CN115562037A - 一种非线性多智能体系统控制方法、装置、设备及应用 - Google Patents

一种非线性多智能体系统控制方法、装置、设备及应用 Download PDF

Info

Publication number
CN115562037A
CN115562037A CN202211355986.5A CN202211355986A CN115562037A CN 115562037 A CN115562037 A CN 115562037A CN 202211355986 A CN202211355986 A CN 202211355986A CN 115562037 A CN115562037 A CN 115562037A
Authority
CN
China
Prior art keywords
agent system
agent
system model
error
pulse
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
CN202211355986.5A
Other languages
English (en)
Other versions
CN115562037B (zh
Inventor
汤泽
陈柏勋
王艳
纪志成
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.)
Jiangnan University
Original Assignee
Jiangnan 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 Jiangnan University filed Critical Jiangnan University
Priority to CN202211355986.5A priority Critical patent/CN115562037B/zh
Publication of CN115562037A publication Critical patent/CN115562037A/zh
Application granted granted Critical
Publication of CN115562037B publication Critical patent/CN115562037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Abstract

本发明公开了一种非线性多智能体系统控制方法、装置、设备及应用，涉及信息技术领域，包括基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标，利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型，基于所述误差多智能体系统模型，构建分布式脉冲控制器，构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件，基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致，基于系统时滞和分布式时滞，实现了非线性多智能体系统的一致性，提高系统识别精度。

