一种离散时间异构多智能体系统的分布式协同被动容错控制方法

本发明属于智能控制，具体涉及一种离散时间异构多智能体系统的分布式协同被动容错控制方法。

背景技术：

1、异构多智能体系统的协同控制旨在考虑智能体间存在动态差异的情况下，实现智能体的一致、编队等行为。异构多智能体的协同行为在实际中广泛存在，例如，移动机械手与固定机械手协同完成货物搬运任务，无人机与无人地面车辆协同完成多种军民场景，有人与无人机协同作战等。因此，研究异构多智能体的协同控制问题具有重要意义。

2、执行器故障在工业应用中广泛存在，并可能破坏系统的稳定性，造成严重的后果。因此，容错控制在维护系统性能方面起着重要的作用。现有的容错控制方法可分为两类：主动容错控制和被动容错控制。其中，主动容错控制依赖于对执行器故障的辨识或估计，然后对故障进行补偿，或者依赖于故障检测和隔离(fdi)机制对故障进行定位，然后相应地重新配置控制器。然而，额外的故障识别和fdi机制使整个系统更加复杂，并增加误报或漏检的可能性。与主动容错控制不同的是，通过模仿鲁棒控制方法，被动容错控制可以在不改变控制器的情况下处理故障引起的系统变化；因此，可以放宽对故障识别和fdi机制的要求。

3、然而，目前的多智能体容错控制方法大多基于故障检测机制，属于主动容错控制方法，因此，针对多智能体系统，需要设计一种结构上更加简单并且不需要故障检测机制的被动容错控制方法。本专利面向此背景，提出一种离散时间异构多智能体系统的分布式协同被动容错控制方法。

技术实现思路

1、为了弥补现有技术的不足，本发明旨在提供一种离散时间异构多智能体系统的分布式协同被动容错控制方法，通过引入切换函数机制和权重更新律，在存在未知非线性动态以及未知执行器故障的情况下，使得所有跟随者的输出跟踪上领导者的输出，以减少执行器故障造成的影响。

2、所述的一种离散时间异构多智能体系统的分布式协同被动容错控制方法，包括以下步骤：

3、s1.对离散时间多智能体系统进行建模；

4、s2.设计分布式估计器；

5、s3.定义一致误差；

6、s4.设计切换函数；

7、s5.设计分布式理想控制器；

8、s6.调参，确定最佳参数。

9、进一步地，所述步骤s1中建模的具体流程为：

10、s11.设计一个领导者智能体和n个跟随者智能体组成的离散时间多智能体系统，其中领导者智能体的标号是0，其模型信息如下：

11、

12、其中，k＝0,1,2,...是离散的采样时刻；x0(k)＝[x0,1(k),...,x0,q(k)]t∈rq、c0∈rq×q、y0(k)∈r分别是状态向量、系统矩阵以及输出；c0的特征值都位于单位圆内；

13、跟随者智能体的模型信息如下：

14、

15、其中，i是智能体的标号；是状态向量；ui(t)＝[ui,1(t),...,ui,m(t)]t∈rm是输入向量；fi,j(·)∈r是未知光滑函数；xi,1(k)是每个跟随者智能体的输出，每个跟随者智能体i可获得其状态向量智能体间的通讯拓扑是一个有向图，包含以领导者智能体为根节点的生成树；

16、s12.在系统运行过程中，领导者智能体不发生故障，跟随者智能体可能出现以下的执行器故障：

17、ui,p(k)＝ρi,p(k)si,p(k)vi,p(k)+δi,p(k)  (3)

18、其中，p＝1,...,m为执行器标号，vi,p(k)为第i个跟随者的第p个执行器，si,p(k)∈{0,1}为切换函数，ρi,p(k)∈[0,1]为未知执行器效率，δi,p(k)是未知有界的加性故障，为一个常数；

19、s13.对于每个跟随者智能体，最多同时有m-1个执行器出现完全失效故障，即ρi,p(k)＝0。

20、进一步地，所述步骤s2中引入分布式估计器如下：

21、

22、其中，ci(k)是第i个跟随者对c0的估计；c0(k)＝c0；是第i个跟随者对领导者状态x0的估计；μ1和μ2是两个参数；定义第i个跟随者对领导者输出的估计为即ai,j＞0表示智能体i能获得智能体j的信息，ai,j＝0表示智能体i不能获得智能体j的信息。

23、进一步地，所述步骤s3中，对于第i个跟随者，定义一致误差为：

24、

25、设计如下的切换性能指标：

26、

27、其中，βi和λi为两个正的常数，θi(0)＝0。

28、进一步地，所述步骤s4中切换函数si(k)及切换函数指标ηi(k)：

29、

30、其中，si(k)＝diag{si,1(k),...,si,m(k)}，是一个工作模式，l＝2m-1是工作模式的总数，是所有工作模式组成的集合，是向上取整函数，mod(·)是取余函数。

31、具体地，所述切换函数si(k)选择合适的执行器输入信号进入到系统中，发生故障后，如果选取到不合适的工作模式，系统的性能会变差，使得切换性能指标θ不断增大，切换函数指标η会增大至下一个整数，也就是系统会切换工作模式，当系统切换到合适工作模式时，系统输出将会朝着期望运动，这时切换性能指标θ不变或变化缓慢，系统保持在当前工作模式。

32、进一步地，所述步骤s5中设计分布式理想控制器的具体流程如下：

33、s51.引入前向n步预测法，将原本的离散时间系统等价地转化为如下形式：

34、

35、其中，fi(k)是关于的未知光滑非线性函数；

36、s52.前向n步的一致误差为：

37、

38、其中，vi,p(tk)＝vi,0(tk),p＝1,...,m；前向n步预测

39、s53.使用径向基神经网络，理想控制器可表示为：

40、

41、其中，

42、进一步地，所述步骤s6中采用权重更新律进行调参，使用权重向量的模来代替权重向量wi，这样实际控制器为：

43、

44、其中，是对的估计，其更新律为：

45、

46、其中，γi＞0和σi＞0是两个参数。

47、与现有技术相比，本发明有以下优点：本技术首先对离散时间多智能体系统进行建模，得到领导者-跟随者模式的多智能体系统；设计分布式估计器，使得每个跟随者智能体能够只利用自身信息和相邻节点的信息对领导者的状态信息进行估计，并且估计值能够随时间增加收敛于领导者的真实状态；在定义一致误差的基础上，引入切换函数机制，使得在发生执行器故障时，不需要故障检测和隔离机制，系统就能够自动选择合适的工作模式，降低故障造成的影响；之后，利用分布式估计器产生对领导者状态的前向n步预测值，据此设计分布式自适应容错控制律，避免了较为因果矛盾，同时也避免了进行较为繁琐的反步法推导过程；最后，在实施时，采用权重更新律对控制器中的参数进行调节，权重更新律更新的是权重向量的模值而不是权重向量本身，减少了更新参数的数量，所以能降低计算负担，提高计算速度，从而达到满意的控制效果。