基于多智能体的抗干扰自适应模糊滑膜协同控制方法技术

本发明专利技术涉及一种基于多智能体的抗干扰自适应模糊滑膜协同控制方法，包括以下步骤：S1、获取多台智能体给定速度反馈速度χ

【技术实现步骤摘要】
基于多智能体的抗干扰自适应模糊滑膜协同控制方法


[0001]本专利技术涉及多智能体协同控制方法
，尤其是指一种基于多智能体的抗干扰自适应模糊滑膜协同控制方法。

技术介绍

[0002]近年来，针对传统同步控制策略的不足，一些学者提出了多智能体一致理论和结构对多电机系统进行研究。在多智能体系统中，一致性问题一直是研究的重点。所谓多智能体系统的一致性是指两个或两个以上智能体的速度、距离等状态变量，在随时间变化过程中维持相对关系不变，最终趋于同步的现象。
[0003]Olfati
‑
Saberder等人针对多智能体一致性问题，系统地给出了同步一致性协议的基本理论框架。将每个智能体视为有向图中的一个节点，相邻智能体之间的信息传递视为一条边，运用代数图论、矩阵论的知识，实现了多智能体的一致性控制。之后Ren和Atkins对于二阶多智能体系统进行了研究，给出了一致性控制协议。为了实现理论与实际的相结合，一些学者开始将多智能体技术应用实际工程中，主要包括智能机器人、无人机、多电机、水下航行器等领域。
[0004]现有技术中，将多台智能体集成设置在智能机器人、无人机、多电机、水下航行器中，多台智能体的实际控制精度仍然存在一定的误差，并且多台智能体之间会出现互相干扰的问题。

技术实现思路

[0005]为此，本专利技术所要解决的技术问题在于克服现有技术中多智能体之间同步精度存在一定误差及互相干扰的情况，提供一种基于多智能体的抗干扰自适应模糊滑模协同控制方法，来提高多台智能体同步追踪精度，能够实现多台智能体协同控制。
[0006]为解决上述技术问题，本专利技术提供了一种基于多智能体的抗干扰自适应模糊滑膜协同控制方法，其特征在于：包括以下步骤：S1、获取多台智能体给定速度反馈速度χ
i.1
、反馈电流信号χ
i.2
和χ
i.3
；S2、整合多台智能体定速度和反馈速度χ
i.1
的偏差z
i.1
，同时对多个智能体进行扰动观测，得到补偿控制信号S3、将偏差z
i.1
和补偿控制信号进行虚拟控制得到q轴控制电流信号将d轴控制电流信号选取为0；S4、控制电流信号和与反馈电流信号χ
i.2
和χ
i.3
通过自适应模糊滑模控制得到q轴和d轴的控制电压信号u
i.q
和u
i.d
。
[0007]在本专利技术的一个实施例中，在S2中通过多智能通讯整合多台智能体定速度和反馈速度χ
i.1
的偏差z
i.1
，所述多智能通讯基于有向通讯拓扑理论，以有向通讯拓扑图在每台多智能体的控制器之间建立有向通讯，包括以下步骤：S21、定义一个有向图G＝(V，Y，A)，
以此表示多台电机的通讯拓扑，其中V＝{v1，v2，
…
，v
n
}表示节点集，表示边的集合，A＝[a
ij
]n
×
n
代表邻接矩阵，在有向图中，(v
i
，v
j
)表示节点j可以从i处获取信息；S22、利用邻接矩阵A＝[a
ij
]n
×
n
来描述多智能体系统中的信息传输关系，若(v
j
，v
i
)∈Y，则a
ij
＝1；若则a
ij
＝0。
[0008]在本专利技术的一个实施例中，将通讯拓扑图的输出领域同步误差作为偏差z
i.1
，所述领域同步误差的表达式为：
[0009][0010]其中，其中e
i.1
和e
j.1
分别表示第i台智能体和第j台智能体的转速跟踪误差；，b
i
为B＝diag(b1，b2，
…
，b
n
)对角矩阵中的元素，代表跟随者和领导者的通讯情况。
[0011]在本专利技术的一个实施例中，步骤S2中的扰动观测基于超扭曲算法，引入第i台电机的反馈转速x
i.1
和q轴和d轴的反馈电流x
i.2
和x
i.3
来估计电机出现的扰动，并输出补偿控制信号进行补偿，以此提高系统的抗干扰能力。
[0012]在本专利技术的一个实施例中，在步骤S3中虚拟控制基于反推控制的思想，包括以下步骤：S31、搭建智能体的数学模型、构建Lyapunov函数，通过数学模型反推得到虚拟控制律；S32、根据有限时间稳定性条件，使用二阶滑模微分器在有限时间内逼近虚拟控制律的导数。
[0013]在本专利技术的一个实施例中，在上述步骤S32中引入指令滤波补偿，通过指令补偿误差，减少了二阶滑模微分器产生的误差，同时保证误差补偿信号的有限时间收敛性。
[0014]在本专利技术的一个实施例中，在步骤S4中自适应模糊滑模控制基于积分滑模面和自适应模糊控制，保证系统稳定的Lyapunov函数中引入积分滑模面，兼顾系统的鲁棒性。
[0015]在本专利技术的一个实施例中，所述积分滑模面从改进滑模趋近律角度出发，采用Sigmoid函数取代传统sign函数作为滑模面切换函数，削减滑模抖振现象。
[0016]在本专利技术的一个实施例中，所述自适应模糊控制是控制器的控制规律，以q轴和d轴的滑模面为基础选取适用的自适应律，通过自适应律运用模糊逻辑系统求出函数逼近算子来逼近系统的非线性部分，对动态模型中非线性部分的模糊化。
[0017]为解决上述技术问题，本专利技术还提供了一种基于多智能体的抗干扰自适应模糊滑膜协同控制系统，所述系统能够实现上述控制方法，所述系统包括用于实现多智能体通讯的多智能体通讯器、用于实现扰动观测为扰动观测器、用于实现虚拟控制的虚拟控制器和指令滤波补偿器以及用于实现自适应模糊滑模控制的q轴自适应模糊滑模控制器和d轴自适应模糊滑模控制器。
[0018]本专利技术的上述技术方案相比现有技术具有以下优点：
[0019]本专利技术所述的基于多智能体的抗干扰自适应模糊滑膜协同控制方法，将多电机系统视为一个多智能体系统，使用有向通信拓扑来描述相邻电机之间的信息传输模式，并通过数值关系中定义的邻域同步误差来表示该模式；引入扰动观测器估计电机运行过程中的负载扰动，减小了外部干扰对协同控制性能的影响，提高了转速同步精度；使用模糊逻辑系统中的非线性函数，解决了电机的高阶非线性问题，并简化了控制器的结构；并且自适应技术与模糊逻辑系统相结合，从而使系统具备自适应学习能力，更好的解决系统中出现的参
数不确定问题；所设计控制策略中的所有误差信号都被证明是有限时间稳定的。
附图说明
[0020]为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中
[0021]图1是本专利技术的基于多智能体的抗干扰自适应模糊滑膜协同控制方法的步骤流程图；...

