一种非线性多智能体系统动态事件触发控制方法技术方案

本发明专利技术公开了一种非线性多智能体系统动态事件触发控制方法，包括：每个智能体同步采样状态信息，并周期性监测事件触发函数，每个智能体只在事件触发函数触发时广播自己的状态；事件触发函数中的参数动态更新；通过数值仿真验证控制策略的有效性。本发明专利技术研究了非线性高阶多智能体系统的编队控制问题，采用基于采样数据的动态事件触发机制，通过将编队问题转换为子系统的稳定问题，然后将子系统构造成时延系统，利用线性矩阵不等式得到系统稳定的充分条件，最终实现了编队控制。最终实现了编队控制。最终实现了编队控制。

【技术实现步骤摘要】
一种非线性多智能体系统动态事件触发控制方法


[0001]本专利技术涉及动态事件触发控制
，特别涉及一种基于采样数据的非 线性多智能体系统动态事件触发控制方法。

技术介绍

[0002]近年来，由于多智能体系统在电网、传感器网络、交通与机器人等领域的 广泛应用，其分布式控制受到越来越多人的关注。分布式协同控制包括众多分 支，如：蜂拥、一致、编队与合围等。编队控制的目标是使一群智能体实现指 定的几何队形，其广泛应用于军事领域、卫星组网与无人机表演等场景。
[0003]在真实系统中，控制器在嵌入式微处理器上运行，并且周期性执行。因此， 离散控制策略受到了越来越多的关注。Y.P.Gao等人研究了时变有向通讯拓扑 下，二阶系统的一致性问题，每个智能体只能在采样时刻获得邻居的位置与速 度信息，并且每个智能体的采样周期不同。G.H.Wen等人针对具有非线性动态 的多智能体系统，提出了延时输入策略，通过该方法，可以将离散系统转换为 具有时变延时的非线性系统，并且可以估计系统允许的最大采样周期。此外， 还有更多有关基于采样数据的多智能体分布式协同控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非线性多智能体系统动态事件触发控制方法，其特征在于，包括以下步骤：S1、每个智能体同步采样状态信息，并周期性监测事件触发函数，每个智能体只在函数触发时广播自己的状态；S2、事件触发函数中的参数动态更新；S3、通过数值仿真验证控制策略的有效性。2.根据权利要求1所述的非线性多智能体系统动态事件触发控制方法，其特征在于，所述方法还包括在步骤S1之前进行的：给出图理论、每个智能体的动力学与编队问题的定义，以及后续用到的假设与引理；所述图理论包括：考虑具有N个节点的无向图G，表示为G＝{V,E,W}，其中V＝{v1,v2,...,v
N
}表示节点的集合，表示边的集合，W＝[w
ij
]∈R
N
×
N
表示邻接矩阵；对于邻接矩阵W，如果(v
i
,v
j
)∈E，则w
ij
＞0，其中v
i
与v
j
互为邻居；否则w
ij
＝0；N
i
表示智能体i的邻居的集合；图G的拉普拉斯矩阵L＝[l
ij
]∈R
N
×
N
定义为当图中任何两个节点之间都存在连接通路时，无向图G是全连接的；问题描述如下：考虑具有通讯拓扑G的多智能体系统，包含N个智能体，每个智能体的动力学模型描述为：其中x
i
(t)∈R
n
,u
i
(t)∈R
m
，f(x
i
(t),t)∈R
n
分别表示智能体i的状态、输入与非线性动态，并且有态，并且有A和B是具有相应维数的常矩阵；定义1：如果对于任意给定有界初始条件，满足下列要求，则称多智能体系统能够实现时变状态编队h：其中h
i
∈R
n
表示状态x
i
(t)的偏移量，并且有r(t)是编队位置函数；定义2：如果采用控制器u
i
(t)(i＝1,2,...,N)，多智能体系统能够实现编队h，则称编队h是可行的；假设与引理如下：假设1：图G是无向图且全连通；假设2：对于任意的x,y∈R
n
，非线性动力学f(x
i
(t),t)满足如下李普希兹条件：引理1：无向图G的拉普拉斯矩阵为L∈R
N
×
N
，则：L至少有一个零特征值，并且该特征值对应的特征向量为1
N
，即L1
N
＝0
N
；如果G是全连通的，则0是L的单特征值，其余N
‑
1个特征值都具有正实部，即0＝λ1＜λ2≤...≤λ
N
；
引理2：如果矩阵R＞0，则对于任意矩阵X与标量ρ＞0，满足下式：
‑
XR
‑1X≤ρ2R
‑
2ρX引理3：对于对称矩阵A
11
，A
12
，A
22
，下列性质是等价的：，下列性质是等价的：，下列性质是等价的：3.根据权利要求2所述的非线性多智能体系统动态事件触发控制方法，其特征在于，所述步骤S1具体包括：设计事件触发机制：定义编队误差为：δ
i
(t)＝x
i
(t)
‑
h
i
(i＝1,2,...,N)且有定义测量误差为：其中T为采样周期，为智能体i的最近一次触发时刻，且有定义组合测量为：其中为智能体j的最近一次触发时刻，且有忽略非线性项f(x
i
(t),t)，得到智能体i的状态估计为：其中KT为采样时刻，且有其中KT为采样时刻，且有为智能体i在时刻KT的状态估计，且有然后，得到状态估计误差为：其中x
i
(KT+T)为智能体i的状态在KT+T时刻的采样值，且有设计基于采样数据的事件触发编队控制策略如下所示：其中且智能体i的动态事件触发函数g
i
(t)定义为：(t)定义为：
其中σ
i
(KT)为动态参数，θ＞0为正常数。4.根据权利要求3所述的非线性多智能体系统动态事件触发控制方法，其特征在于，智能体仅在每一个采样时刻KT检查动态事件触发函数g
i
(t)；首先，根据式更新动态参数σ
i
(KT)；然后，将采样值代入式当且仅当g
i
(KT)≥0时，系统触发并更新控制器u
i
(t)；触发时刻表示为：引理4：对于给定初始条件σ
i
(0)∈[0,1)与θ＞0，采用式进行参数更新，则σ
i
(KT)在任意时刻满足如下约束条件：0≤σ
i
(KT)≤σ
i
(0)＜1,5.根据权利要求4所述的非线性多智能体系统动态事件触发控制方法，其特征在于，采用数学归纳法进行证明：当K＝1时，得到：表明0≤σ
i
(T)≤σ
i
(0)＜1；对于假设0≤σ
i
(KT)≤σ
i
(0)＜1，得到：且有...

【专利技术属性】
技术研发人员：余瑶，柴小丰，孙长银，冯涛，解乃颖，刁奇，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：