论文部分内容阅读
近年来,多智能体系统的协同控制问题引起国内外控制领域专家学者的广泛关注。一致性作为多智能体系统协同控制中一类重要问题,更是成为了研究的热点。但随着网络通信技术和智能控制理论的发展,基于智能体之间协调合作的多智能体系统同时也是一个复杂的动态网络系统。然而目前关于多智能体系统一致性问题的研究成果大部分仅研究了非网络环境下的稳定性。因此,本文针对实际系统中存在的一类执行重复控制任务的非线性多智能体系统,研究了系统在复杂动态网络环境中受到数据丢失、饱和约束、拓扑切换三方面通信约束限制下的一致性问题,设计出分布式的控制协议,实现了多智能体系统在有限时间区间上的完全一致。本文的主要工作内容分为如下部分:(1)考虑数据丢失下带有领导者智能体的多智能体系统的一致性问题。假设多智能体系统的通信拓扑结构固定。将网络环境传输过程中存在的数据丢失现象,描述为取值0、1的伯努利序列。设计多智能体系统的一致性误差,提出数据丢失下的分布式P型迭代学习控制算法。给出了系统收敛的充分条件,并根据压缩映射的方法分析了系统跟踪误差在期望意义下的收敛性。最后,通过MATLAB仿真验证了算法的有效性,并给出了不同数据丢失率对系统的影响。(2)考虑饱和约束下带有领导者智能体的多智能体系统的一致性跟踪问题。针对非线性多智能体系统提出了饱和约束下的分布式迭代学习一致性算法。假设领导者智能体的信息全局可达但仅有部分智能体能够直接获取。构造出饱和约束函数,设计了多智能体系统的一致性误差。得到了系统在固定拓扑结构下达到完全一致的充分条件。通过定义对角矩阵的方法处理饱和项,基于压缩映射对饱和约束下系统的跟踪误差进行收敛性分析,并在最后通过数值仿真验证了算法的有效性。(3)针对复杂动态网络多智能体系统中的智能体之间通信拓扑结构随机切换问题,提出系统拓扑结构在随机切换下的迭代学习控制算法。在同时考虑系统中智能体存在初始偏移的基础上,给出了系统收敛的充分条件,并基于压缩映射的方法分析了系统在范数意义下收敛性。最后通过提供的系统可切换的拓扑结构,进行数值仿真,进而验证了系统在拓扑随机切换下收敛性。