【技术保护点】

【技术特征摘要】
1.一种基于多智能体的抗干扰自适应模糊滑膜协同控制方法，其特征在于：包括以下步骤：S1、获取多台智能体给定速度反馈速度χ
i.1
、反馈电流信号χ
i.2
和χ
i.3
；S2、整合多台智能体定速度和反馈速度χ
i.1
的偏差z
i.1
，同时对多个智能体进行扰动观测，得到补偿控制信号S3、将偏差z
i.1
和补偿控制信号进行虚拟控制得到q轴控制电流信号将d轴控制电流信号选取为0；S4、控制电流信号和与反馈电流信号χ
i.2
和χ
i.3
通过自适应模糊滑模控制得到q轴和d轴的控制电压信号u
i.q
和u
i.d
。2.根据权利要求1所述的基于多智能体的抗干扰自适应模糊滑膜协同控制方法，其特征在于：在S2中通过多智能通讯整合多台智能体定速度和反馈速度χ
i.1
的偏差z
i.1
，所述多智能通讯基于有向通讯拓扑理论，以有向通讯拓扑图在每台多智能体的控制器之间建立有向通讯，包括以下步骤：S21、定义一个有向图G＝(V，Y，A)，以此表示多台电机的通讯拓扑，其中V＝{v1，v2，
…
，v
n
}表示节点集，表示边的集合，A＝[a
ij
]
n
×
n
代表邻接矩阵，在有向图中，(v
i
，v
j
)表示节点j可以从i处获取信息；S22、利用邻接矩阵A＝[a
ij
]
n
×
n
来描述多智能体系统中的信息传输关系，若(v
j
，v
i
)∈Y，则a
ij
＝1；若则a
ij
＝0。3.根据权利要求2所述的基于多智能体的抗干扰自适应模糊滑膜协同控制方法，其特征在于：将通讯拓扑图的输出领域同步误差作为偏差z
i.1
，所述领域同步误差的表达式为：其中，其中e
i，1
和e
j，1
分别表示第i台智能体和第j台智能体的...

【专利技术属性】
技术研发人员：许德智，张伟明，杨玮林，潘庭龙，殷展翔，陈友芹，
申请(专利权)人：江南大学，
类型：发明
国别省市：