【技术实现步骤摘要】
一种受限多智能体系统编队控制方法、系统及设备
本专利技术涉及多智能体控制
，尤其涉及一种受限多智能体系统编队控制方法、系统及设备。
技术介绍
近年来，受限多智能体的分布式编队控制受到了广泛的关注。多智能体编队控制的研究大多是建立在对系统状态和各智能体输入没有限制的理想假设基础上的，但智能体的系统状态或输入通常被限制在某个集合内，而现有技术中的受限多智能体编队控制研究中，未能提出针对带有多个非光滑函数加和形式优化指标情况的光滑编队控制协议，因此无法解决带有多非光滑优化指标的受限多智能体系统的编队控制问题。因此，现有技术有待于进一步的改进。
技术实现思路
鉴于现有技术的不足，本专利技术目的在于提供一种受限多智能体系统编队控制方法、系统及设备，克服现有技术中的受限多智能体编队控制技术中，针对带有多个非光滑优化指标的编队控制方法，还未有有效的解决方案的缺陷。本专利技术的技术方案如下：第一方面，本实施例提供了一种受限多智能体系统编队控制方法，其中，包括：建立受限多智能体系统模型...
【技术保护点】
1.一种受限多智能体系统编队控制方法，其特征在于，包括：/n建立受限多智能体系统模型，其中，所述受限多智能体系统模型包括：多智能体系统拓扑模型、多智能体系统动力学模型和带有多非光滑优化指标的分布式资源分配优化模型；所述多智能体系统拓扑模型中含有多个智能体对应的信息节点；/n基于凸优化理论和多算子分割技术，计算得到所述分布式资源分配优化模型中的各个智能体的位置最优解对应的多近端算子；/n根据所述位置最优解对应的多近端算子、所述多智能体系统动力学模型和所述分布式资源分配优化模型，得到第一编队控制算法，并基于所述第一编队控制算法计算得到各个智能体的满足预设编队条件的第一位置状态信...
【技术特征摘要】
1.一种受限多智能体系统编队控制方法，其特征在于，包括：
建立受限多智能体系统模型，其中，所述受限多智能体系统模型包括：多智能体系统拓扑模型、多智能体系统动力学模型和带有多非光滑优化指标的分布式资源分配优化模型；所述多智能体系统拓扑模型中含有多个智能体对应的信息节点；
基于凸优化理论和多算子分割技术，计算得到所述分布式资源分配优化模型中的各个智能体的位置最优解对应的多近端算子；
根据所述位置最优解对应的多近端算子、所述多智能体系统动力学模型和所述分布式资源分配优化模型，得到第一编队控制算法，并基于所述第一编队控制算法计算得到各个智能体的满足预设编队条件的第一位置状态信息；
根据计算得到的各个智能体满足的第一位置状态信息对各个智能体进行编队控制。
2.根据权利要求1所述的受限多智能体系统编队控制方法，其特征在于，所述非光滑优化指标中含有多个独立的非光滑凸函数；各个智能体对应的信息节点构成有向强连通图，且所述分布式资源分配优化模型至少有一个可行解。
3.根据权利要求2所述的受限多智能体系统编队控制方法，其特征在于，所述多智能体系统由若干个一阶积分器模型的智能体组成，其运动学模型为:
其中,ui(t)为t时刻的速度控制量，是智能体i的位置状态；每个智能体i∈{1,…,n}有m+1个函数fi0,fi1,…,fim:包含在代价函数中，其中,fi0是光滑凸函数，fij,j∈{1,…,n}是非光滑凸函数，其中的一个非光滑函数为智能体i的局部区域限制Ωi的指示函数。
4.根据权利要求3所述的受限多智能体系统编队控制方法，其特征在于，所述多智能体系统的分布式资源分配模型为：
其中，对于i∈{1,…,n}，其中Iq是q×q维的单位矩阵，di是智能体i满足等式约束编队条件要求的位置，Bi是q×q维实矩阵，gi是q维实向量；状态是第i个智能体的位置状态向量，并且
5.根据权利要求2所述的受限多智能体系统编队控制方法，其特征在于，所述位置最优解对应的多近端算子的表达式为：
其中，和使得Bx*-g≤0nq且(w*)T(Bx*-g)＝0；为的一组可行点；j∈{1,…,m}；
所述第一编队控制算法的表达式为：
其中，t≥0,i∈{1,…,n}，0<α1<1/(m-1)，v1,i是智能体i的拉格朗日乘子；j＝1,2，是矩阵Ln和Iq的克朗内克积；τ≥maxi∈{1,…,nq}{|λi(B)|}，μ<[1-α1(m-1)]/τ；是对nq维非负实向量的投影算子。
6.一种受限多智能体系统编队控...
【专利技术属性】
技术研发人员：尉越，奚乐乐，王星博，
申请(专利权)人：鹏城实验室，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。