Description

一种非线性多智能体系统控制方法、装置、设备及应用
技术领域
本发明涉及信息技术领域，特别是涉及一种非线性多智能体系统控制方法、装置、设备及应用。
背景技术
多智能体系统由配备数字微处理器的多个智能体组成，这些智能体通过一个共享的通信网络交换信息。多智能体系统由于其广泛的应用前景，得到了来自生物学、物理学和工程领域研究人员的广泛关注。多智能体系统的一个重要研究课题是一致性问题，诸如机器人的协同控制、分布式传感网络、生物和社会系统的集群现象、混沌电路网络等。
由于通信通道的限制、带宽传输能力的不足以及外部干扰等实际因素，时滞现象在多智能体系统中是不可避免的。在多智能体系统建模时，如果没有考虑时滞或者对时滞的描述不恰当的话，得到的分析结论往往是不准确的。到目前为止，已经得到了许多考虑系统时滞多智能体系统的一致性判据，而含分布式时滞的非线性多智能体系统的一致性问题没有被充分考虑。因此同时考虑系统时滞和分布式时滞的非线性多智能体系统的一致性问题值得深入研究。
综上所述可以看出，如何基于系统时滞和分布式时滞，实现非线性多智能体系统的一致性，提高系统识别精度是目前有待解决的问题。
发明内容
本发明的目的是提供一种非线性多智能体系统控制方法、装置、设备及应用，以解决现有非线性多智能体系统中没有充分考虑分布式时滞导致识别精度低的问题。
为解决上述技术问题，本发明提供一种非线性多智能体系统控制方法，包括：
基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标；
利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型；
基于所述误差多智能体系统模型，构建分布式脉冲控制器；
构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件；
基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致。
优选地，所述多智能体系统模型表达公式为：
Figure BDA0003921261410000021
其中，
Figure BDA0003921261410000022
为系统矩阵，
Figure BDA0003921261410000023
Figure BDA0003921261410000024
为第i个智能体的状态变量，N为智能体的个数，
Figure BDA0003921261410000025
为n×n维欧几里得空间，
Figure BDA0003921261410000026
为n维欧几里得空间，
Figure BDA0003921261410000027
Figure BDA0003921261410000028
为非线性的向量值函数，τ1(t)是系统时滞且满足0≤τ1(t)≤τ1，τ2(t)是分布式时滞且满足0≤τ2(t)≤τ2，τ1表示τ1(t)的最大值，τ2表示τ2(t)的最大值。
优选地，所述确定其一致性目标包括：
将孤立智能体作为一致性目标，其动力学公式为：
Figure BDA0003921261410000029
其中，
Figure BDA00039212614100000210
为系统矩阵，
Figure BDA00039212614100000211
Figure BDA00039212614100000212
为孤立智能体的状态。
优选地，所述利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型包括：
将所述多智能体系统模型的状态变量与所述孤立智能体状态作差，得所述误差多智能体系统模型，基于所述误差多智能体系统模型，获取其状态，其计算公式为：
ei(t)＝zi(t)-s(t)
Figure BDA0003921261410000031
其中，
Figure BDA0003921261410000032
为误差多智能体系统模型，
Figure BDA0003921261410000033
Figure BDA0003921261410000034
Figure BDA0003921261410000035
优选地，所述分布式脉冲控制器的表达式为：
Figure BDA0003921261410000036
其中，ρ表示脉冲效应，c1表示反馈控制强度，c2表示分布式控制强度，Ni表示与第i个智能体相连的所有智能体的集合，δ(·)是Dirac脉冲函数，G＝(gij)N×N是分布式耦合控制矩阵，且满足
Figure BDA0003921261410000037
如果第i个智能体和第j个智能体相连，则gij＝gji(i≠j)，否则gij＝gji＝0, i,j＝1,2,...,N，定义度矩阵D＝{d1,d2,...,dN}，其中
Figure BDA0003921261410000038
定义通信拓扑图矩阵L＝D+G，脉冲序列ξ＝{t1,t2,...,tk}满足随着k从1到∞递增时t1<t2<...<tk。
优选地，所述构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件包括：
将所述分布式脉冲控制器代入至所述误差多智能体系统模型中，得脉冲受控误差系统模型；
构造Lyapunov函数，其函数表达式为：
V(t)＝‖Qe(t)‖p
其中，
Figure BDA0003921261410000039
为正定矩阵，p为矩阵范数；
假设y(t)为脉冲受控误差系统模型的唯一解，对于任意的常数
Figure BDA00039212614100000310
Figure BDA00039212614100000311
根据Lyapunov函数在连续时间和脉冲时刻的导数构建脉冲受控误差系统模型的比较系统；
针对两种不同脉冲效应参数ξ，得多智能体系统模型全局一致的充分条件。
优选地，所述针对两种不同脉冲效应参数ξ，得多智能体系统模型全局一致的充分条件包括：
当所述脉冲效应参数ξ>1，利用平均脉冲间隔概念，计算柯西矩阵，若假设成立且脉冲序列ζ＝{t1,t2,...,tk}满足平均脉冲间隔条件，且不等式
Figure BDA0003921261410000041
成立，则多智能体系统模型全局一致；
当所述脉冲效应参数0<ξ≤1，利用平均脉冲间隔概念，计算柯西矩阵，若假设成立且脉冲序列ζ＝{t1,t2,...,tk}满足平均脉冲间隔条件，且不等式
Figure BDA0003921261410000042
成立，则多智能体系统模型全局一致；
