网络化多智能体系统的分布式模型预测控制研究
发布时间：2021-09-21 23:30
网络化多智能体系统是由多个可相互通信、相互合作的智能体组成的一类系统。它在智慧城市、智能交通、传感器网络等多种领域的研究中发挥着重要的作用。由于网络的存在,网络化多智能体系统中不可避免的会存在网络诱导时延、数据包丢失、通信信道拥堵等问题,而多智能体系统本身具有一定的复杂性,因此考虑采用分布式控制算法进行处理。模型预测控制算法因其具有良好的优化控制效果以及处理各类约束的能力而受到大家的广泛关注,但是它的迭代优化的特性也成为了它最大的短板,反复迭代会给计算机带来很大的计算负担。因此本文针对以上问题,基于事件触发机制、随机通信协议、事变终端成本函数研究网络化多智能体系统的模型预测控制问题。主要研究内容概述如下:首先,研究了具有丢包的非线性多智能体系统的事件触发主动模型预测控制。基于模型预测控制算法的递归可行性条件,设计了一种降低传感成本的事件触发机制,实现在一定的采样瞬间检测事件触发条件,并且所有智能体的预测时域都通过事件触发机制实现自主选择。通过选择最大预测时域得到非线性多智能体系统的共同预测时域,以保证所有智能体的同步更新。利用求解优化问题得到的可行序列补偿了丢失的数据包。最后,通过数值...
【文章来源】：燕山大学河北省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
区域t和定义2-1：如图2-1中所示，将外圈定义为一个正定不变集合2:iiP@x‖x‖，
第2章具有丢包的非线性多智能体系统的事件触发自主MPC-25-称正定矩阵*iQ和iP如下：*1.88421.48424.32950.3295,.1.48421.88420.32954.3295iiQP通过引理2-1可知，在非线性多智能体系统所受的扰动不超过扰动上界3max6.010时，是一个正定不变集合。再通过定理2-1可知，如果扰动的界限为5max8.718010%时，系统的的可行性能得到保证。因此，对于非线性多智能体系统(2-57)-(2-58)，得到了一个扰动的上界，如下所示。25{()|()8.718010}.iiiPttW令四个智能体的初始状态分别为12342.63.13.54(0),(0),(0),(0).0000xxxx从图2-2中可知，通过事件触发模型预测控制算法的控制作用，虽然前一步有较大的超调，但是最终实现了对具有四个智能体的系统一致性控制。同时图2-3中的四个智能体在相同的时刻进行更新，达到了个智能体同步到更新的目的，这种设计使得智能体之间的信号传输免于混乱。图2-2多智能体系统状态图
燕山大学工程硕士学位论文-26-图2-3多智能体系统预测时域图从图2-3中可以知道，整个多智能体系统的预测时域呈现出递减的形式，也就是在每个时刻多智能体系统都不在需要计算与上一时刻相同的预测时域了。当预测时域减小到一定的大小的时候就不会再减小，这也是与双模控制策略相吻合的现象，即当系统的状态进入终端域以后，控制器就进行了自动的切换，也就不需要再求解优化问题，因此预测时域不会再减校图2-4表示智能体1与其他三个智能体的通信情况。
【参考文献】：
期刊论文
[1]一类离散时延多智能体系统的安全一致性研究[J]. 高炎秋,纪良浩,高婷,于南翔. 控制与信息技术. 2020(02)
[2]基于多智能体系统的药品供给应急管理多元主体信息交互机制研究[J]. 仇佳欢,汤少梁. 中国药房. 2019(24)
[3]执行器饱和的多智能体一致性控制[J]. 郜晨,何潇. 航空学报. 2020(S1)
[4]基于深度学习的组合体航天器模型预测控制[J]. 康国华,金晨迪,郭玉洁,乔思元. 宇航学报. 2019(11)
[5]基于GEO SAR编队飞行的动目标检测[J]. 崔畅,胡程,董锡超. 太赫兹科学与电子信息学报. 2019(04)
[6]多能互补微网集群分布式优化调度[J]. 周晓倩,艾芊,林琳,袁帅. 电网技术. 2019(10)
[7]基于模型预测控制的协作焊接双机械臂轨迹跟踪算法[J]. 陈文皞,吴建民. 轻工机械. 2019(01)
