基于Kalman滤波以及稀疏信号恢复的多智能体系统控制

发布时间：2018-01-30 21:38

  本文关键词： 分布式控制 网络系统 多智能体系统 Kalman滤波 信息融合 压缩感知 稀疏控制 分布式压缩感知　出处：《山东大学》2016年博士论文　论文类型：学位论文

【摘要】：本文的工作以Kalman滤波及稀疏信号恢复为基础,围绕网络系统的鲁棒趋同控制以及稀疏提升控制进行展开.Kalman滤波理论是解决带有噪声的线性动态系统的状态恢复问题的基本工具,本文基于Kalman滤波估计理论,对于单个智能体系统中存在零均值白噪声的多智能体网络系统,针对不同的多智能体网络系统模型设计相应的分布式控制协议,使得在这个协议下,多智能体系统的趋同误差是有界的.对于自然界中的大部分信号,在特定的基下具有稀疏结构.对于具有稀疏结构的信号恢复问题,经典的Kalman滤波估计理论不再适用,常用的方法是压缩感知理论,即稀疏信号恢复理论.本文基于稀疏信号的恢复,研究了一类定常离散线性系统的稀疏状态恢复问题；研究了网络系统中多个近似稀疏信号的联合恢复问题,分析了量测方程存在噪声情形下,联合恢复算法的稳定性问题；研究了多智能体网络系统的稀疏提升最优控制问题,结合多智能体网络控制系统的拓扑结构以及控制器的设计,给出了具有稀疏形式的控制增益矩阵的设计算法.主要学术贡献和创新点包括：第一,基于压缩感知理论,首次将稀疏信号的恢复算法应用于定常离散线性系统,解决了一类定常离散线性系统的稀疏初始状态的恢复问题；研究了网络系统中对多个近似稀疏信号进行联合恢复的问题,首次对量测过程带有噪声的情形下多信号联合恢复的稳定性进行了分析,为本文后续的多智能体网络系统的稀疏优化控制问题的研究奠定了基础.第二,基于Kalman滤波理论,针对既有系统噪声又有量测噪声的多智能体网络系统的鲁棒趋同控制问题进行了研究,针对不同的多智能体网络系统模型,首次通过Lyapunov方程的解刻画了趋同误差.第三,基于稀疏信号恢复理论,首次给出了多智能体网络系统的无穷时间优化问题的稀疏控制器的设计算法.具体的研究内容,研究结果按照章节顺序包括如下几个方面：1.研究了系统的状态恢复问题.针对带有系统噪声以及量测噪声的连续时间动态系统的状态恢复,回顾了连续时间线性系统的Kalman滤波理论,列出稳态的Kalman滤波估计方程,是本文解决带有系统噪声以及通讯噪声的网络系统的鲁棒趋同控制问题的理论基础；解决了一类初始状态具有稀疏特性的离散动态系统的状态恢复问题,刻画了一类观测矩阵满足约束等距条件的离散定常线性系统,证明了利用l1-范数最小化算法进行状态恢复的鲁棒性；研究了分布式压缩感知(Distributed compressed sensing)理论对网络系统中联合稀疏信号进行联合重构的稳定性问题,设联合稀疏信号模型中含有两个近似稀疏信号,且信号的量测过程中带有噪声,证明了利用分布式压缩感知思想对近似稀疏的联合稀疏信号的联合稀疏重构具有稳定性,刻画了重构信号的误差,并与单个信号的稀疏重构导致的误差进行了比较,证明了在一定条件下,利用分布式压缩感知思想对信号进行联合重构的误差小于单个信号重构的误差.2.基于Kalman滤波理论以及信息融合思想,研究了具有系统噪声和通信噪声的多智能体系统的鲁棒趋同问题.首先给出了单个智能体的状态估计,利用智能体及其邻居的状态估计,提出了分布式趋同协议.在这个趋同协议下,证明了具有系统噪声的多智能体的趋同误差是有界的,并且将这个趋同误差界通过一个Lyapunov方程的解刻画出来.3.研究了基于状态观测器的带有系统噪声和通信噪声的多智能体系统的分布式趋同问题.设智能体自身的完整状态不可获知,但是可以通过带有噪声的量测方程进行量测.每个智能体基于量测数据,利用Kalman滤波理论,得到自身状态的Kalman滤波估计.进一步的,每个智能体将得到的估计状态传输给邻居,设传输过程中具有通信噪声.智能体利用自身的Kalman滤波状态估计及其接收到的邻居传过来的状态估计信息,设计分布式趋同协议.证明基于这个分布式协议,智能体系统的趋同误差可以通过一个Lyapunov方程刻画出来.4.研究了基于邻居的估计状态以及自身的精确状态的多智能体系统的鲁棒趋同问题.智能体系统是连续线性时不变系统,通信图是无向图.设智能体可以获得自身的精确信息,同时可以通过通信网络,量测到邻居智能体的状态,设量测过程具有量测噪声.基于对邻居的带有噪声的量测信息,每个智能体利用Kalman滤波理论,对邻居智能体进行状态估计,进一步基于对邻居智能体的状态估计以及自身的精确状态信息,设计分布式趋同控制协议.在这个分布式协议下,多智能体系统的趋同误差是可以刻画的.5.研究了网络系统的稀疏反馈控制器的设计问题.在网络系统中,通讯的拓扑结构对节省智能体通信过程中能量的消耗,减少带宽受限对控制目标的影响具有举足轻重的作用.在无穷时间二次型最优控制问题的基础上,加入了稀疏提升补偿函数,进而给出了稀疏形式的控制增益矩阵的设计.对于现实的多智能体网络系统,我们希望通过减少网络连接数来实现减少网络通讯能量消耗等目的,而增加的稀疏提升补偿函数等价于减少网络通信的连接数,通过解决稀疏提升最优控制问题进一步实现网络通讯连接数的稀疏化,从而达到减少网络通讯能量消耗等目的.文中建立的组合优化的问题转化为一系列加权l1优化问题,最终转化为半定规划问题,从而实现对原问题的求解.
[Abstract]:On the basis of Kalman filter and sparse signal recovery , this paper studies the robust convergence control and sparse lift control of a kind of linear dynamic system with noise . In this paper , the problem of robust convergence of multi - agent systems with systematic noise and communication noise is studied by using Kalman filter theory .