其中，θ为脉冲效应相关参数，N0为脉冲次数，τ2为τ2(t)的最大值，γ为系统参数相关参数。
本发明还提供一种非线性多智能体系统控制装置，包括：
多智能体系统构建模块，基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标；
误差多智能体构建模块，利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型；
脉冲控制器构建模块，基于所述误差多智能体系统模型，构建分布式脉冲控制器；
充分条件计算模块，用于构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件；
状态调节模块，基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致。
本发明还提供一种非线性多智能体系统控制设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如上述所述一种多智能体系统控制方法的步骤。
本发明还提供一种如上述所述的非线性多智能体系统控制方法在信息技术领域的应用。
本发明所提供的一种非线性多智能体系统控制方法，通过构建分布式脉冲控制器，使每个智能体的状态随时间与目标状态达到一致，在多智能系统建模时同时考虑具有代表性的系统时变时滞和分布式时变时滞，更符合工程实际情况，在充分考虑实际情况的同时节约了资源，简化了对含混合时变时滞的非线性多智能体系统的一致性分析过程，可以有效并正确地考虑含混合时变时滞的非线性多智能体系统的一致性问题，基于系统时滞和分布式时滞，实现了非线性多智能体系统的一致性，提高系统识别精度。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明所提供的一种非线性多智能体系统控制方法的第一种具体实施例的流程图；
图2为目标智能体的状态轨迹图；
图3为脉冲信号图；
图4为情况1的一致性误差演化曲线图；
图5为情况1的第1个状态的演化曲线图；
图6为情况1的第2个状态的演化曲线图；
图7为情况1的第3个状态的演化曲线图；
图8为情况2的一致性演化曲线图；
图9为情况2的第1状态的演化曲线图；
图10为情况2的第2个状态演化曲线图；
图11为情况2的第3个状态曲线图；
图12为本发明实施例提供的一种非线性多智能体系统控制装置的结构框图。
具体实施方式
本发明的核心是提供一种非线性多智能体系统控制方法、装置、设备及应用，基于系统时滞和分布式时滞，实现了非线性多智能体系统的一致性，提高系统识别精度。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明所提供的一种非线性多智能体系统控制方法的第一种具体实施例的流程图；具体操作步骤如下：
步骤S101：基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标；
所述多智能体系统模型表达公式为：
Figure BDA0003921261410000061
其中，
Figure BDA0003921261410000062
为系统矩阵，
Figure BDA0003921261410000063
Figure BDA0003921261410000064
为第i个智能体的状态变量，N为智能体的个数，
Figure BDA0003921261410000065
为n×n维欧几里得空间，
Figure BDA0003921261410000066
为n维欧几里得空间，
Figure BDA0003921261410000067
Figure BDA0003921261410000068
为非线性的向量值函数，τ1(t)是系统时滞且满足0≤τ1(t)≤τ1，τ2(t)是分布式时滞且满足0≤τ2(t)≤τ2，τ1表示τ1(t)的最大值，τ2表示τ2(t)的最大值；
所述确定其一致性目标包括：
将孤立智能体作为一致性目标，其动力学公式为：
Figure BDA0003921261410000069
其中，
Figure BDA0003921261410000071
为系统矩阵，
Figure BDA0003921261410000072
Figure BDA0003921261410000073
为孤立智能体的状态。
步骤S102：利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型；
将所述多智能体系统模型的状态变量与所述孤立智能体状态作差，得所述误差多智能体系统模型，基于所述误差多智能体系统模型，获取其状态，其计算公式为：
ei(t)＝zi(t)-s(t)
Figure BDA0003921261410000074
其中，
Figure BDA0003921261410000075
为误差多智能体系统模型，
Figure BDA0003921261410000076
Figure BDA0003921261410000077
Figure BDA0003921261410000078
步骤S103：基于所述误差多智能体系统模型，构建分布式脉冲控制器；
所述分布式脉冲控制器的表达式为：
Figure BDA0003921261410000079
其中，ρ表示脉冲效应，c1表示反馈控制强度，c2表示分布式控制强度，Ni表示与第i个智能体相连的所有智能体的集合，δ(·)是Dirac脉冲函数，G＝(gij)N×N是分布式耦合控制矩阵，且满足
Figure BDA00039212614100000710
如果第i个智能体和第j个智能体相连，则gij＝gji(i≠j)，否则gij＝gji＝0,i,j＝1,2,...,N，定义度矩阵D＝{d1,d2,...,dN}，其中
Figure BDA00039212614100000711
定义通信拓扑图矩阵L＝D+G，脉冲序列ξ＝{t1,t2,...,tk}满足随着k从1到∞递增时t1<t2<...<tk。
步骤S104：构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件；
令
Figure BDA0003921261410000081
表示从[-τ*,0]到
Figure BDA0003921261410000082
的连续函数集合，τ*＝max{τ1,τ2}，使用φi(t)表示zi(t)的初值，使用
Figure BDA0003921261410000083
表示s(t)的初值，且
Figure BDA0003921261410000084
