CN108107717A - 一种适用于量化多自主体系统的分布式控制方法 - Google Patents

一种适用于量化多自主体系统的分布式控制方法 Download PDF

Info

Publication number
CN108107717A
CN108107717A CN201710892738.7A CN201710892738A CN108107717A CN 108107717 A CN108107717 A CN 108107717A CN 201710892738 A CN201710892738 A CN 201710892738A CN 108107717 A CN108107717 A CN 108107717A
Authority
CN
China
Prior art keywords
agent systems
model
control method
multi agent
distributed control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201710892738.7A
Other languages
English (en)
Other versions
CN108107717B (zh
Inventor
袁建平
王铮
袁源
张博
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Shenzhen Institute of Northwestern Polytechnical University
Original Assignee
Northwestern Polytechnical University
Shenzhen Institute of Northwestern Polytechnical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwestern Polytechnical University, Shenzhen Institute of Northwestern Polytechnical University filed Critical Northwestern Polytechnical University
Priority to CN201710892738.7A priority Critical patent/CN108107717B/zh
Publication of CN108107717A publication Critical patent/CN108107717A/zh
Application granted granted Critical
Publication of CN108107717B publication Critical patent/CN108107717B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种适用于量化多自主体系统的分布式控制方法，包括以下步骤：高阶非线性非同一多自主体建模；建立输入量化模型；在输入量化情形下建立执行机构故障模型；高阶多自主体模型的变化；建立分布式自适应一致控制模型。解决了在量化信号的情形下多自主体系统一致性控制的问题，即将所有的自主体的输出调整到期望状态。

