一种适用于量化多自主体系统的分布式控制方法技术方案

本发明专利技术公开了一种适用于量化多自主体系统的分布式控制方法，包括以下步骤：高阶非线性非同一多自主体建模；建立输入量化模型；在输入量化情形下建立执行机构故障模型；高阶多自主体模型的变化；建立分布式自适应一致控制模型。解决了在量化信号的情形下多自主体系统一致性控制的问题，即将所有的自主体的输出调整到期望状态。

【技术实现步骤摘要】
一种适用于量化多自主体系统的分布式控制方法
本专利技术属于控制理论与应用
，涉及一种适用于量化多自主体系统的分布式控制方法。
技术介绍
多自主体系统一致控制在无人机编队飞行、卫星星座构型调整和协同发电等很多领域都有广泛的应用，近年来已经成为控制领域的研究热点。而在许多工程领域里，比如数字化控制系统、混合系统和网络控制系统，量化信号是不可避免的。对于每个自主体而言，只可根据自身以及相邻自主体的信息进行编队协同控制，也就是说，多自主体系统的控制属于分布式控制。因此，研究量化多自主体系统的分散控制方法具有重要意义。信号量化，一般可认为是从连续信号到离散有限集合的映射。为了解决量化系统中存在的不确定性和干扰，Persis等提出了一系列鲁棒控制方法。但是上述方法不能解决高阶非线性系统的量化控制问题。为了解决该问题，Zhou等引入自适应反步思想，获得了不错的效果。但是上述文献都是针对单一系统，并未针对网络化的复杂系统进行研究。如前所述，网络化多自主体系统具有广泛的应用范围和很高实用价值。因此研究多自主体系统中量化信号的特性，进而研究量化多自主体系统的分散控制方法，具有重要的理论和实践意义。
技术实现思路
本专利技术的目的在于提供一种适用于量化多自主体系统的分布式控制方法；解决了在量化信号的情形下多自主体系统一致性控制的问题，即将所有的自主体的输出调整到期望状态。本专利技术的目的是通过以下技术方案来实现的：这种适用于量化多自主体系统的分布式控制方法，包括以下步骤：步骤1，高阶非线性非同一多自主体建模；步骤2，建立输入量化模型；步骤3，在输入量化情形下建立执行机构故障模型；步骤4，高阶多自主体模型的变化；步骤5，建立分布式自适应一致控制模型，具体为：定义其中βi,q-1为第(q-1)的虚拟控制量，定义以及i＝1,…,N得到时变参数和外部干扰为：其中代表θi,μi,D的估计值，为设计参数，实际控制律为调节函数为：自适应律为：更进一步的，本专利技术的特点还在于：其中步骤5中建立分布式自适应一致控制模型的具体过程为包括以下步骤：步骤5.1，设计第1虚拟控制量为其中ci,1＞0，调节函数设计为步骤5.2，设计第q(1＜q≤n-1)虚拟控制量为：，其中ci,q＞0，调节函数设计为：步骤5.3，设计第n虚拟控制量为：，其中Di,u＝ui,min+supt≥0||di,u||，令为Di,u,Hi的估计值，为正的设计参数，与步骤5.2相同。其中步骤1中，高阶非线性多自主体系统表示为：其中为系统状态和控制输入，时变分段连续未知参数，和为已知光滑函数，为未知光滑函数，di,q(t)为不匹配干扰，Qi(ui)为的量化值。其中步骤2中输入量化模型为：，其中j＝1,2,…andui,min＞0代表q(ui)的死区参数0＜ρi＜1,δi＝(1-ρi)/(1+ρi)。其中步骤3中执行机构故障模型为：vi(t)＝hi(t)Qi(ui)+di,u(t)＝hi(t)ui+hi(t)Δi+di,u(t)，其中vi(t)为执行机构的输出，为执行机构的偏移故障，hi(t)表示执行机构增益故障的尺度，hi(t)∈[0,1]。其中步骤4中高阶非线性多自主体的模型为：yi＝xi,1,i＝1,…,N。与现有技术相比，本专利技术的有益效果在于：从高阶非线性多自主体系统的运动学动力学角度出发，在输入信号分段量化的情形下，能够实现多自主体的一致控制；同时，本专利技术所提的控制方法能够实现执行机构存在故障情形下的容错控制，具备非脆弱性。控制增益根据外部干扰和故障情形变化而变化，具有非保守性。此外，控制器结构简单，可以减轻计算机的运算负荷，具有较高的实用价值，能够在无人机编队飞行、卫星星座排布与调整等领域得到广泛的应用。附图说明图1为本专利技术实施例中多自主体输出量γi的变化轨线；图2为本专利技术实施例中多自主体自适应参数的变化轨线；图3为本专利技术实施例中多自主体自适应参数的变化轨线；图4为本专利技术实施例中多自主体自适应参数的变化轨线；图5为本专利技术实施例中多自主体自适应参数的变化轨线。具体实施方式下面结合附图对本专利技术做进一步详细描述：本专利技术提供了一种适用于量化多自主体系统的分布式控制方法，具体的包括以下步骤：步骤1，高阶非线性非同一多自主体建模；其中高阶非线性多自主体系统表示为：其中为系统状态和控制输入，时变分段连续未知参数，和为已知光滑函数，为未知光滑函数，di,q(t)为不匹配干扰，Qi(ui)为的量化值。步骤2，建立输入量化模型为：，其中j＝1,2,…andui,min＞0代表q(ui)的死区参数0＜ρi＜1,δi＝(1-ρi)/(1+ρi)，ρi是量化密度的测度，也就是说，ρi越小，量化器越粗糙，通常情况下，Qi(ui)被分解为一个线性部分和一个非线性部分Qi(ui)＝ui+Δi，其中步骤3，在实际工程应用中，执行机构故障常常存在于多自主体系统中。考虑到输入信号的量化过程，建立执行机构故障模型为：vi(t)＝hi(t)Qi(ui)+di,u(t)＝hi(t)ui+hi(t)Δi+di,u(t)，其中vi(t)为执行机构的输出，为执行机构的偏移故障，hi(t)表示执行机构增益故障的尺度，hi(t)∈[0,1]。三种类型的故障可由hi(t)表示：hi(t)＝1：执行机构以全效率工作；0＜hi(t)＜1，执行机构部分损失其效率。例如，hi(t)＝0.8表征执行机构损失了20％的效率；hi(t)＝0，执行机构处于卡死状态，执行机构的输出不再受输入的影响。步骤4，高阶多自主体模型的变化；考虑到输入信号的量化和执行机构的故障，高阶非线性多自主体的模型可以建立为：yi＝xi,1,i＝1,…,N。步骤5，建立分布式自适应一致控制模型，具体为：定义其中βi,q-1为第(q-1)的虚拟控制量，定义z1＝[z1,1,…,zN,1]T,以及得到时变参数和外部干扰为：其中代表θi,μi,D的估计值，为设计参数，实际控制律为调节函数为：自适应律为：在步骤5中虚拟控制律的设计过程为：步骤5.1设计第1虚拟控制量为其中ci,1＞0，调节函数设计为步骤5.2，设计第q(1＜q≤n-1)虚拟控制量为：，其中ci,q＞0，调节函数设计为：步骤5.3，设计第n虚拟控制量为：，其中Di,u＝ui,min+supt≥0||di,u||，令为Di,u,Hi的估计值，为正的设计参数，ci,n＞0,与步骤5.2相同。以实现多机械壁协同操作为实施例。单链接机械臂模型为：其中为链接位置和速度，τi为控制力矩，量化参数采用为δi＝0.6,ui,min＝0.2，执行机构故障模型为初始参数为：xi,1(0)＝0.05(6-i),xi,2(0)＝0,xi,3(0)＝0。本实施例所设计的自适应反步一致控制方法的实际效果图如图1-5所示。各个自主体的输出量均能收敛到期望值。收敛误差较小，而且自适应参数有界。通过该控制器可以实现输入量化和故障情形下的多自主体的协同控制。由于该控制方法简单可行，能够应用在工程实际中。本文档来自技高网...

