一阶和二阶积分器智能体构成的异质多智能体系统,给出了一种基于一致性的时变编队控制协议。结论证明了使用上述协议的异质多智能体系统能够解决编队控制问题。     

参数自适应的有限时间多智能体一致性算法

文章研究了一阶多智能体系统的有限时间一致性控制问题.为了对下一时刻智能体系统的状态进行预测,加快系统收敛速度,提出算法将当前智能体间状态信息的差异作为一致性协议的反馈参数,该算法实现了对不同智能体输入的自适应调节,并使多智能体系统在有限时间内达到一致.通过构造Lyapunov函数的方法分别讨论无向固定拓扑和切换拓扑两种情形,得到多智能体系统的稳定条件,证明该协议能在有限时间内收敛.最后,仿真实验结果验证了所得结论的正确性和有效性.     

一致环境下多智能体系统的群集算法

针对一致环境下智能群体的群集运动控制算法进行了研究.在群中智能体感知范围有限的情况下,群体拓扑图是动态变化的,假设群体拓扑图时刻保持连通,且群中所有智能体受到外界环境的影响是一致的,通过引入光滑的势场函数,设计了群集控制算法,运用李雅普诺夫稳定性理论,证明了多智能体能取得群集运动,仿真实例验证了算法的有效性.     

带状态预测器的多智能小车系统一致性问题研究

一致性理论作为多智能体间合作协调的基础,受到来自各个领域研究者越来越多的关注。但是,以往的控制律只利用智能个体周围的局部信息,其控制律往往是次优的。本文引入了状态预测器,将带状态预测器一致性理论应用到多智能小车系统速度一致性问题的研究中,给出了智能小车速度一致性算法,分析了多种耦合通信方式对智能小车速度一致性的影响,引入了智能小车状态预测器,最后通过欧拉公式将上述带状态预测器的控制律求解出来,设计出了智能小车的控制器,并从理论上证明了控制器的可行性,与以往的一致性算法相比,加快了智能小车演化到平衡状态的收敛速度。     

具有不同通信时延的多个体系统的一致性

针对具有不同通信时延的多个体系统的一致性问题,提出了一种引入自身时延的一致性协议.根据广义Nyquist判据与Gerschgorin圆盘定理,得到了系统渐近收敛一致的充分条件.在多个体系统的有向连接拓扑含有一个全局可达节点的条件下,一致收敛的充分条件仅与个体的自身时延、以及个体与邻居个体的连接权值有关.在提出的协议中,引入自身时延能够加速具有通信时延的多个体系统的收敛速度,而通信时延并不影响系统的收敛,但其可以延长收敛时间.此外,得到了系统最终收敛的一致状态的求解方法.仿真结果证明了结论的正确性.     

瞬时耦合二阶多体系统的一致性及时滞效应

对于二阶多智能体,提出一种具有输入和通讯时滞的脉冲控制算法,分析可得这一算法的一致性准则. 同时讨论了输入时滞和通讯时滞对二阶多体系统的一致性能的影响. 结果表明,在确定二阶多体系统的一致动力学方面,通讯时滞比输入时滞有更重要的作用. 具体而言,没有通讯时滞时,二阶多体系统达到了动态一致,即个体的速度是一个非零常数;然而,只要有通讯时滞,在一定条件下系统的速度一致状态就是零.此外,发现一个更有趣的事实是,在无向网络拓扑作用下,通讯时滞或输入时滞将增强二阶多体系统的同步性能. 最后用一些数值仿真验证了理论结果的有效性.     

分布式HDP领导-跟随者系统最优一致控制研究

为研究行为未知的非线性多智能体系统领导-跟随者最优一致控制问题,针对智能体动态方程未知的情况,设计神经网络辨识器学习智能体动力学行为;构造以多智能体系统局部误差为输入的性能指标函数,将多智能体系统领导-跟随者一致性问题转换为求解智能体局部性能指标函数最优值的优化控制问题;结合自适应动态规划思想设计分布式迭代算法求解该优化问题,并讨论了算法的收敛性;设计基于神经网络的评价-执行结构分布式控制器来近似局部性能指标函数,通过神经网络学习迭代寻找局部性能指标函数的最优解,实现多智能体系统的最优一致控制策略。设计的分布式控制器能够根据智能体状态数据自适应产生控制策略,使多智能体系统趋于一致。     

受干扰的多智能体系统的固定时间双边一致性

为了研究多智能体系统在受干扰条件下的固定时间双边一致性问题,基于代数图论和固定时间稳定性定理,设定一个新的控制协议,使得受干扰的多智能体系统能够实现固定时间双边一致,并且给出了多智能体系统实现固定时间双边一致的收敛时间的上界。最后通过Matlab仿真,验证了所给出协议的有效性。     

基于一致性理论之飞机群运动控制

提出了一种新的基于平均状态信息的一致性算法,把它应用到一阶系统和二阶系统。应用频域中的分析方法,得到了系统收敛速度的充分条件。由于通信网络中不可避免的存在个体本身和其他个体之间的时滞问题,在此进一步分析了在具有时滞的条件下,系统使用所提出的一致性算法的稳定性问题。针对二阶多智能体系统,首先提出在无向网络下平均状态一致性算法,基于给定的条件,分析得到了系统能够达到静态一致和动态一致的充分条件。最后,将提出的算法在多飞机群的编队控制中进行了应用。