论文部分内容阅读
考虑到使用多智能体协作方式来完成任务可以带来更多的收益,对该领域协调控制方面的研究引起了国内外学者的广泛关注。通过整合多个智能体的环境感知能力,共享其计算处理能力,能够提高智能体集群的执行能力以及任务成功的概率。目前多智能体系统中的一阶多智能体系统模型已经被充分研究,但实际的物理系统往往更为复杂,并且时常伴随非线性的特征。因此,研究带有非线性项的二阶系统分布式协调控制问题更具有实际意义。在现有研究成果的基础上,本文针对二阶非线性多智能系统的分布式协调控制领域,特别是其中的跟踪问题与包含问题,进行了进一步的研究。论文的主要内容和研究成果如下:首先针对只有一个领导者的情况,在跟随者之间存在有向拓扑的限制条件下,研究分析了带有非线性项的二阶多智能体系统的完全分布式协调跟踪问题,并考虑了跟随者控制增益不同与自适应的情况。由于多智能体在执行任务过程中所处的环境往往不同,因此设计了分布式的异质增益控制器来使多智能体系统更接近真实情况,利用Lyapunov稳定性分析,证明了当跟随者的控制增益不同且皆大于某个下界时,系统中跟随者的状态信息能够追踪上领航者的状态信息。在异质增益控制算法中,增益的下界与全局信息相关,这不符合完全分布式的控制理念。因此,本文对原本的异质增益控制算法进行改进,在有向拓扑结构下提出了含有自适应时变增益的分布式算法。通过使用积分型Lyapunov候选函数,证明了系统的稳定性,从而实现了完全分布式跟踪。进一步研究了存在多个领导者情况下的分布式包含控制问题,即所有跟随者进入领导者组成的闭包中。首先设计了异质增益分布式包含控制算法,每个跟随者都有不同的常值增益。此基础上,提出了具有自适应时变增益的分布式算法。利用Lyapunov方法证明了算法的稳定性。使用σ修正对上述分布式自适应增益算法进行了改进。提出了自适应σ修正方法,使得算法具有较好的鲁棒性,最后通过仿真验证了算法的有效性。