【技术保护点】
一种适用于量化多自主体系统的分布式控制方法，其特征在于，包括以下步骤：步骤1，高阶非线性非同一多自主体建模；步骤2，建立输入量化模型；步骤3，在输入量化情形下建立执行机构故障模型；步骤4，高阶多自主体模型的变化；步骤5，建立分布式自适应一致控制模型，具体为：定义

【技术特征摘要】
1.一种适用于量化多自主体系统的分布式控制方法，其特征在于，包括以下步骤：步骤1，高阶非线性非同一多自主体建模；步骤2，建立输入量化模型；步骤3，在输入量化情形下建立执行机构故障模型；步骤4，高阶多自主体模型的变化；步骤5，建立分布式自适应一致控制模型，具体为：定义其中βi,q-1为第(q-1)的虚拟控制量，定义z1＝[z1,1,…,zN,1]T,以及i＝1,…,N得到时变参数和外部干扰为：其中代表μi,D的估计值，为设计参数，实际控制律为调节函数为：自适应律为：2.根据权利要求1所述的适用于量化多自主体系统的分布式控制方法，其特征在于，所述步骤5中建立分布式自适应一致控制模型的具体过程为包括以下步骤：步骤5.1，设计第1步虚拟控制量为其中ci,1＞0，调节函数设计为步骤5.2，设计第q(1＜q≤n-1)步虚拟控制量为：，其中ci,q＞0，调节函数设计为：步骤5.3，设计第n步虚拟控制量为：，其中Di,u＝ui,min+supt≥0||di,u||，令为Di,u,Hi的估计值，为正的设计参数，与步骤5.2相同。3.根据权利要求1或2任意一项所述的适用于量化多自...

【专利技术属性】
技术研发人员：袁建平，王铮，袁源，张博，
申请(专利权)人：西北工业大学深圳研究院，西北工业大学，
类型：发明
国别省市：广东,44