【技术实现步骤摘要】
基于干扰观测器的高阶异质多智能体系统分布式优化方法
[0001]本专利技术涉及控制与信息
,尤其涉及一种基于干扰观测器的高阶异质多智能体系统分布式优化方法。
技术介绍
[0002]智能体是指具有自主、存储、计算和通信功能的个体。多智能体系统是指包含多个智能体,且个体间能通过与邻居个体进行信息交流,共同协作完成特定目标的系统。多智能体系统采用分布式的控制方法,不需要中心节点(中央控制器),每个个体仅利用自身及邻居的信息进行决策,因而具有通讯代价小、可扩展性好、鲁棒性强等优势。在分布式协调控制的实际应用中,许多控制任务要求多智能体系统满足一些优化指标,从而产生了多智能体系统的分布式优化问题,如传感器网络源点合作定位问题、多机器人系统优化聚集与编队问题、智能电网经济调度问题等。在分布式优化问题中,每个智能体有一个局部代价函数,需要优化的全局代价函数是所有局部代价函数的和。分布式优化的目标是通过局部信息交互,在仅局部代价函数可知的条件下,通过分布式算法,使各个智能体的状态收敛到多智能体系统全局代价函数的最优点。
[0003]在多智能体分布式优化领域,现有研究主要集中在对一阶系统进行分布式控制以实现优化目标,很少涉及具有不匹配扰动和高阶动态的多智能体系统。现实中的大部分控制对象都可以建模为一个非线性系统,在实际的优化任务中,系统通常具有二阶或更高阶的动态,因此对于非线性高阶系统的研究更具有普遍性。另一方面,实际系统不可避免的会受到各种干扰和不确定性的影响,如外部环境干扰、输入通道干扰和参数摄动等。在高阶系统中,干 ...
【技术保护点】
【技术特征摘要】
1.一种基于干扰观测器的高阶异质多智能体系统分布式优化方法,其特征在于,包括以下步骤:步骤1:构造多智能体系统网络拓扑图;步骤2:建立高阶异质多智能体系统的动力学模型;步骤3:为第i个智能体设计有限时间干扰观测器;步骤4:对互联系统使用比例
‑
积分分布式优化器;步骤5:根据高阶异质多智能体系统动力学模型建立误差系统模型;步骤6:根据有限时间干扰观测器估计的扰动和优化器产生的优化值,为互联系统设计跟踪控制器;步骤7:为分布式优化器
‑
跟踪控制器互联系统选取合适的复合李雅普诺夫函数,选取满足稳定性条件的值,实现目标优化。2.根据权利要求1所述的一种基于干扰观测器的高阶异质多智能体系统分布式优化方法,其特征在于,步骤1中所述网络拓扑图是无向连通图其中,表示N个节点的集合,表示边的集合,表示邻接矩阵,表示N
×
N维实数矩阵的集合;所述邻接矩阵中,如果节点i,j之间有边相连,则a
ij
=a
ji
=1,否则a
ij
=a
ji
=0,定义节点i的邻居节点集合为3.根据权利要求1所述的一种基于干扰观测器的高阶异质多智能体系统分布式优化方法,其特征在于,步骤2中所述动力学模型中第i个智能体的动力学方程如下:法,其特征在于,步骤2中所述动力学模型中第i个智能体的动力学方程如下:y
i
=x
i1
其中,M
i
≥1是第i个智能体的阶数,是系统的状态变量,u
i
是控制输入,与输入不在同一通道,属于不匹配扰动,是匹配扰动,y
i
是输出;各阶干扰d
ik
,k=1,...,M
i
是γ
ik
‑
1阶可导的,且有满足的利普希茨常数4.根据权利要求1所述的一种基于干扰观测器的高阶异质多智能体系统分布式优化方法,其特征在于,步骤3中所述有限时间干扰观测器如下:法,其特征在于,步骤3中所述有限时间干扰观测器如下:法,其特征在于,步骤3中所述有限时间干扰观测器如下:法,其特征在于,步骤3中所述有限时间干扰观测器如下:法,其特征在于,步骤3中所述有限时间干扰观测器如下...
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。