将所述分布式脉冲控制器代入至所述误差多智能体系统模型中，得脉冲受控误差系统模型；
Figure BDA0003921261410000085
其中，ei(t)是右连续的，即
Figure BDA0003921261410000086
且在脉冲时刻
Figure BDA0003921261410000087
Figure BDA0003921261410000088
时，
Figure BDA0003921261410000089
存在，
Figure BDA00039212614100000810
表示自然数集合；
误差向量可以写为
Figure BDA00039212614100000811
Figure BDA00039212614100000812
表示Nn维欧几里得空间，则脉冲受控误差系统可以写成更加紧凑的形式：
Figure BDA00039212614100000813
其中，
Figure BDA00039212614100000814
Figure BDA00039212614100000815
Figure BDA00039212614100000816
IN为N维的单位矩阵，In为n维的单位矩阵，
Figure BDA00039212614100000817
Figure BDA00039212614100000818
且满足
Figure BDA00039212614100000819
假设非线性系统函数
Figure BDA00039212614100000820
满足Lipschitz条件，即存在任意向量
Figure BDA00039212614100000821
和正数ω1,ω2,ω3，使如下函数成立；
Figure BDA00039212614100000822
Figure BDA00039212614100000823
Figure BDA0003921261410000091
其中‖·‖p表示向量或矩阵的p范数，本实施例中取p＝1,2,∞；
构造Lyapunov函数，其函数表达式为：
V(t)＝‖Qe(t)‖p
其中，
Figure BDA0003921261410000092
为正定矩阵，p为矩阵范数；
在连续时间区间
Figure BDA0003921261410000093
由Dini导数的定义
Figure BDA0003921261410000094
可得：
Figure BDA0003921261410000095
其中，
Figure BDA0003921261410000101
Figure BDA0003921261410000102
Figure BDA0003921261410000103
表示矩阵测度；
在脉冲时刻
Figure BDA0003921261410000104
可以得到：
Figure BDA0003921261410000105
其中，
Figure BDA0003921261410000106
假设y(t)为脉冲受控误差系统模型的唯一解，对于任意的常数
Figure BDA00039212614100001010
Figure BDA00039212614100001011
根据Lyapunov函数在连续时间和脉冲时刻的导数构建脉冲受控误差系统模型的比较系统；
Figure BDA0003921261410000107
根据比较原理，得到当t≥0时，V(t)≤y(t)，结合参数变分法，得到y(t)：
Figure BDA0003921261410000108
其中，W(t,s)为下述线性脉冲系统的柯西矩阵：
Figure BDA0003921261410000109
针对两种不同脉冲效应参数ξ，得多智能体系统模型全局一致的充分条件；
情况1：当所述脉冲效应参数ξ>1，利用平均脉冲间隔概念
Figure BDA0003921261410000111
计算柯西矩阵W(t,s)：
Figure BDA0003921261410000112
其中，0≤s≤t，Ta表示脉冲序列ζ＝{t1,t2,...,tk}的平均脉冲间隔，N0表示脉冲次；
将y(t)代入柯西矩阵W(t,s)中，得：
Figure BDA0003921261410000113
其中，
Figure BDA0003921261410000114
构造一个连续函数
Figure BDA0003921261410000115
计算得：
Figure BDA0003921261410000116
h(∞)>0，且有
Figure BDA0003921261410000117
Figure BDA0003921261410000118
即函数h(λ)是单调递增的，存在h(λ)＝0的唯一解λ>0；
根据ξ>1，
Figure BDA00039212614100001112
可以得到：
Figure BDA00039212614100001110
接下来，我们的目标是证明对于任意t>0，都存在
Figure BDA00039212614100001111
利用反证法，如果不等式(2)不成立，则存在时刻t*>0，使下式成立，但是对于所有t<t*，不等式(2)仍旧成立；
Figure BDA0003921261410000121
根据式(1)，可以得到：
Figure BDA0003921261410000122
与公式(3)的假设相矛盾，即公式(2)正确，即对于任意t≥0，
Figure BDA00039212614100001210
有结论V(t)≤y(t)<μe-λt成立；
情况2：当所述脉冲效应参数0<ξ≤1，利用平均脉冲间隔概念
Figure BDA0003921261410000123
计算柯西矩阵
Figure BDA0003921261410000124
Figure BDA0003921261410000125
构造一个连续函数
Figure BDA0003921261410000126
Figure BDA0003921261410000127
计算得，
Figure BDA0003921261410000128
且有
Figure BDA0003921261410000129
Figure BDA0003921261410000131
即函数
Figure BDA0003921261410000132
是单调递增的，且存在
Figure BDA0003921261410000133
的唯一解
Figure BDA0003921261410000134
则可以得到：
Figure BDA0003921261410000135
其中，