Description

一种适用于量化多自主体系统的分布式控制方法
技术领域
本发明属于控制理论与应用技术领域，涉及一种适用于量化多自主体系统的分布式控制方法。
背景技术
多自主体系统一致控制在无人机编队飞行、卫星星座构型调整和协同发电等很多领域都有广泛的应用，近年来已经成为控制领域的研究热点。而在许多工程领域里，比如数字化控制系统、混合系统和网络控制系统，量化信号是不可避免的。对于每个自主体而言，只可根据自身以及相邻自主体的信息进行编队协同控制，也就是说，多自主体系统的控制属于分布式控制。因此，研究量化多自主体系统的分散控制方法具有重要意义。
信号量化，一般可认为是从连续信号到离散有限集合的映射。为了解决量化系统中存在的不确定性和干扰，Persis等提出了一系列鲁棒控制方法。但是上述方法不能解决高阶非线性系统的量化控制问题。为了解决该问题，Zhou等引入自适应反步思想，获得了不错的效果。但是上述文献都是针对单一系统，并未针对网络化的复杂系统进行研究。如前所述，网络化多自主体系统具有广泛的应用范围和很高实用价值。因此研究多自主体系统中量化信号的特性，进而研究量化多自主体系统的分散控制方法，具有重要的理论和实践意义。
发明内容
本发明的目的在于提供一种适用于量化多自主体系统的分布式控制方法；解决了在量化信号的情形下多自主体系统一致性控制的问题，即将所有的自主体的输出调整到期望状态。
本发明的目的是通过以下技术方案来实现的：
这种适用于量化多自主体系统的分布式控制方法，包括以下步骤：步骤1，高阶非线性非同一多自主体建模；步骤2，建立输入量化模型；步骤3，在输入量化情形下建立执行机构故障模型；步骤4，高阶多自主体模型的变化；步骤5，建立分布式自适应一致控制模型，具体为：定义其中βi,q-1为第(q-1)的虚拟控制量，定义以及i＝1,…,N得到时变参数和外部干扰为：
其中代表θi,μi,D的估计值，为设计参数，实际控制律为
调节函数为：
自适应律为：
更进一步的，本发明的特点还在于：
其中步骤5中建立分布式自适应一致控制模型的具体过程为包括以下步骤：
步骤5.1，设计第1虚拟控制量为
其中ci,1＞0，
调节函数设计为
步骤5.2，设计第q(1＜q≤n-1)虚拟控制量为：
，其中ci,q＞0，
调节函数设计为：
步骤5.3，设计第n虚拟控制量为：
，其中Di,u＝ui,min+supt≥0||di,u||，令为Di,u,Hi的估计值，为正的设计参数，
与步骤5.2相同。
其中步骤1中，高阶非线性多自主体系统表示为：其中为系统状态和控制输入，时变分段连续未知参数，和为已知光滑函数，为未知光滑函数，di,q(t)为不匹配干扰，Qi(ui)为的量化值。
其中步骤2中输入量化模型为：
，
其中j＝1,2,…and ui,min＞0代表q(ui)的死区参数0＜ρi＜1,δi＝(1-ρi)/(1+ρi)。
其中步骤3中执行机构故障模型为：vi(t)＝hi(t)Qi(ui)+di,u(t)＝hi(t)ui+hi(t)Δi+di,u(t)，其中vi(t)为执行机构的输出，为执行机构的偏移故障，hi(t)表示执行机构增益故障的尺度，hi(t)∈[0,1]。
其中步骤4中高阶非线性多自主体的模型为：
yi＝xi,1,i＝1,…,N。
与现有技术相比，本发明的有益效果在于：从高阶非线性多自主体系统的运动学动力学角度出发，在输入信号分段量化的情形下，能够实现多自主体的一致控制；同时，本发明所提的控制方法能够实现执行机构存在故障情形下的容错控制，具备非脆弱性。控制增益根据外部干扰和故障情形变化而变化，具有非保守性。此外，控制器结构简单，可以减轻计算机的运算负荷，具有较高的实用价值，能够在无人机编队飞行、卫星星座排布与调整等领域得到广泛的应用。
附图说明
图1为本发明实施例中多自主体输出量γi的变化轨线；
图2为本发明实施例中多自主体自适应参数的变化轨线；
图3为本发明实施例中多自主体自适应参数的变化轨线；
图4为本发明实施例中多自主体自适应参数的变化轨线；
图5为本发明实施例中多自主体自适应参数的变化轨线。
具体实施方式
下面结合附图对本发明做进一步详细描述：
本发明提供了一种适用于量化多自主体系统的分布式控制方法，具体的包括以下步骤：
步骤1，高阶非线性非同一多自主体建模；其中高阶非线性多自主体系统表示为：其中为系统状态和控制输入，时变分段连续未知参数，和为已知光滑函数，为未知光滑函数，di,q(t)为不匹配干扰，Qi(ui)为的量化值。
步骤2，建立输入量化模型为：
，其中j＝1,2,…and ui,min＞0代表q(ui)的死区参数0＜ρi＜1,δi＝(1-ρi)/(1+ρi)，ρi是量化密度的测度，也就是说，ρi越小，量化器越粗糙，通常情况下，Qi(ui)被分解为一个线性部分和一个非线性部分Qi(ui)＝ui+Δi，其中
步骤3，在实际工程应用中，执行机构故障常常存在于多自主体系统中。考虑到输入信号的量化过程，建立执行机构故障模型为：vi(t)＝hi(t)Qi(ui)+di,u(t)＝hi(t)ui+hi(t)Δi+di,u(t)，其中vi(t)为执行机构的输出，为执行机构的偏移故障，hi(t)表示执行机构增益故障的尺度，hi(t)∈[0,1]。三种类型的故障可由hi(t)表示：hi(t)＝1：执行机构以全效率工作；0＜hi(t)＜1，执行机构部分损失其效率。例如，hi(t)＝0.8表征执行机构损失了20％的效率；hi(t)＝0，执行机构处于卡死状态，执行机构的输出不再受输入的影响。
步骤4，高阶多自主体模型的变化；考虑到输入信号的量化和执行机构的故障，高阶非线性多自主体的模型可以建立为：
yi＝xi,1,i＝1,…,N。
步骤5，建立分布式自适应一致控制模型，具体为：定义
其中βi,q-1为第(q-1)的虚拟控制量，定义z1＝[z1,1,…,zN,1]T,以及得到时变参数和外部干扰为：
其中代表θi,μi,D的估计值，为设计参数，实际控制律为
调节函数为：
自适应律为：
在步骤5中虚拟控制律的设计过程为：
步骤5.1设计第1虚拟控制量为
其中ci,1＞0，
调节函数设计为
步骤5.2，设计第q(1＜q≤n-1)虚拟控制量为：
，其中ci,q＞0，
调节函数设计为：
步骤5.3，设计第n虚拟控制量为：
，其中Di,u＝ui,min+supt≥0||di,u||，令为Di,u,Hi的估计值，为正的设计参数，ci,n＞0,
与步骤5.2相同。
以实现多机械壁协同操作为实施例。单链接机械臂模型为：其中为链接位置和速度，τi为控制力矩，量化参数采用为δi＝0.6,ui,min＝0.2，执行机构故障模型为初始参数为：xi,1(0)＝0.05(6-i),xi,2(0)＝0,xi,3(0)＝0。
本实施例所设计的自适应反步一致控制方法的实际效果图如图1-5所示。各个自主体的输出量均能收敛到期望值。收敛误差较小，而且自适应参数有界。通过该控制器可以实现输入量化和故障情形下的多自主体的协同控制。由于该控制方法简单可行，能够应用在工程实际中。

