带有执行器故障的多智能体系统一致性问题研究

发布时间：2020-11-06 12:30

　　 多智能体系统由多个能够与环境交互且具有一定信息处理能力的智能体组成,通过将大而复杂的系统建设成小的、彼此互相通信和协调的、易于管理的系统,多智能体系统可以解决单个智能体以及单层系统难以解决的复杂问题,因而在众多领域中具有很广泛的应用,如望远镜阵列、无人机编队、卫星姿态协同等。多智能体系统一致性主要研究任务是在一定的网络拓扑和单智能体系统动力学条件下,设计控制算法使各个智能体的相关状态达到一致,如卫星编队中的姿态一致、无人机编队中的速度及方位一致等。在实际工程中随着多智能体系统规模的扩大,系统中出现故障的概率越来越大。多智能体系统中故障按发生位置可以分为网络拓扑故障、执行器故障、传感器故障及其它部件故障等,执行器发生故障会使实际输出与控制信号之间产生偏差,从而降低系统性能甚至使系统不稳定;另外与传感器、被控对象、网络通信故障等相比,执行器故障采用硬件冗余来提高可靠性的方案难度大成本高,所以合理设计容错控制器具有很高的实用价值。本论文主要研究了多智能体系统发生执行器故障情况下容错控制问题,所采用的技术路线包括自适应滑模控制、神经网络自适应控制、基于故障诊断的容错控制等。论文的主要研究内容包括以下几个方面:1.自适应滑模一致性容错控制。滑模控制理论上有很高的控制精度并且对系统未知时变参数和外界干扰等具有很强的鲁棒性,本文针对二阶非线性多智能体系统首先设计非连续滑模容错一致性算法,但经典滑模控制中当滑模变量到达滑模面后,由于未建模模块、时延等原因,控制器中的符号函数会使实际系统中执行器会产生振荡,从而对系统的正常运行产生不利影响,本文采用了一种连续化的方案对控制器中的符号函数进行了优化。另一方面,当系统非线性参数、干扰及执行器故障程度等未知时,滑模控制的控制增益不容易确定,本文引入了一个自适应算法从而使控制增益即使在系统参数及执行器故障程度未知情况下也可以自适应调整确定;2.神经网络自适应一致性容错控制。神经网络自适应控制对复杂系统动力学、强非线性具有很好的处理能力,本文针对一般非线性多智能体系统和非仿射型非线性多智能体系统分别设计了神经网络自适应容错一致性控制算法。本文对于一般非线性多智能体系统所设计的一致性容错算法包含了一个基于一致性误差的负反馈项和一个自适应神经网络项,其中自适应神经网络项可以补偿智能体系统中的未知非线性动力学;针对非仿射型非线性多智能体系统,所设计的自适应神经网络一致性算法的输入项既包含了系统状态信息也包含了一致性误差信息,所设计的神经网络权重更新律中负反馈项乘以一致性误差的绝对值,其有利于减小一致性最终误差,提高一致精度;3.基于故障诊断的多智能体容错控制。本文针对二阶多智能体系统的一致性问题和包含控制问题研究设计了一种带有故障诊断的容错控制方案,所设计的容错控制器包括一理想控制算法和一故障诊断模块。当系统无故障时,多智能体系统在理想控制算法作用下可以实现目标,当故障发生时,控制器根据故障诊断信息调整参数。研究表明,当故障诊断的误差不超过一定范围,所设计的一致性算法就可以使系统实现目标。
【学位单位】：中国科学技术大学
【学位级别】：博士
【学位年份】：2019
【中图分类】：TP18;TP273
【部分图文】：

其中：Ｃｉ，切，／（而，％，（）和分别为第ｉ个追随者的位置、速度、非线性??项和干扰，为第ｉ个智能体的执行器输出。??如图２．１所示，根据故障类型产生的不同位置，多智能体系统中故障可以分??为通信故障、被控对象故障、传感器故障和执行器故障［１４２］。相比传感器故障和??通信故障等，执行器故障在实际应用中较难用硬件冗余的方式保持故障发生时??的系统性能，因此研究执行器发生故障时的容错控制问题具有重要意义，在本文??中我们主要研宄多智能体系统中发生执行器故障时的容错控制问题。??多智能体系统中的领导者主要作用是为追随者提供运动轨迹的参考信号，作??为参考信号可以由一个系统模型或真实物理系统产生。不失一般性，我们假设领??导者的执行器不受故障影响。??１５??