Figure BDA0003921261410000136
与情况1的推导过程相同，可以得到结论：
Figure BDA0003921261410000137
即对于任意t≥0，
Figure BDA00039212614100001311
有结论
Figure BDA0003921261410000138
成立。
由此便可得出多智能体系统在分布式脉冲控制器的作用下，实现与目标状态的全局指数一致，指数收敛速度为
Figure BDA0003921261410000139
的唯一解
Figure BDA00039212614100001310
即得所述多智能体系统模型全局一致的充分条件。
步骤S105：基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致。
本实施例提供一种非线性多智能体系统控制方法，使用矩阵测度方法来分析多智能体系统的一致性问题，矩阵测度方法通过引入测度的概念，构造Lyapunov函数为误差范数的形式，在Lyapunov函数求导时可直接使用泰勒展开式，所得到的结论更加精确。此外，通过构造矩阵测度，大大简化了多智能体系统的一致性分析过程，通过构建分布式脉冲控制器，使每个智能体的状态随时间与目标状态达到一致，可以有效并正确地考虑含混合时变时滞的非线性多智能体系统的一致性问题，基于系统时滞和分布式时滞，实现了非线性多智能体系统的一致性，提高系统识别精度。
基于上述实施例，本实施例采用智能体的动力学性态和蔡氏电路对本申请具体阐述，具体如下：
步骤一：系统参数为：
Figure BDA0003921261410000141
如图2所示，其中，
Figure BDA0003921261410000142
Figure BDA0003921261410000143
可以得到非线性函数
Figure BDA0003921261410000144
对应的Lipschitz常数分别为ω1＝1,ω2＝ω3＝0.01。为尽量模拟实际工业场景，选择8个智能体构成多智能体系统，为了对其施加控制，选择通信拓扑图矩阵L如下：
Figure BDA0003921261410000145
步骤二：设置控制器参数。如图3所示，设置平均脉冲间隔Ta＝0.02，N0＝2，∈＝0.02，根据系统模型，可以得到系统相关参数α＝-40.0036，β＝0.01，γ＝0.01。定义一致性误差范数为
Figure BDA0003921261410000146
Figure BDA0003921261410000147
步骤三：根据情况1多智能体系统达到全局指数一致的充分条件，设置参数：ξ＝2，c1＝1.2，c2＝0.15，计算得到参数θ＝5.3462，
Figure BDA0003921261410000148
Figure BDA0003921261410000149
满足推导得出的多智能体一致性判据。
步骤四：搭建Simulink模型，得到仿真结果，如图4所示，针对情况1，当ξ＝2时，随着时间t增大，一致性误差收敛到0；如图5、6、7所示，随着时间t增大，各个智能体的同一状态和目标智能体的状态趋于一致，综上可知，各个智能体状态在满足所提出的条件下达到了全局指数一致。
步骤五：根据情况2多智能体系统达到全局指数一致的充分条件，设置参数：ξ＝0.5，c1＝-1，c2＝0.2，计算得到参数
Figure BDA0003921261410000151
Figure BDA0003921261410000152
满足推导得出的多智能体一致性判据。
步骤六：搭建Simulink模型，得到仿真结果。如图8所示，针对情况2，当ξ＝0.5时，随着时间t增大，一致性误差收敛到0，从图9、10、11可以看出，随着时间t增大，各个智能体的同一状态和目标智能体的状态趋于一致，综上可知，各个智能体状态在满足所提出的条件下达到了全局指数一致。
本实施例提供一种非线性多智能体系统控制方法，主要研究含混合时变时滞非线性多智能体系统的全局指数一致性问题，通过设计分布式脉冲控制器，使每个智能体的状态随时间与目标状态达到一致，采用矩阵测度方法、时滞脉冲系统的比较原理、参数变分法和Lyapunov稳定性定理，分别得到了两种不同功能脉冲信号情形下多智能体系统达到全局指数一致的充分条件和指数收敛速度，通过构造Lyapunov函数为误差范数的形式，在Lyapunov函数求导时可直接使用泰勒展开式，所得到的结论更加精确，此外，通过构造矩阵测度，大大简化了多智能体系统的一致性分析过程，基于系统时滞和分布式时滞，实现了非线性多智能体系统的一致性，提高系统识别精度。
请参考图12，图12为本发明实施例提供的一种非线性多智能体系统控制装置的结构框图；具体装置可以包括：
多智能体系统构建模块100，基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标；
误差多智能体构建模块200，利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型；
脉冲控制器构建模块300，基于所述误差多智能体系统模型，构建分布式脉冲控制器；
充分条件计算模块400，用于构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件；
状态调节模块500，基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致。
本实施例的一种非线性多智能体系统控制装置用于实现前述的一种非线性多智能体系统控制方法，因此一种非线性多智能体系统控制装置中的具体实施方式可见前文中的一种非线性多智能体系统控制方法的实施例部分，例如，多智能体系统构建模块100，误差多智能体构建模块200，脉冲控制器构建模块300，充分条件计算模块400，状态调节模块500，分别用于实现上述一种非线性多智能体系统控制方法中步骤S101，S102，S103，S104和S105，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明具体实施例还提供了一种非线性多智能体系统控制设备，包括：存储器，用于存储计算机程序；处理器，用于执行所述计算机程序时实现上述一种非线性多智能体系统控制的方法的步骤。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的一种非线性多智能体系统控制方法、装置、设备及应用进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (10)