Claims (6)

1.一种适用于量化多自主体系统的分布式控制方法，其特征在于，包括以下步骤：
步骤1，高阶非线性非同一多自主体建模；
步骤2，建立输入量化模型；
步骤3，在输入量化情形下建立执行机构故障模型；
步骤4，高阶多自主体模型的变化；
步骤5，建立分布式自适应一致控制模型，具体为：定义其中βi,q-1为第(q-1)的虚拟控制量，定义z1＝[z1,1,…,zN,1]T,以及i＝1,…,N得到时变参数和外部干扰为：其中代表μi,D的估计值，为设计参数，实际控制律为调节函数为：自适应律为：
2.根据权利要求1所述的适用于量化多自主体系统的分布式控制方法，其特征在于，所述步骤5中建立分布式自适应一致控制模型的具体过程为包括以下步骤：
步骤5.1，设计第1步虚拟控制量为其中ci,1＞0， 调节函数设计为
步骤5.2，设计第q(1＜q≤n-1)步虚拟控制量为：
，
其中ci,q＞0， 调节函数设计为：
步骤5.3，设计第n步虚拟控制量为：
，
其中Di,u＝ui,min+supt≥0||di,u||，令为Di,u,Hi的估计值，为正的设计参数， 与步骤5.2相同。
3.根据权利要求1或2任意一项所述的适用于量化多自主体系统的分布式控制方法，其特征在于，所述步骤1中，高阶非线性多自主体系统表示为：其中为系统状态和控制输入，时变分段连续未知参数，和为已知光滑函数，为未知光滑函数，di,q(t)为不匹配干扰，Qi(ui)为的量化值。
4.根据权利要求1或2任意一项所述的适用于量化多自主体系统的分布式控制方法，其特征在于，所述步骤2中输入量化模型为：
，
其中j＝1,2,…andui,min＞0代表q(ui)的死区参数0＜ρi＜1,δi＝(1-ρi)/(1+ρi)。
5.根据权利要求1或2任意一项所述的适用于量化多自主体系统的分布式控制方法，其特征在于，所述步骤3中执行机构故障模型为：vi(t)＝hi(t)Qi(ui)+di,u(t)＝hi(t)ui+hi(t)Δi+di,u(t)，其中vi(t)为执行机构的输出，为执行机构的偏移故障，hi(t)表示执行机构增益故障的尺度，hi(t)∈[0,1]。
6.根据权利要求1或2任意一项所述的适用于量化多自主体系统的分布式控制方法，其特征在于，所述步骤4中含有执行机构故障和输入信号量化的高阶非线性多自主体的模型为：
yi＝xi,1,i＝1,…,N。
CN201710892738.7A 2017-09-27 2017-09-27 一种适用于量化多自主体系统的分布式控制方法 Active CN108107717B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710892738.7A CN108107717B (zh) 2017-09-27 2017-09-27 一种适用于量化多自主体系统的分布式控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710892738.7A CN108107717B (zh) 2017-09-27 2017-09-27 一种适用于量化多自主体系统的分布式控制方法

Publications (2)

Publication Number Publication Date
CN108107717A true CN108107717A (zh) 2018-06-01
CN108107717B CN108107717B (zh) 2021-01-12

Family

ID=62206734

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710892738.7A Active CN108107717B (zh) 2017-09-27 2017-09-27 一种适用于量化多自主体系统的分布式控制方法

Country Status (1)

