一种基于状态事件触发的未知非线性系统分布式控制方法技术方案

本发明专利技术涉及一种基于状态事件触发的未知非线性系统分布式控制方法，包括以下步骤：构建多个智能体组成的多智能体系统，预设控制信号的期望轨迹并构建间歇状态反馈分布式控制模型；通过该模型计算所输入模拟控制信号的运行跟踪路径；计算运行跟踪路径与期望轨迹之间的跟踪误差，并进行在线训练；当训练至跟踪误差值衰减到残差范围时停止训练，得到训练好的间歇状态反馈分布式控制模型。本发明专利技术所阐述的方法可以实现对多智能系统的模拟控制信号进行稳定的跟踪控制。行稳定的跟踪控制。行稳定的跟踪控制。

【技术实现步骤摘要】
一种基于状态事件触发的未知非线性系统分布式控制方法


[0001]本专利技术涉及自动控制领域，特别涉及一种基于状态事件触发的未知非线性系统分布式控制方法。

技术介绍

[0002]如今，控制系统通常通过网络实现。如果传感器/执行器和控制输入通道中共享网络资源，就可以节省板载通信带宽和存储的能量，但这两种资源在自主运行的网络系统中都是有限的。因此，在一定的通信和能量限制下保持稳定性对于网络化控制系统至关重要。传统数字控制技术中常用的数据传输/通信方法是固定时间调度采样，然而这会导致通信网络不必要的过载。
[0003]为应对上述资源有限的微处理器与带宽有限的网络问题,引入了事件触发技术。然而现有的事件触发控制主要应用于线性系统上，在某些单一非线性系统上虽能够应用，但存在一定的限制。然而大量的实际联网的工程系统则并不在上述的应用范围内。
[0004]另一方面，大多数网络化的多智能体系统通常缺乏通信和能源资源，特别是当智能体本身或其内部设备由电池供电时，子系统之间的通信带宽和通道有限的，这促进了分布式事件触发的研究。现有的分布式状态触发控制或存在一些严苛条件的限制，或由于反步技术中虚拟控制器的重复/递归求导，存在复杂性爆炸性增长问题。此外，在事件触发控制框架下，对于具有不匹配不确定性的网络非线性严格反馈系统的研究结果仍然有限，相关问题尚未得到很好的解决。

