【技术实现步骤摘要】
一种基于偏差校正的多智能体协同跟踪控制系统及方法
[0001]本专利技术涉及工程控制领域,特别是涉及一种基于偏差校正的多智能体协同跟踪控制系统及方法。
技术介绍
[0002]自然界有很多有趣的生物现象,比如大雁的排队列飞行、蚁群的聚集和鱼群的移动等,虽然这些行为看似简单,但是它们具有一种整体的特性,能够通过个体的相互合作完成一些复杂任务。受此启发,越来越多的研究人员对此进行了深入地研究。在这种背景下,多智能体系统应运而生。
[0003]近年来,多智能体系统在各个领域的应用成倍增加,从制造业和电气工程到军事应用和现代医疗行业。同时,随着网络技术的飞速发展和各类系统规模的不断扩大,智能体之间需要通过网络彼此通信来协同完成既定目标,即网络化多智能体系统协同控制,由于其独特的优势,网络化多智能体系统的协同控制被应用到各个领域,如无人机编队、智能电网和多传感器网络等。
[0004]然而,由于通信网络的引入,网络化多智能体系统中不可避免地存在随机网络诱导时延、数据包乱序与丢失等通信约束问题,包括多智能体之间的通信约束以及每个智能体内部反馈通道和前馈通道的通信约束,这些通信约束不仅会影响系统的控制性能,更严重的甚至会破坏系统的稳定性。
[0005]目前,解决网络化多智能体系统协同输出跟踪控制问题的方法主要存在以下不足:1)实际应用中大多数智能体系统的状态是不可直接测量的,而现有方法中一般假设状态直接可测;2)实际通信中产生的网络诱导时延、数据包乱序与丢失均具有较强的随机性,且大多时候远远小于其上界值,而现有 ...
【技术保护点】
【技术特征摘要】
1.一种基于偏差校正的多智能体协同跟踪控制系统,其特征在于,包括:多个控制模块,一个控制模块连接一个智能体;对于第i个智能体,第i个控制模块,包括:依次连接的数据缓存器、双预测发生器、控制预测器和时延补偿器;所述数据缓存器和所述时延补偿器均与第i个智能体连接;第i个控制模块中的所述数据缓存器,用于:获取并缓存第i个智能体的输出数据包;所述输出数据包,包括传感器输出的数据序列和对应的时间戳;将第i个智能体的输出数据包发送至第i个控制模块中的所述双预测发生器中;第i个控制模块中的所述双预测发生器,用于:根据第i个智能体的输出数据包、系统参考输入信号、历史控制量和随机网络时延,采用预测控制方法计算预测量;所述随机网络时延,包括:智能体的反馈通道的随机网络时延、智能体的前馈通道的随机网络时延和智能体之间的随机网络时延;将预测量分为自身控制预测量和输出预测量,将所述自身控制预测量发送至第i个控制模块中的控制预测器,将所述输出预测量发送至其他控制模块中的控制预测器;所述其他控制模块,包括:与多智能体系统中除第i个智能体之外的智能体连接的控制模块;第i个控制模块中的所述控制预测器,用于:获取其他控制模块发送的输出预测量;根据第i个控制模块中的所述双预测发生器发送的自身控制预测量和其他控制模块发送的输出预测量,计算第i个智能体的控制包,并将所述控制包发送至第i个控制模块中的所述时延补偿器中;所述控制包,包括:控制序列和对应的时间戳;第i个控制模块中的所述时延补偿器,用于:根据智能体的前馈通道的随机网络时延和所述控制包中的时间戳,从控制序列中选取相应的控制量施加到第i个智能体上。2.根据权利要求1所述的一种基于偏差校正的多智能体协同跟踪控制系统,其特征在于,第i个控制模块中的所述双预测发生器,具体包括:数据缓冲器,用于:比较第i个智能体的输出数据包中的时间戳,得到比较结果;状态观测器,与所述数据缓冲器连接,用于:根据所述比较结果、第i个智能体的传感器输出的数据序列、系统参考输入信号、历史控制量和随机网络时延,得到状态估计量,基于所述状态估计量采用预测控制方法计算预测量;将预测量分为自身控制预测量和输出预测量,将所述自身控制预测量发送至第i个控制模块中的控制预测器,将所述输出预测量发送至其他控制模块中的控制预测器。3.根据权利要求2所述的一种基于偏差校正的多智能体协同跟踪控制系统,其特征在于,所述状态观测器,在根据所述比较结果、第i个智能体的传感器输出的数据序列、系统参考输入信号、历史控制量和随机网络时延,得到状态估计量,基于所述状态估计量采用预测控制方法计算预测量的方面,具体用于:若所述比较结果为当前时刻的时间戳小于上一时刻的时间戳,则根据第i个智能体的传感器在上一时刻输出的数据、系统参考输入信号、历史控制量和随机网络时延,得到当前
时刻的状态估计量;若所述比较结果为当前时刻的时间戳大于或等于上一时刻的时间戳,则将上一时刻的状态估计量作为当前时刻的状态估计量;基于所述状态估计量采用预测控制方法计算预测量。4.根据权利要求1所述的一种基于偏差校正的多智能体协同跟踪控制系统,其特征在于,第i个控制模块中的所述双预测发生器中自身控制预测量为:其中,t表示时刻;表示第i个智能体的反馈通道的随机网络时延;表示主智能体的反馈通道在时刻的随机网络时延;表示智能体之间的随机网络时延;σ
i
为正整数;σ
i
=1,2,
…
,表示所有智能体的前馈通道随机网络时延最大值中的上限值;表示基于时刻得到的时刻增广状态的预测值;表示基于时刻得到的时刻增广状态的预测值;表示第i个智能体在时刻控制量的增量值;表示第i个智能体参考输入的预测值;A
e,i
、B
e,i
和E
e
表示增广系统的系统矩阵;第i个控制模块中的所述双预测发生器中输出预测量为:其中,表示智能体之间随机网络时延的最大值;ν
i
为正整数;表示基于时刻得到的时刻增广状态的预测值;表示基于时刻得到的时刻增广状态的预测值;表示第i个智能体在时刻虚拟控制量的增量值...
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。