1.一种非线性多智能体系统控制方法，其特征在于，包括：
基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标；
利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型；
基于所述误差多智能体系统模型，构建分布式脉冲控制器；
构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件；
基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致。
2.如权利要求1所述的非线性多智能体系统控制方法，其特征在于，所述多智能体系统模型表达公式为：
Figure FDA0003921261400000011
其中，
Figure FDA0003921261400000012
为系统矩阵，
Figure FDA0003921261400000013
Figure FDA0003921261400000014
为第i个智能体的状态变量，N为智能体的个数，
Figure FDA0003921261400000015
为n×n维欧几里得空间，
Figure FDA0003921261400000016
为n维欧几里得空间，fj(·):
Figure FDA0003921261400000017
Figure FDA0003921261400000018
为非线性的向量值函数，τ1(t)是系统时滞且满足0≤τ1(t)≤τ1，τ2(t)是分布式时滞且满足0≤τ2(t)≤τ2，τ1表示τ1(t)的最大值，τ2表示τ2(t)的最大值。
3.如权利要求2所述的非线性多智能体系统控制方法，其特征在于，所述确定其一致性目标包括：
将孤立智能体作为一致性目标，其动力学公式为：
Figure FDA0003921261400000019
其中，
Figure FDA00039212614000000110
为系统矩阵，
Figure FDA00039212614000000111
Figure FDA00039212614000000112
为孤立智能体的状态。
4.如权利要求3所述的非线性多智能体系统控制方法，其特征在于，所述利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型包括：
将所述多智能体系统模型的状态变量与所述孤立智能体状态作差，得所述误差多智能体系统模型，基于所述误差多智能体系统模型，获取其状态，其计算公式为：
ei(t)＝zi(t)-s(t)
Figure FDA0003921261400000021
其中，
Figure FDA0003921261400000022
为误差多智能体系统模型，
Figure FDA0003921261400000023
Figure FDA0003921261400000024
5.如权利要求1所述的非线性多智能体系统控制方法，其特征在于，所述分布式脉冲控制器的表达式为：
Figure FDA0003921261400000025
其中，ρ表示脉冲效应，c1表示反馈控制强度，c2表示分布式控制强度，Ni表示与第i个智能体相连的所有智能体的集合，δ(·)是Dirac脉冲函数，G＝(gj)N×N是分布式耦合控制矩阵，且满足
Figure FDA0003921261400000026
如果第i个智能体和第j个智能体相连，则gij＝gji(i≠j)，否则gij＝gji＝0,i,j＝1,2,…,N，定义度矩阵D＝{d1,d2,...,dN}，其中
Figure FDA0003921261400000027
定义通信拓扑图矩阵L＝D+G，脉冲序列ζ＝{t1,t2,…,tk}满足随着k从1到∞递增时t1<t2<…<tk。
6.如权利要求1所述的非线性多智能体系统控制方法，其特征在于，所述构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件包括：
将所述分布式脉冲控制器代入至所述误差多智能体系统模型中，得脉冲受控误差系统模型；
构造Lyapunov函数，其函数表达式为：
V(t)＝‖Qe(t)‖p
其中，
Figure FDA0003921261400000031
为正定矩阵，p为矩阵范数；
假设y(t)为脉冲受控误差系统模型的唯一解，对于任意的常数
Figure FDA0003921261400000034
Figure FDA0003921261400000035
根据Lyapunov函数在连续时间和脉冲时刻的导数构建脉冲受控误差系统模型的比较系统；
针对两种不同脉冲效应参数ξ，得多智能体系统模型全局一致的充分条件。
7.如权利要求6所述的非线性多智能体系统控制方法，其特征在于，所述针对两种不同脉冲效应参数ξ，得多智能体系统模型全局一致的充分条件包括：
当所述脉冲效应参数ξ>1，利用平均脉冲间隔概念，计算柯西矩阵，若假设成立且脉冲序列ζ＝{t1,t2,…,tk}满足平均脉冲间隔条件，且不等式
Figure FDA0003921261400000032
成立，则多智能体系统模型全局一致；
当所述脉冲效应参数0<ξ≤1，利用平均脉冲间隔概念，计算柯西矩阵，若假设成立且脉冲序列ζ＝{t1,t2,…,tk}满足平均脉冲间隔条件，且不等式
Figure FDA0003921261400000033
成立，则多智能体系统模型全局一致；
其中，θ为脉冲效应相关参数，N0为脉冲次数，τ2为τ2(t)的最大值，γ为系统参数相关参数。
8.一种非线性多智能体系统控制装置，其特征在于，包括：
多智能体系统构建模块，基于多智能体的状态信息构建多智能体系统模型，并确定其一致性目标；
误差多智能体构建模块，利用所述多智能体系统模型和所述一致性目标计算误差，构建误差多智能体系统模型；
脉冲控制器构建模块，基于所述误差多智能体系统模型，构建分布式脉冲控制器；
充分条件计算模块，用于构造Lyapunov函数，基于所述分布式脉冲控制器计算得所述多智能体系统模型全局一致的充分条件；
状态调节模块，基于所述充分条件，利用所述分布式脉冲控制器调节，使所述多智能体系统模型中所有智能体的状态一致。
9.一种非线性多智能体系统控制设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至7任一项所述一种多智能体系统控制方法的步骤。
10.一种如权利要求1-7任一项所述的非线性多智能体系统控制方法在信息技术领域的应用。
CN202211355986.5A 2022-11-01 2022-11-01 一种非线性多智能体系统控制方法、装置、设备及应用 Active CN115562037B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211355986.5A CN115562037B (zh) 2022-11-01 2022-11-01 一种非线性多智能体系统控制方法、装置、设备及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211355986.5A CN115562037B (zh) 2022-11-01 2022-11-01 一种非线性多智能体系统控制方法、装置、设备及应用