Country Link
CN (1) CN108107717B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109375511A (zh) * 2018-11-19 2019-02-22 曲阜师范大学 基于干扰补偿的抗干扰量化控制模型获取方法及系统、控制器和控制方法
CN110632940A (zh) * 2019-07-25 2019-12-31 中北大学 一种带混合量化器的多无人机主动抗干扰时变轨迹跟踪控制方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050210085A1 (en) * 2002-07-29 2005-09-22 Pierre Bessiere Method for determining a value given to different parameters of a system
CN101308385A (zh) * 2008-07-11 2008-11-19 东北大学 基于二维动态核主元分析的非线性过程故障检测方法
CN101657766A (zh) * 2007-04-13 2010-02-24 西门子共同研究公司 用于分布式工厂控制系统的在线故障检测和避免框架
JP4466737B2 (ja) * 2005-12-13 2010-05-26 パナソニック電工株式会社 分散ルーティング環境下でフェイルオーバーを取り扱うシステムと方法
CN102566421A (zh) * 2010-09-17 2012-07-11 西门子公司 机器状态监控中异常检测的条件相关性建模的系统和方法
CN104536292A (zh) * 2014-12-05 2015-04-22 北京航空航天大学 一种基于stf和mb的飞机环境控制系统换热器故障诊断方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050210085A1 (en) * 2002-07-29 2005-09-22 Pierre Bessiere Method for determining a value given to different parameters of a system
JP4466737B2 (ja) * 2005-12-13 2010-05-26 パナソニック電工株式会社 分散ルーティング環境下でフェイルオーバーを取り扱うシステムと方法
CN101657766A (zh) * 2007-04-13 2010-02-24 西门子共同研究公司 用于分布式工厂控制系统的在线故障检测和避免框架
CN101308385A (zh) * 2008-07-11 2008-11-19 东北大学 基于二维动态核主元分析的非线性过程故障检测方法
CN102566421A (zh) * 2010-09-17 2012-07-11 西门子公司 机器状态监控中异常检测的条件相关性建模的系统和方法
CN104536292A (zh) * 2014-12-05 2015-04-22 北京航空航天大学 一种基于stf和mb的飞机环境控制系统换热器故障诊断方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周问天等: "无线传感器网络在电力系统中的应用", 《电力电子技术》 *
庄哲民等: "基于小波神经网络的风力发电机故障诊断", 《电工技术学报》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109375511A (zh) * 2018-11-19 2019-02-22 曲阜师范大学 基于干扰补偿的抗干扰量化控制模型获取方法及系统、控制器和控制方法
CN109375511B (zh) * 2018-11-19 2021-11-26 曲阜师范大学 抗干扰量化控制模型获取方法及系统、控制器和控制方法
CN110632940A (zh) * 2019-07-25 2019-12-31 中北大学 一种带混合量化器的多无人机主动抗干扰时变轨迹跟踪控制方法
CN110632940B (zh) * 2019-07-25 2022-05-24 中北大学 一种带混合量化器的多无人机主动抗干扰时变轨迹跟踪控制方法

Also Published As

Publication number Publication date
CN108107717B (zh) 2021-01-12

Similar Documents

Publication Publication Date Title
CN110658724B (zh) 一类非线性系统自适应模糊容错控制方法
Weng et al. Data-driven robust output tracking control for gas collector pressure system of coke ovens
Chu et al. H∞ observer-based event-triggered sliding mode control for a class of discrete-time nonlinear networked systems with quantizations
Hu et al. T–S fuzzy-model-based robust stabilization for a class of nonlinear discrete-time networked control systems
CN106249717B (zh) 一种基于执行器饱和多智能体系统建模的协调控制方法
Jia et al. H∞ control for networked systems with data packet dropout
CN108107717A (zh) 一种适用于量化多自主体系统的分布式控制方法
Li et al. Improved approaches on adaptive event-triggered output feedback control of networked control systems
Xue et al. Robust $ H_ {\infty} $ Output Feedback Control of Networked Control Systems With Discrete Distributed Delays Subject to Packet Dropout and Quantization
Sakthivel et al. Reliable state estimation of switched neutral system with nonlinear actuator faults via sampled-data control
CN107037727A (zh) 一种无人直升机大包线自适应增益调度方法
CN111103833A (zh) 一种多化学反应罐反应液体积一致性控制器系统及设计方法
Li et al. New reliable H∞ filter design for networked control systems with external disturbances and randomly occurring sensor faults
CN114114928A (zh) 一种压电微定位平台的固定时间自适应事件触发控制方法
Hua et al. A robust H∞ control approach for a class of networked control systems with sampling jitter and packet-dropout
CN110609468B (zh) 基于pi的非线性时滞多智能体系统的一致性控制方法
CN111585822A (zh) 一种网络系统中数据丢包的提升模型预测补偿方法
CN116794974A (zh) 神经网络耦合输出调节器的异构多智能体跟踪控制方法
Li et al. Observer‐based H∞ control for networked systems with bounded random delays and consecutive packet dropouts
Ren et al. A new Smith predictor for control of process with long time delays
CN114660924A (zh) 一种伺服电机节能控制系统和方法
CN107024862B (zh) 基于控制参数动态重构的三足式离心机网络化控制方法
Park Output-feedback prescribed performance decentralized controller for interconnected large-scale uncertain nonlinear systems with unknown input gain sign
Li et al. Robust ADRC for nonlinear time-varying system with uncertainties
Ma et al. Adaptive finite-time tracking control for a robotic manipulator with unknown deadzone

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant