约束条件下的多智能体协同控制方法研究
发布时间：2021-09-09 20:06
随着先进通信技术和智能计算技术的高速发展,以此技术为基础的多智能体系统分布式协同问题正逐渐成为跨越人工智能2.0的重要途径,为通讯网络、智能控制、仿生机器人等前沿领域带来了新的挑战和机遇。人工智能2.0指出,通过多智能体的协同控制,可以在系统层面上涌现出超越单体智能能力的群体协同智能。与此同时,在多智能体的控制过程中,往往受到测量、状态、机动等方面的约束,对控制算法的设计提出了更高的要求,如特定的集群任务中,移动机器人的速度和位置需要被控制在规定的约束范围内。以此为背景,约束条件下的多智能体控制概念应运而生,本文旨在围绕跟踪、编队和环航三个重要的协同任务,解决速度测量约束、系统输出约束和机动构型约束条件下的网络化智能体系统协同控制问题,具体来说:针对速度测量约束条件下的分布式跟踪控制问题,利用等价和分离原理,提出了可应用于网络化分布式控制的自适应高增益观测器。据此,在有向通讯网络下,分别基于状态和输出反馈,提出了完全分布式跟踪算法。其中,为了补偿系统模型的不确定性,控制器结合了自适应神经网络的逼近特性,并证明了所有状态误差的半全局一致最终有界性。针对系统输出约束条件下的分布式跟踪控制问...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：140 页
【学位级别】：博士
【部分图文】：
自然界中的生物群体行为Fig.1-1Biologicalgroupbehaviorinnature[3]
哈尔滨工业大学工学博士学位论文J3=130.40.40.4100.40.40.49kg·m2,J4=160.60.20.6140.40.20.412kg·m2图4-1网络拓扑Fig.4-1Networktopology表4-1仿真参数Table4-1Parametersforsimulation参数数值参数数值β1200kci[0.13,0.17,0.15]Tβ2200k1i[0.5,0.5,0.5]TK2i100I3Kpi[0.5,0.5,0.5]TKdi100I3˙σi(0)[0,0,0]Tˉλ1i5˙σ(1)00.011sin(0.09t+π2)l12˙σ(2)00.012sin(0.08t+π2)εi0.01˙σ(3)00.014sin(0.1t+π2)γi4σ0(0)[0,0,0]Tηr10σ1(0)[0.06,0.04,0.07]Tμrrandom[1,1]σ2(0)[0.07,0.03,0.09]TWi(0)0σ3(0)[0.06,0.04,0.02]Tχi5σ4(0)[0.05,0.02,0.01]T网络拓扑如图4-1所示。可以看出，跟随者1和跟随者2可以直接获取领航者0的状态。然而，跟随者3和跟随者4只能从其他跟随者间接获得领航者0的信息，这会增加他们跟踪动态领航者的难度。我们考虑三种不同的情况。首先，在状态反馈的条件下，我们评估具有姿态约束的分布式航天器系统的控制策略(4-21)。其次，在输出反馈的条件下，我们评估具有姿态约束的分布式航天器控制方案(4-60)。最后，我们用PD控制器τi=Kpiz1iKdi˙z1i作为对照实验，并对比仿真效果。仿真分析中所有控制参数见表4-1。-60-
【参考文献】：
期刊论文
[1]Distributed tracking for networked Euler-Lagrange systems without velocity measurements[J]. Qingkai Yang,Hao Fang,Yutian Mao,Jie Huang. Journal of Systems Engineering and Electronics. 2014(04)
[2]人工势场和虚拟领航者结合的多智能体编队[J]. 曲成刚,曹喜滨,张泽旭. 哈尔滨工业大学学报. 2014(05)
[3]具有多个通信时延的多智能体系统分布式H∞一致性控制[J]. 刘学良,胥布工. 控制与决策. 2012(04)
[4]多智能体系统在分布式采样控制下的动力学行为[J]. 余宏旺,郑毓蕃. 自动化学报. 2012(03)
[5]多智能体系统动态协调与分布式控制设计[J]. 洪奕光,翟超. 控制理论与应用. 2011(10)
[6]多智能体系统分布式控制的研究新进展[J]. 王晓丽,洪奕光. 复杂系统与复杂性科学. 2010(Z1)
[7]非平衡拓扑结构的多智能体网络系统一致性协议[J]. 谭拂晓,关新平,刘德荣. 控制理论与应用. 2009(10)
[8]群体系统蜂拥控制理论及应用研究进展[J]. 陈世明. 计算机应用研究. 2009(06)
[9]离散时间系统的多智能体的一致性[J]. 杨洪勇,张嗣瀛. 控制与决策. 2009(03)
[10]编队飞行卫星自主相对导航算法研究[J]. 吴云华,曹喜滨. 哈尔滨工业大学学报. 2007(03)
本文编号：3392705
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：140 页
【学位级别】：博士
【部分图文】：
自然界中的生物群体行为Fig.1-1Biologicalgroupbehaviorinnature[3]
哈尔滨工业大学工学博士学位论文J3=130.40.40.4100.40.40.49kg·m2,J4=160.60.20.6140.40.20.412kg·m2图4-1网络拓扑Fig.4-1Networktopology表4-1仿真参数Table4-1Parametersforsimulation参数数值参数数值β1200kci[0.13,0.17,0.15]Tβ2200k1i[0.5,0.5,0.5]TK2i100I3Kpi[0.5,0.5,0.5]TKdi100I3˙σi(0)[0,0,0]Tˉλ1i5˙σ(1)00.011sin(0.09t+π2)l12˙σ(2)00.012sin(0.08t+π2)εi0.01˙σ(3)00.014sin(0.1t+π2)γi4σ0(0)[0,0,0]Tηr10σ1(0)[0.06,0.04,0.07]Tμrrandom[1,1]σ2(0)[0.07,0.03,0.09]TWi(0)0σ3(0)[0.06,0.04,0.02]Tχi5σ4(0)[0.05,0.02,0.01]T网络拓扑如图4-1所示。可以看出，跟随者1和跟随者2可以直接获取领航者0的状态。然而，跟随者3和跟随者4只能从其他跟随者间接获得领航者0的信息，这会增加他们跟踪动态领航者的难度。我们考虑三种不同的情况。首先，在状态反馈的条件下，我们评估具有姿态约束的分布式航天器系统的控制策略(4-21)。其次，在输出反馈的条件下，我们评估具有姿态约束的分布式航天器控制方案(4-60)。最后，我们用PD控制器τi=Kpiz1iKdi˙z1i作为对照实验，并对比仿真效果。仿真分析中所有控制参数见表4-1。-60-
【参考文献】：
期刊论文
[1]Distributed tracking for networked Euler-Lagrange systems without velocity measurements[J]. Qingkai Yang,Hao Fang,Yutian Mao,Jie Huang. Journal of Systems Engineering and Electronics. 2014(04)
[2]人工势场和虚拟领航者结合的多智能体编队[J]. 曲成刚,曹喜滨,张泽旭. 哈尔滨工业大学学报. 2014(05)
[3]具有多个通信时延的多智能体系统分布式H∞一致性控制[J]. 刘学良,胥布工. 控制与决策. 2012(04)
[4]多智能体系统在分布式采样控制下的动力学行为[J]. 余宏旺,郑毓蕃. 自动化学报. 2012(03)
[5]多智能体系统动态协调与分布式控制设计[J]. 洪奕光,翟超. 控制理论与应用. 2011(10)
[6]多智能体系统分布式控制的研究新进展[J]. 王晓丽,洪奕光. 复杂系统与复杂性科学. 2010(Z1)
[7]非平衡拓扑结构的多智能体网络系统一致性协议[J]. 谭拂晓,关新平,刘德荣. 控制理论与应用. 2009(10)
[8]群体系统蜂拥控制理论及应用研究进展[J]. 陈世明. 计算机应用研究. 2009(06)
[9]离散时间系统的多智能体的一致性[J]. 杨洪勇,张嗣瀛. 控制与决策. 2009(03)
[10]编队飞行卫星自主相对导航算法研究[J]. 吴云华,曹喜滨. 哈尔滨工业大学学报. 2007(03)
本文编号：3392705
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3392705.html