Publications (2)

Publication Number Publication Date
CN115562037A true CN115562037A (zh) 2023-01-03
CN115562037B CN115562037B (zh) 2023-04-25

Family

ID=84769059

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211355986.5A Active CN115562037B (zh) 2022-11-01 2022-11-01 一种非线性多智能体系统控制方法、装置、设备及应用

Country Status (1)

Country Link
CN (1) CN115562037B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993842A (zh) * 2023-03-23 2023-04-21 西北工业大学深圳研究院 一种用于群体智能系统的编队协同控制方法
CN117687345A (zh) * 2024-02-01 2024-03-12 北京中关村实验室 多智能体系统的控制方法及相关产品
CN117687345B (zh) * 2024-02-01 2024-05-14 北京中关村实验室 多智能体系统的控制方法及相关产品

Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06128917A (ja) * 1992-10-15 1994-05-10 Howa Mach Ltd 路面清掃車のホッパリフト装置
JPH06128919A (ja) * 1992-10-13 1994-05-10 Howa Mach Ltd 路面清掃車
JPH06128918A (ja) * 1992-10-13 1994-05-10 Howa Mach Ltd 路面清掃車の掃き上げブラシ支持装置
JPH07241268A (ja) * 1994-03-03 1995-09-19 Howa Mach Ltd 床面清掃車
EP0803223A2 (en) * 1996-04-25 1997-10-29 Aktiebolaget Electrolux Brush roll for a vacuum cleaner
JPH10314088A (ja) * 1997-05-15 1998-12-02 Fuji Heavy Ind Ltd 自走式清掃装置
DE10000407A1 (de) * 2000-01-03 2001-07-12 Volker Sommer Erweiterung des Haushaltsroboters zum automatischen Staubsaugen von Bodenflächen
US10983532B1 (en) * 2017-08-03 2021-04-20 University Of South Florida Distributed control of heterogeneous multi-agent systems
CN113093555A (zh) * 2021-04-14 2021-07-09 江南大学 一种多智能体全局一致性控制方法及系统
CN113110340A (zh) * 2021-04-21 2021-07-13 江南大学 非连续多智能体系统的分布式非平滑饱和一致性控制方法
CN113239513A (zh) * 2021-04-01 2021-08-10 中国电子科技集团公司信息科学研究院 多智能体的一致性分析方法、系统及应用
CN113325719A (zh) * 2021-06-16 2021-08-31 江南大学 时变时滞多智能体的分布式脉冲一致性控制方法及系统
CN113341729A (zh) * 2021-06-24 2021-09-03 湖北科技学院 一种多智能体系统固定时间一致性控制方法
CN113359463A (zh) * 2021-06-28 2021-09-07 大连理工大学 一种针对多智能体系统的领导跟随一致性问题的循环切换方案
CN113655763A (zh) * 2021-08-16 2021-11-16 江南大学 非连续自时延多智能体系统一致性与饱和分布式控制方法
CN114547980A (zh) * 2022-02-24 2022-05-27 重庆大学 具有时变状态约束的多智能体有限时间事件触发控制方法
CN114721269A (zh) * 2022-04-11 2022-07-08 江南大学 基于脉冲窗的受扰非线性多智能体准一致性方法及系统
CN114967460A (zh) * 2022-05-31 2022-08-30 江南大学 时滞非线性多智能体系统的分布式协同控制方法
CN114995498A (zh) * 2022-06-11 2022-09-02 南京辉强新能源科技有限公司 一种针对传输时滞的多智能体协同控制方法和装置