[8]基于模型预测控制的磨削机器人末端力跟踪控制算法[J]. 刘哲,宋锐,邹涛. 山东大学学报(工学版). 2018(01)
[9]车联网环境下的车辆编队协作路径跟踪控制[J]. 俞志英,郭戈. 控制工程. 2015(05)
[10]多传感器网络中的分布式故障检测算法[J]. 徐向华,周彪,万健. 传感技术学报. 2010(04)
硕士论文
[1]基于模型预测控制的轨迹跟踪自动驾驶系统[D]. 高元龙.大连理工大学 2019
本文编号：3402705
【文章来源】：燕山大学河北省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
区域t和定义2-1：如图2-1中所示，将外圈定义为一个正定不变集合2:iiP@x‖x‖，
第2章具有丢包的非线性多智能体系统的事件触发自主MPC-25-称正定矩阵*iQ和iP如下：*1.88421.48424.32950.3295,.1.48421.88420.32954.3295iiQP通过引理2-1可知，在非线性多智能体系统所受的扰动不超过扰动上界3max6.010时，是一个正定不变集合。再通过定理2-1可知，如果扰动的界限为5max8.718010%时，系统的的可行性能得到保证。因此，对于非线性多智能体系统(2-57)-(2-58)，得到了一个扰动的上界，如下所示。25{()|()8.718010}.iiiPttW令四个智能体的初始状态分别为12342.63.13.54(0),(0),(0),(0).0000xxxx从图2-2中可知，通过事件触发模型预测控制算法的控制作用，虽然前一步有较大的超调，但是最终实现了对具有四个智能体的系统一致性控制。同时图2-3中的四个智能体在相同的时刻进行更新，达到了个智能体同步到更新的目的，这种设计使得智能体之间的信号传输免于混乱。图2-2多智能体系统状态图
燕山大学工程硕士学位论文-26-图2-3多智能体系统预测时域图从图2-3中可以知道，整个多智能体系统的预测时域呈现出递减的形式，也就是在每个时刻多智能体系统都不在需要计算与上一时刻相同的预测时域了。当预测时域减小到一定的大小的时候就不会再减小，这也是与双模控制策略相吻合的现象，即当系统的状态进入终端域以后，控制器就进行了自动的切换，也就不需要再求解优化问题，因此预测时域不会再减校图2-4表示智能体1与其他三个智能体的通信情况。
【参考文献】：
期刊论文
[1]一类离散时延多智能体系统的安全一致性研究[J]. 高炎秋,纪良浩,高婷,于南翔. 控制与信息技术. 2020(02)
[2]基于多智能体系统的药品供给应急管理多元主体信息交互机制研究[J]. 仇佳欢,汤少梁. 中国药房. 2019(24)
[3]执行器饱和的多智能体一致性控制[J]. 郜晨,何潇. 航空学报. 2020(S1)
[4]基于深度学习的组合体航天器模型预测控制[J]. 康国华,金晨迪,郭玉洁,乔思元. 宇航学报. 2019(11)
[5]基于GEO SAR编队飞行的动目标检测[J]. 崔畅,胡程,董锡超. 太赫兹科学与电子信息学报. 2019(04)
[6]多能互补微网集群分布式优化调度[J]. 周晓倩,艾芊,林琳,袁帅. 电网技术. 2019(10)
[7]基于模型预测控制的协作焊接双机械臂轨迹跟踪算法[J]. 陈文皞,吴建民. 轻工机械. 2019(01)
[8]基于模型预测控制的磨削机器人末端力跟踪控制算法[J]. 刘哲,宋锐,邹涛. 山东大学学报(工学版). 2018(01)
[9]车联网环境下的车辆编队协作路径跟踪控制[J]. 俞志英,郭戈. 控制工程. 2015(05)
[10]多传感器网络中的分布式故障检测算法[J]. 徐向华,周彪,万健. 传感技术学报. 2010(04)
硕士论文
[1]基于模型预测控制的轨迹跟踪自动驾驶系统[D]. 高元龙.大连理工大学 2019
本文编号：3402705
本文链接：https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3402705.html