【学位授予单位】：山东大学
【学位级别】：博士
【学位授予年份】：2016
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 何涛;白振兴;;多智能体系统设计的关键技术研究[J];现代电子技术;2006年14期

2 寇凤梅;崔剑波;张晶晶;;基于结构优化的节能型多智能体系统[J];甘肃科学学报;2008年04期

3 ;第5届全国多智能体系统与控制会议通知[J];智能系统学报;2009年02期

4 洪奕光;翟超;;多智能体系统动态协调与分布式控制设计[J];控制理论与应用;2011年10期

5 陈小平;徐红兵;李彤;;多智能体系统旋转一致控制[J];宇航学报;2011年12期

6 肖丽;包骏杰;;基于局部交互协议的二阶离散多智能体系统一致性[J];重庆教育学院学报;2012年03期

7 刘金琨,王树青;复杂实时动态环境下的多智能体系统[J];控制与决策;1998年S1期

8 杨飞飞;;二阶多智能体系统快速一致性分析[J];今日科苑;2011年03期

9 胡志刚,刘欧,钟掘;一个多智能体系统平台的构造[J];计算机工程;2000年11期

10 薛宏涛,沈林成,朱华勇,常文森;基于协进化的多智能体系统仿真框架及其面向对象设计与实现[J];机器人;2001年05期

相关会议论文 前10条

1 杨熙;王金枝;;多智能体系统一致性的鲁棒性分析[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

2 张亚;田玉平;;离散时间多智能体系统一致的权重条件[A];中国自动化学会控制理论专业委员会B卷[C];2011年

3 张文广;郭振凯;;一类高阶多智能体系统的一致控制研究[A];中国自动化学会控制理论专业委员会C卷[C];2011年

4 肖晴;许维胜;吴启迪;;多智能体系统用于企业集成[A];1998年中国控制会议论文集[C];1998年

5 杨熙;王金枝;;Leader-Follower结构下多智能体系统一致性的鲁棒性能分析[A];第二十九届中国控制会议论文集[C];2010年

6 刘华罡;方浩;毛昱天;曹虎;贾睿;;多智能体系统分布式群集运动与避障控制[A];第二十九届中国控制会议论文集[C];2010年

7 贺晨龙;黄丽湘;张继业;;多车辆编队协作控制[A];第十一届全国非线性振动学术会议暨第八届全国非线性动力学和运动稳定性学术会议论文集[C];2007年

8 薛栋;姚静;余有灵;胡俊杰;;具有切换拓扑和非线性环节的关联多智能体系统一致性分析[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

9 杨洪勇;路兰;李晓;;时延多智能体系统的群集运动[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

10 李韬;张纪峰;;一类多智能体系统的渐近最优分散控制[A];第25届中国控制会议论文集（上册）[C];2006年

相关博士学位论文 前10条

1 王振华;具有通信时滞的线性多智能体系统的趋同[D];山东大学;2015年

2 郑宝杰;多智能体系统若干包含控制问题研究[D];郑州大学;2015年

3 张方方;多智能体系统分布式优化控制[D];山东大学;2015年

4 龙晓军;多智能体系统的有限时间一致性跟踪[D];大连海事大学;2015年

5 杨新荣;广义多智能体系统的一致性问题研究[D];哈尔滨工业大学;2015年

6 夏红;多智能体系统群一致性与编队控制研究[D];电子科技大学;2014年

7 李金沙;多智能体系统一致性学习协议的设计与分析[D];西安电子科技大学;2015年

8 黄捷;高阶非线性多智能体系统一致性控制研究[D];北京理工大学;2015年

9 杨大鹏;多智能体系统的事件驱动一致性控制与多Lagrangian系统的分布式协同[D];北京理工大学;2015年

10 范铭灿;多智能体系统的一致性及编队控制研究[D];华中科技大学;2015年

相关硕士学位论文 前10条

1 孟亚伟;一类具有时滞和领导者的二阶多智能体系统的一致性[D];重庆师范大学;2013年

2 刘孝琪;多智能体系统一致性及其在蜂拥控制中的应用研究[D];电子科技大学;2013年

3 王琛阳;带领导者的多智能体系统一致性问题研究[D];河北大学;2015年

4 陈小龙;基于量化信息的多智能体系统状态估计[D];西南交通大学;2015年

5 王航飞;基于事件驱动的多智能体系统的环形编队控制研究[D];华北电力大学;2015年

6 陈文秀;离散时间广义多智能体系统的容许一致性[D];温州大学;2015年

7 张文涛;多智能体系统分布式协调控制的相关问题研究[D];浙江师范大学;2015年

8 曹伟俊;带有扰动的多智能体系统的一致性研究[D];北京化工大学;2015年

9 成照萌;多智能体系统的模型预测控制[D];华中科技大学;2015年

10 张贺;基于随机影响的多智能体系统的一致性与同步[D];重庆理工大学;2015年

，

本文编号：1477287