＇本节中我们将考虑含有一个领导者和五个追随者的多智能体系统的仿真实??验来验证所设计的滑模追踪算法的有效性。系统通信拓扑结构如图２．２所示，其??２６??

图２．３无执行器故障时各智能体的位置轨迹：非连续滑模追踪算法（２．７），０二１．５??
【相似文献】

相关期刊论文 前9条

1 张青;弓志坤;杨正全;陈增强;;多智能体系统的自适应群集分布式优化（英文）[J];控制理论与应用;2019年04期

2 方建印;谢欣欣;;具有饱和输入和通信约束的多智能体系统的包含控制[J];河南工程学院学报(自然科学版);2016年04期

3 李健;沈艳军;刘允刚;;线性多智能体系统一致性的自适应动态规划求解方法[J];系统科学与数学;2016年07期

4 杨瑞;叶冬;;多智能体系统一致性研究[J];山东工业技术;2017年07期

5 张晓娇;崔宝同;齐斌;;二阶多智能体系统一致性的几个条件（英文）[J];控制工程;2017年04期

6 姜香菊;纪志坚;孙方刚;李自强;;二阶多智能体系统的能观性[J];工业控制计算机;2017年05期

7 朱美玲;赵蕊;徐勇;;速度不可测的异构多智能体系统一致性分析[J];计算机工程与科学;2017年09期

8 莫立坡;于永光;;多智能体系统的有限时间旋转环绕控制（英文）[J];自动化学报;2017年09期

9 闻国光;黄俊;于玉洁;;异质多智能体系统在固定拓扑下的分组一致性[J];北京交通大学学报;2016年03期

相关博士学位论文 前10条

1 陈家玉;网络化多智能体系统的有限比特量化一致性问题研究[D];中国科学技术大学;2019年

2 马麒超;复杂网络结构下高阶多智能体系统的分析与综合[D];中国科学技术大学;2019年

3 张高生;带有执行器故障的多智能体系统一致性问题研究[D];中国科学技术大学;2019年

4 万颖;时滞网络系统的动力学分析及采样控制[D];东南大学;2017年

5 张婷;几类多智能体系统量化学习一致性研究[D];西安电子科技大学;2017年

6 马婧瑛;多智能体系统的性能优化[D];西安电子科技大学;2017年

7 游秀;一类非匹配非线性多智能体系统的分布式一致性控制[D];燕山大学;2017年

8 戴江涛;半马尔科夫切换拓扑下的多智能体系统一致性[D];大连理工大学;2018年

9 王海洋;APTL模型检测方法及多智能体系统验证的研究[D];西安电子科技大学;2018年

10 徐晓乐;多智能体系统的一致性问题研究[D];浙江工业大学;2014年

相关硕士学位论文 前10条

1 李骁;多智能体系统的有限时间稳定性分析与控制[D];哈尔滨理工大学;2019年

2 李凯;离散多智能体系统编队控制[D];哈尔滨理工大学;2019年

3 吴彤;网络化环境下几类非线性随机多智能体系统的一致性控制[D];哈尔滨理工大学;2019年

4 匡艳;网络化混杂系统的随机扰动控制[D];重庆理工大学;2019年

5 王泽权;基于离散时间观测的随机混杂系统动力学分析与控制[D];重庆理工大学;2019年

6 洪章城;基于边动力学的网络一致性研究[D];厦门大学;2018年

7 李璐;异质多智能体系统的能控性研究[D];北方工业大学;2019年

8 谢警;多智能体系统的一致性及其在覆盖控制中的应用[D];厦门大学;2017年

9 刘慧;非线性多智能体系统的分布式平均跟踪[D];厦门大学;2018年

10 盛明伟;基于事件触发机制的二阶多智能体系统一致性控制研究[D];安徽大学;2019年

本文编号：2873140