技术实现思路

[0005]针对现有技术存在的上述问题，本专利技术要解决的技术问题是：目前的技术方法无法对多智能系统的模拟控制信号进行稳定的跟踪控制。
[0006]为解决上述技术问题，本专利技术采用如下技术方案：
[0007]一种基于状态事件触发的未知非线性系统分布式控制方法，包括如下步骤：
[0008]S100：构建多个智能体组成的多智能体系统：
[0009][0010][0011]y
i
＝x
i，1
ꢀꢀꢀꢀꢀꢀꢀꢀ
；(1)
[0012]其中，i表示第i个智能体，i＝1，2，
…
，N；x
i，k
：R
+
→
R，u
i
：R
+
→
R，y
i
：R
+
→
R分别表示第i个智能体的状态、控制输入和控制输出，f
i，k
：R
k
→
R，k＝1，
…
，n表示未知光滑非线性函数，表示第i个智能体k时刻状态的一阶导数，x
i，k+1
表示第i个智能体k+1时刻状态，x
i，1
表示第i个智能体初始时刻状态，x
i，k
表示第i个智能体k时刻状态，表示第i个智能体末尾n时刻状态的一阶导数，f
i，n
表示第i个智能体末尾n时刻对应的未知光滑非线性函数，x
i，n
表示第i个智能体末尾n时刻状态；
[0013]其中，
[0014][0015]其中，x
i，k
∈R
l
是神经网络输入向量，W
i，k
∈R
p
是理想权重矩阵，为W
i，k
的转置，φ
i，k
(x
i，k
)＝[φ
i，k1
(x
i，k
)，
…
，φ
i，kp
(x
i，k
)]T
∈R
p
是基函数向量；ε
i，k
(x
i，k
)∈R是近似误差，满足 ||φ
i，k
(x
i，k
)||≤φ
m
，|ε
i，k
(x
i，k
)|≤ε
m
，其中，φ
m
和ε
m
是未知的正常数，φ
i，kh
(x
i，k
)表示高斯函数，C＝[C1，
…
，C
l
]T
为接受域中心，b
h
为高斯函数的宽度；
[0016]S200：预设控制信号的期望轨迹y0，构建多智能体系统的间歇状态反馈分布式控制模型，具体步骤如下：
[0017]S210：构建间歇状态反馈的事件触发机制，表达式如下：
[0018][0019][0020][0021][0022]其中，和为触发阈值，为子系统i，i＝0时表示其本身，完成公式(3) 的第一个瞬间，是相邻子系统j的第一次触发时间，l＝0，1，2，
…
，k＝1，...，n.；和分别表示智能体i与其相邻智能体j在第l个事件中发布他们各自的状态信息所用的时间，表示智能体i与其相邻智能体j状态保持不变，即以及
[0023]S220：定义间歇状态反馈的跟踪误差，表达式如下：
[0024][0025][0026][0027]其中，
[0028][0029]其中，表示触发阈值，是完成后的第一次触发时间；
[0030]S230：根据间歇状态反馈的事件触发机制和跟踪误差构建间歇状态反馈分布式控制模型，表达式如下：
[0031][0032][0033][0034]和的表达式如下：
[0035][0036][0037]其中，表示W
i,k
的估计，Γ
i,k
是一个正定的矩阵,表示间歇状态反馈跟踪误差，；
[0038]S300：将任一多智能体系统模拟控制信号作为输入间歇状态反馈分布式控制模型，得到信号的运行跟踪路径y
i
；
[0039]S400：计算的跟踪误差ε＝y
i
‑
y0；
[0040]S500：如果跟踪误差ε衰减到残差集范围内时，得到训练好的间歇状态反馈分布式控制模型，此时认为信号可以进行稳定跟踪控制；
[0041]如果跟踪误差ε没有衰减到残差集范围内时，则采用最小二乘法更新并返回S300；残差集表达式如下：
[0042][0043]其中，‖ε(t)‖
[0,T]表示输出跟踪误差在[0,T]的积分值，T为某大于0的时刻，κ1为正的设计参数，Q为正定对称矩阵，λ
min
(Q)表示矩阵Q的最小特征值，V
n
(0)表示Lyapunov函数V
n
的初始值，Δ
n
为常数。
[0044]作为优选，所述S210中对于事件触发机制的限制条件表示如下：
[0045][0046]其中，Δz
i,k
,ρ
i,kr
和τ
i,k
为正常数，z
i，k
表示 z
i,k
＝x
i,k
‑
α
i,kf
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于状态事件触发的未知非线性系统分布式控制方法，其特征在于：包括如下步骤：S100：构建多个智能体组成的多智能体系统：0：构建多个智能体组成的多智能体系统：y
i
＝x
i，1
；
ꢀꢀꢀꢀꢀꢀ
(1)其中，i表示第i个智能体，i＝1,2,
…
,N；x
i，k
：R
+
→
R，u
i
：R
+
→
R，y
i
：R
+
→
R分别表示第i个智能体的状态、控制输入和控制输出，f
i，k
：R
k
→
R，k＝1，
…
，n表示未知光滑非线性函数，表示第i个智能体k时刻状态的一阶导数，x
i，k+1
表示第i个智能体k+1时刻状态，x
i，1
表示第i个智能体初始时刻状态，x
i，k
表示第i个智能体k时刻状态，表示第i个智能体末尾n时刻状态的一阶导数，f
i，n
表示第i个智能体末尾n时刻对应的未知光滑非线性函数，x
i，n
表示第i个智能体末尾n时刻状态；其中，其中，x
i,k
∈R
l
是神经网络输入向量,W
i,k
∈R
p
是理想权重矩阵，为W
i,k
的转置，φ
i,k
(x
i,k
)＝[φ
i,k1
(x
i,k
),
…
,φ
i,kp
(x
i,k
)]
T
∈R
p
是基函数向量；ε
i,k
(x
i,k
)∈R是近似误差,满足||φ
i,k
(x
i,k
)||≤φ
m
,|ε
i,k
(x
i,k
)|≤ε
m
,其中，φ
m
和ε
m
是未知的正常数，φ
i,kh
(x
i,k
)表示高斯函数，C＝[C1,
…
,C
l
]
T
为接受域中心，b
h
为高斯函数的宽度；S200：预设控制信号的期望轨迹y0，构建多智能体系统的间歇状态反馈分布式控制模型，具体步骤如下：S210：构建间歇状态反馈的事件触发机制，表达式如下：S210：构建间歇状态反馈的事件触发机制，表达式如下：S210：构建间歇状态反馈的事件触发机制，表达式如下：S210：构建间歇状态反馈的事件触发机制，表达式如下：其中，和为触发阈值，为子系统i，i＝0时表示其本身，完成公式(3)的第一个瞬间，是相邻子系统j的第一次触发时间，l＝0，1，2，
…
，k＝1,
…
,n.；和分别表示智能体i与其相邻智能体j在第l个事件中发布他们各自的状...

【专利技术属性】
技术研发人员：黄秀财，陈开政，王啸，孙丽贝，谢承果，赖俊峰，凌凯，
申请(专利权)人：重庆大学，
类型：发明
国别省市：