论文部分内容阅读
网络化多智能体系统是由多个可相互通信、相互合作的智能体组成的一类系统。它在智慧城市、智能交通、传感器网络等多种领域的研究中发挥着重要的作用。由于网络的存在,网络化多智能体系统中不可避免的会存在网络诱导时延、数据包丢失、通信信道拥堵等问题,而多智能体系统本身具有一定的复杂性,因此考虑采用分布式控制算法进行处理。模型预测控制算法因其具有良好的优化控制效果以及处理各类约束的能力而受到大家的广泛关注,但是它的迭代优化的特性也成为了它最大的短板,反复迭代会给计算机带来很大的计算负担。因此本文针对以上问题,基于事件触发机制、随机通信协议、事变终端成本函数研究网络化多智能体系统的模型预测控制问题。主要研究内容概述如下:首先,研究了具有丢包的非线性多智能体系统的事件触发主动模型预测控制。基于模型预测控制算法的递归可行性条件,设计了一种降低传感成本的事件触发机制,实现在一定的采样瞬间检测事件触发条件,并且所有智能体的预测时域都通过事件触发机制实现自主选择。通过选择最大预测时域得到非线性多智能体系统的共同预测时域,以保证所有智能体的同步更新。利用求解优化问题得到的可行序列补偿了丢失的数据包。最后,通过数值模拟验证了该算法设计的有效性。然后,研究了具有网络诱导时延和随机通信协议的非线性多智能体系统的一致性模型预测控制。在所设计的通信等待机制下,每个智能体都对时延具有一定的容忍度,而这个容忍度则可通过保证系统稳定性的条件确定。与此同时为多智能体系统设计了一种随机通信协议,保证了多智能体系统的有序通讯。最后通过数值模拟验证了所设计的算法的有效性。最后,研究了基于时变终端成本函数的非线性系统的模型预测跟踪控制。对于一种由两个智能体的组成一类系统,考虑引入一个人工参考项作为跟踪不可达的周期参考的决策变量。因为约束是独立于周期参考的,在优化问题中给出了保证周期参考发生突变时算法的可行性的约束条件。提出了一种时变周期性多主题线性差分包含,以保证非线性系统的人工参考附近的局部行为。为保证非线性系统的稳定性,设计了时变终端代价函数的时变权矩阵。通过对移动机器人系统的仿真实例,说明了所设计的跟踪控制方案的有效性。