【技术实现步骤摘要】
基于RBF神经网络的异构多智能体系统协同容错控制方法
[0001]本专利技术涉及一种基于RBF神经网络的异构多智能体系统协同容错控制方法,属于异构多 智能体系统
技术介绍
[0002]近年来,无人作战系统作为改变未来战争模式的颠覆性技术装备,在世界范围内得到飞 速发展,已经成为国家间军事博弈的重要力量。面向未来作战应用需求,以无人机与无人车 组成的异构无人集群系统具有重要的研究价值。
[0003]由于无人机和无人车的异构特性,编队控制的困难度急剧增加。无人机与无人车之间存 在巨大差异,例如,二者有不同的工作空间、不同的动力学特性、不同的速度限制,这些差 异不仅仅体现在数学模型的差异上,更让控制系统难于统一处理。同时,二者模型的差异又 导致了控制目标量的不一致,进一步增加了编队控制系统的设计难度。受制于这些困难,目 前无人机和无人车协同控制的精度低且可靠性差,现有编队控制方法不能有效地指导工程应 用。同时,无人作战系统实现任务的前提是每个智能体本身能够正常运行,一旦在运行中某 个或多个智能体发生执行器故障,就可能因控制律不能完整的被执行而导致整体任务失败。 由于多智能体之间相互连接,单个智能体的故障很可能影响整个系统,甚至导致整个系统崩 溃,无法完成任务,造成巨大的损失,但是目前这个方向的研究尚少,因此异构智能体系统 的容错控制具有重要的现实意义。
技术实现思路
[0004]为了解决上述
技术介绍
提出的技术问题,本专利技术旨在提供基于RBF神经网络的异构多智 能体系统协同容错控制方法,克 ...
【技术保护点】
【技术特征摘要】
1.基于RBF神经网络的异构多智能体系统协同容错控制方法,其特征在于,包括如下步骤:(1)设定所有的智能体都能够获得预定的运动轨迹和速度,通过异构多智能体间的通讯链接,构建异构多智能体系统的通讯拓扑并以有向图表示,计算出拉普拉斯矩阵;(2)根据每个智能体的动力学方程,在考虑执行器的乘性故障和加性故障的情况下,形成统一二阶动态方程形式的每个智能体带有故障的模型;(3)基于RBF神经网络自适应理论和通讯网络链接,设计异构多智能体系统的协同容错控制器,基于一致性理论得到异构多智能体系统的全局动态方程,实现系统的协同容错控制。2.如权利要求1所述的基于RBF神经网络的异构多智能体系统协同容错控制方法,其特征在于,在步骤(1)中,采用G={V,E,A}表示异构多智能体系统的通讯拓扑;其中,V={v1,v2,
…
,v
N
}表示智能体集合,v
i
表示第i个智能体,i=1,2,
…
,N,N表示智能体数量,E=[e
ij
]表示智能体之间的通讯链接集合,e
ij
=(v
i
,v
j
)表示v
i
能够获取第j个智能体v
j
的信息,j=1,2,
…
,N;A=[a
ij
]为权值非负的邻接矩阵,如果(v
i
,v
j
)∈E则a
ij
>0,否则a
ij
=0;G的入度矩阵D=diag(deg
in
(v1),deg
in
(v2),
…
,deg
in
(v
N
)),拉普拉斯矩阵L=[l
ij
]=D-A。3.如权利要求1所述的基于RBF神经网络的异构多智能体系统协同容错控制方法,其特征在于,步骤(2)中第i个智能体带有故障的模型表示为如下的二阶动态方程:其中,n为向量维度,x
i
(t)∈R
n
、v
i
(t)∈R
n
和分别代表t时刻第i个智能体的位置、速度和带有未知故障的控制输入向量;ρ
i
(t)=diag{ρ
i1
(t),ρ
i2
(t),
…
,ρ
in
(t)},b
i
(t)=[b
i1
(t),b
i2
(t),
…
,b
in
(t)]
T
,0<ρ
ik
(t)≤1和b
ik
(t)分别表示t时刻第i个智能体的执行器第k个通道未知效率因子和输出偏差,0<ρ
i
≤ρ
i
(t)≤1,ρ
i
为ρ
i
(t)的下界,为b
i
(t)的上界;t时刻第i个智能体模型中的非线性项和不确定性项综合表示为f
i
(*,t)=[f1(*,t),f2(*,t),
…
,f
n
(*,t)]
T
;d
i
(t)=[d
i1
(t),d
i2
(t),
…
,d
in
(t)]
T
表示t时刻第i个智能体受到的外界扰动。4.如权利要求3所述的基于RBF神经网络的异构多智能体系统协同容错控制方法,其特征在于,第i个智能体带有故障的模型包含如下的故障模式:1)ρ
i
(t)=1且b
i
(t)≠0:代表执...
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。