System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于控制屏障函数的分布式局部利普希茨算法制造技术_技高网
当前位置: 首页 > 专利查询>南开大学专利>正文

一种基于控制屏障函数的分布式局部利普希茨算法制造技术

技术编号:40778541 阅读:4 留言:0更新日期:2024-03-25 20:23
本发明专利技术涉及多智能体系统控制技术领域,提供一种基于控制屏障函数的分布式局部利普希茨算法。该方法包括:基于多智能体网络结构构建拓扑图,根据所述拓扑图构建邻接矩阵;建立多智能体系统待优化的目标函数及所述目标函数的约束条件;基于梯度下降法建立多智能体系统的状态方程,通过所述状态方程及控制屏障函数确定反馈控制输入的取值阈;在所述取值阈内,通过二次规划法计算获得反馈控制输入;基于目标函数的求解结果及反馈控制输入对多智能体系统进行控制。本发明专利技术能够求解安全关键的非线性非凸的优化问题,计算过程中每个节点只利用了邻居节点的信息,节约了通信与计算成本,很大程度上提高了计算效率。

【技术实现步骤摘要】

本专利技术涉及多智能体系统控制,尤其涉及一种基于控制屏障函数的分布式局部利普希茨算法


技术介绍

1、多智能体系统是由多个相互耦合的智能体组成的集合,每个智能体具备一定的自主性,并能通过感知周围的环境与其他智能体进行通讯。实际中的系统往往是庞大而复杂的,多智能体系统的目标是将这些系统替换成小的、能够互相通信和协调及管理方便的系统,即希望通过多个智能体组成一个交互的整体,来解决超过单个系统能力的大型的复杂的问题。

2、近些年来,随着多智能体网络的优化在机器人合作、传感器网络、能源系统以及无线网络的广泛应用,促使多智能体系统的分布式优化问题成为控制领域研究的一个热点。多智能体系统分布式优化的目标是通过智能体协作来最小化局部目标函数的和,同时每个智能体只能获得自身的局部目标函数和邻居智能体的状态信息。相较于集中式的方法,分布式优化方法具有计算量小和通信成本低的优势,并提高了系统的鲁棒性和自适应性。

3、在实际优化问题中,由于环境和系统的复杂性,需要优化的目标函数以及约束函数一般是非凸且非线性的,然而当前采用的算法并不是非凸且非线性的,可能在算法停止时,不能得到可行解,从而不能保证系统的安全性。


技术实现思路

1、本专利技术旨在至少解决相关技术中存在的技术问题之一。为此,本专利技术提供一种基于控制屏障函数的分布式局部利普希茨算法。

2、本专利技术提供一种基于控制屏障函数的分布式局部利普希茨算法,包括:

3、s1:基于多智能体网络结构构建拓扑图,根据所述拓扑图构建邻接矩阵;

4、s2:建立多智能体系统待优化的目标函数及所述目标函数的约束条件;

5、s3:基于梯度下降法建立多智能体系统的状态方程,通过所述状态方程及控制屏障函数计算获得反馈控制输入的取值阈;

6、s4:在所述取值阈内,通过二次规划法计算获得反馈控制输入;

7、s5:基于所述目标函数的求解结果及所述反馈控制输入对多智能体系统进行控制。

8、根据本专利技术提供的一种基于控制屏障函数的分布式局部利普希茨算法,步骤s1中,所述拓扑图的节点表示单个智能体,所述拓扑图的边表示智能体间的邻居关系。

9、根据本专利技术提供的一种基于控制屏障函数的分布式局部利普希茨算法,步骤s2中的所述目标函数的表达式为:

10、;

11、其中,为目标函数,为每个智能体决策变量的堆叠,为第一索引值,为多智能体系统中包含的智能体个数,为第个智能体的状态,第个智能体的局部目标函数;

12、步骤s2中的所述约束条件的表达式为:

13、;

14、其中,为不等式约束函数,为等式约束函数。

15、根据本专利技术提供的一种基于控制屏障函数的分布式局部利普希茨算法,步骤s3中的所述状态方程的表达式为:

16、;

17、;

18、其中,为第个智能体对应的局部目标函数的梯度,为控制增益,为第二索引值,为第个智能体的邻居智能体集合,为第个智能体与第个智能体之间边的权重值,为第个智能体的状态,为第个智能体与邻居智能体状态之间的一致性误差积分,为第个智能体与邻居智能体状态之间的一致性误差积分,为第个智能体对应的不等式约束函数的雅可比矩阵,为第个智能体对应的等式约束函数的雅可比矩阵,为第个智能体对应的第一反馈控制器,为第个智能体对应的第二反馈控制器。

19、根据本专利技术提供的一种基于控制屏障函数的分布式局部利普希茨算法,步骤s3中,反馈控制输入的所述取值阈的表达式为:

20、;

21、其中,为反馈控制输入取值阈,为维非负实数向量集合,为维实数向量集合,为多智能体系统对应的目标函数的梯度,为多智能体系统对应的不等式约束函数的雅可比矩阵,为多智能体系统对应的等式约束函数的雅可比矩阵,为拉普拉斯矩阵,为每个智能体与邻居智能体状态之间的一致性误差积分堆叠,为任一正整数,为多智能体系统对应的第一反馈控制器,为多智能体系统对应的第二反馈控制器。

22、根据本专利技术提供的一种基于控制屏障函数的分布式局部利普希茨算法,步骤s4中,所述反馈控制输入的表达式为:

23、。

24、本专利技术提供一种基于控制屏障函数的分布式局部利普希茨算法,采用分布式控制方式,不仅提高整个网络的鲁棒性和自适应性,还对网络拓扑结构的拓扑结构要求,适用性强,易于实现,并且仅需要与局部邻居智能体通信,对局部的目标函数进行计算,计算效率高,通信成本低,另外本专利技术基于控制屏障函数的分布式局部利普希茨算法来解决安全关键的非线性优化问题,该方法对目标函数及约束方程非凸非线性的情况适用,在算法运行过程中始终能保证系统的安全性。

25、本专利技术的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本专利技术的实践了解到。

本文档来自技高网...

【技术保护点】

1.一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,包括:

2.根据权利要求1所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤S1中,所述拓扑图的节点表示单个智能体,所述拓扑图的边表示智能体间的邻居关系。

3.根据权利要求1所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤S2中的所述目标函数的表达式为:

4.根据权利要求3所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤S3中的所述状态方程的表达式为:

5.根据权利要求4所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤S3中,反馈控制输入的所述取值阈的表达式为:

6.根据权利要求5所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤S4中,所述反馈控制输入的表达式为:

【技术特征摘要】

1.一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,包括:

2.根据权利要求1所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤s1中,所述拓扑图的节点表示单个智能体,所述拓扑图的边表示智能体间的邻居关系。

3.根据权利要求1所述的一种基于控制屏障函数的分布式局部利普希茨算法,其特征在于,步骤s2中的所述目标函数的表达式为:

4....

【专利技术属性】
技术研发人员:陈飞谢警苑晶郭鑫宇
申请(专利权)人:南开大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1