Patent Citations (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH06128919A (ja) * 1992-10-13 1994-05-10 Howa Mach Ltd 路面清掃車
JPH06128918A (ja) * 1992-10-13 1994-05-10 Howa Mach Ltd 路面清掃車の掃き上げブラシ支持装置
JPH06128917A (ja) * 1992-10-15 1994-05-10 Howa Mach Ltd 路面清掃車のホッパリフト装置
JPH07241268A (ja) * 1994-03-03 1995-09-19 Howa Mach Ltd 床面清掃車
EP0803223A2 (en) * 1996-04-25 1997-10-29 Aktiebolaget Electrolux Brush roll for a vacuum cleaner
JPH10314088A (ja) * 1997-05-15 1998-12-02 Fuji Heavy Ind Ltd 自走式清掃装置
DE10000407A1 (de) * 2000-01-03 2001-07-12 Volker Sommer Erweiterung des Haushaltsroboters zum automatischen Staubsaugen von Bodenflächen
US10983532B1 (en) * 2017-08-03 2021-04-20 University Of South Florida Distributed control of heterogeneous multi-agent systems
CN113239513A (zh) * 2021-04-01 2021-08-10 中国电子科技集团公司信息科学研究院 多智能体的一致性分析方法、系统及应用
CN113093555A (zh) * 2021-04-14 2021-07-09 江南大学 一种多智能体全局一致性控制方法及系统
CN113110340A (zh) * 2021-04-21 2021-07-13 江南大学 非连续多智能体系统的分布式非平滑饱和一致性控制方法
CN113325719A (zh) * 2021-06-16 2021-08-31 江南大学 时变时滞多智能体的分布式脉冲一致性控制方法及系统
CN113341729A (zh) * 2021-06-24 2021-09-03 湖北科技学院 一种多智能体系统固定时间一致性控制方法
CN113359463A (zh) * 2021-06-28 2021-09-07 大连理工大学 一种针对多智能体系统的领导跟随一致性问题的循环切换方案
CN113655763A (zh) * 2021-08-16 2021-11-16 江南大学 非连续自时延多智能体系统一致性与饱和分布式控制方法
CN114547980A (zh) * 2022-02-24 2022-05-27 重庆大学 具有时变状态约束的多智能体有限时间事件触发控制方法
CN114721269A (zh) * 2022-04-11 2022-07-08 江南大学 基于脉冲窗的受扰非线性多智能体准一致性方法及系统
CN114967460A (zh) * 2022-05-31 2022-08-30 江南大学 时滞非线性多智能体系统的分布式协同控制方法
CN114995498A (zh) * 2022-06-11 2022-09-02 南京辉强新能源科技有限公司 一种针对传输时滞的多智能体协同控制方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
柴洁;过榴晓;陈良康;陈晶;: "事件触发脉冲控制的多智能体系统分群一致性" *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115993842A (zh) * 2023-03-23 2023-04-21 西北工业大学深圳研究院 一种用于群体智能系统的编队协同控制方法
CN117687345A (zh) * 2024-02-01 2024-03-12 北京中关村实验室 多智能体系统的控制方法及相关产品
CN117687345B (zh) * 2024-02-01 2024-05-14 北京中关村实验室 多智能体系统的控制方法及相关产品

Also Published As

Publication number Publication date
CN115562037B (zh) 2023-04-25

Similar Documents

Publication Publication Date Title
CN114967460B (zh) 时滞非线性多智能体系统的分布式协同控制方法
CN111523648B (zh) 含有聚类拓扑耦合的神经网络脉冲同步方法及系统
Liu et al. Cooperative stabilization of a class of LTI plants with distributed observers
CN115562037A (zh) 一种非线性多智能体系统控制方法、装置、设备及应用
Chen et al. Observer-based event-triggered consensus of leader-following linear multi-agent systems with input saturation and switching topologies
CN111638648A (zh) 一种具有比例延迟复杂动态网络的分布式脉冲准同步方法
CN113792858A (zh) 耦合神经网络有界同步及其分布式控制方法
CN113934173A (zh) 基于脉冲控制的多智能体系统分组一致性控制方法
CN111694272B (zh) 基于模糊逻辑系统的非线性多智能体的自适应控制方法及装置
CN111397607B (zh) 一种采用并行融合机制的信息滤波方法
CN110794676A (zh) 基于Hammerstein-Wiener模型的CSTR过程非线性控制方法
Wu et al. Distributed filter design for cooperative ho-type estimation
CN115268275A (zh) 基于状态观测器的多智能体系统一致性跟踪方法及系统
CN113271222B (zh) 一种协议调度下多传感器信息融合的系统状态估计方法
Liu et al. Group consensus of mixed-order multi-agent systems with fixed and directed interactive topology
CN114721269A (zh) 基于脉冲窗的受扰非线性多智能体准一致性方法及系统
Song et al. Distributed heavy-ball Nash equilibrium seeking algorithm in aggregative games
CN116679753B (zh) 一种异构无人系统抗欺骗攻击的编队跟踪控制方法
Cao et al. Iterative learning control for impulsive multi-agent systems with varying trial lengths
CN113110321A (zh) 基于事件触发的网络化工业控制系统的分布式估计方法
CN112925197B (zh) 基于有限时间的多智能体系统二分一致跟踪方法
Wang et al. Robust H∞ consensus control of uncertain multi-agent systems with nonlinear dynamics and time-varying delays
CN112198800B (zh) 一种具有时变时延的多机器人系统一致性控制方法
Tian et al. Coordinated tracking for nonlinear multiagent systems under variable-time impulsive control
CN116560240B (zh) 计算机可读存储介质及二阶多智能体一致性控制系统

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