二阶非线性不确定参数多智能体系统及其控制方法

本发明涉及多智能体系统及其控制方法，具体涉及二阶非线性不确定参数多智能体系统及其控制方法。

背景技术：

1、随着通讯技术与控制理论的发展，多智能体控制算法与在二阶非线性不确定系统中的应用得到越来越多的关注。

2、多智能体控制算法在针对多智能体系统控制问题上具有高度的适应性。多智能体系统是未来人工智能的重要组成部分，同时在工业领域与军事领域中得到了广泛的应用。二阶系统是目前应用最广泛，实用价值最高的控制系统之一。二阶系统被广泛应用于工业机械、电子信息、航空航天、生物医药等重要领域，在控制工程中，二阶系统的典型应用极其普遍。目前的二阶系统的研究主要集中于仅考虑存在非线性或不确定参数的控制问题上，而针对同时考虑非线性与不确定参数的二阶系统控制方法，尤其是与多智能体系统控制方法相结合的研究与应用较少，考虑到在实际工程应用中广泛存在的非线性与不确定参数对二阶系统的影响以及多智能体系统蓬勃的发展趋势，提出一种适用于非线性不确定参数的多智能体系统的控制方法将具有广泛的应用价值与深远的研究前景。

技术实现思路

1、本发明的目的是解决现有二阶系统通常只考虑存在非线性或不确定参数的控制问题上，存在跟踪精度较低的技术问题，而提供二阶非线性不确定参数多智能体系统及其控制方法。

2、为实现上述目的，本发明所采用的技术方案为：

3、一种二阶非线性不确定参数多智能体系统，其特殊之处在于：

4、包括至少一个领导者0和至少两个用于跟踪领导者0运动轨迹的跟随者i；

5、领导者0与至少一个跟随者i单向通讯，至少两个跟随者i之间相互通讯；

6、领导者0为二阶动力学控制系统，跟随者i为二阶非线性不确定系统；

7、跟随者i包括参考模型、控制模块、神经网络状态观测器和系统动力学模型；

8、参考模型的输入端作为跟随者i的输入端，用于接收领导者0或其他跟随者i发送的信息，参考模型的输出端与控制模块的输入端单向通讯，控制模块的两个通讯端分别与神经网络状态观测器和系统动力学模型的通讯端双向通讯，系统动力学模型的输出端作为跟随者i的输出端，向其他跟随者i发送信息；

9、控制模块包括控制律，以及用于更新控制律状态的自适应与神经网络权重矩阵更新律。

10、进一步地，控制律为：

11、

12、式中：θi1、θi2、θi3、θi4、θi5、θi6、θi7和θi8均为自适应参数；x01为领导者0的系统状态；ei为参考模型误差；eif为神经网络状态观测器的估计误差；qi为协同误差；ei1为ei的第一个分量，表示跟随者i位置状态xi1与参考模型位置状态xim1的误差，ei2为ei的第二个分量，表示跟随者i速度状态xi2与参考模型速度状态xim2的误差，三者关系为ei＝ei1+αei2；eif1为eif的第一个分量，表示跟随者i位置状态xi1与神经网络状态观测器位置状态的误差，eif2为eif的第二个分量，表示跟随者i速度状态xi2与神经网络状态观测器速度状态的误差，三者关系为eif＝eif1+αeif2；eix为跟踪误差，eix1为eix的第一个分量，表示跟随者i位置状态xi1与领导者位置状态x01的误差，eix2为eix的第二个分量，表示跟随者i速度状态xi2与领导者速度状态x02的误差，三者关系为eix＝eix1+αeix2；α为加权系数；xi＝[xi1,xi2]t为跟随者i状态向量；h(x)为神经网络状态观测器中神经网络的激活函数，x为二阶非线性不确定多智能体系统的系统状态；为神经网络状态观测器中神经网络的权重矩阵；k为滑模项增益；sgn(·)为符号函数；si为滑模面，si＝ei+c1eif+c2eix，c1与c2为滑模面参数；

13、自适应与神经网络权重矩阵更新律为：

14、

15、式中：γ为自适应参数增益；dini为跟随者i的入度；a0i为领导者0的通信权重。

16、进一步地，跟随者i的状态空间表达如下：

17、

18、式中：xi1与xi2为跟随者i的系统状态；a1与a2为跟随者i的未知系统状态参数；b为跟随者i的未知控制增益参数；ui为跟随者i的输入信息，即领导者0或其他跟随者i发送的信息；fi(xi)为跟随者i的系统动力学模型中的非线性函数；di为跟随者i的外部扰动。

19、进一步地，参考模型的状态空间表达如下：

20、

21、式中：xim1与xim2为参考模型的系统状态；am1与am2为参考模型的系统状态参数；bm为参考模型的控制增益参数。

22、进一步地，神经网络状态观测器的状态空间表达如下：

23、

24、式中：与为神经网络状态观测器的系统状态；与为神经网络状态观测器系统状态参数中的已知部分；为控制增益参数中的已知部分。

25、进一步地，领导者0的数量为一个，跟随者i的数量为四个；

26、定义四个跟随者i分别为跟随者1、跟随者2、跟随者3和跟随者4；

27、领导者0的两个输出端分别与跟随者1和跟随者3的输入端单向通讯，跟随者1、跟随者3和跟随者4的通讯端分别与跟随者2的通讯端双向通讯。

28、进一步地，二阶动力学控制系统为单自由度机械臂。

29、同时，本发明还提供了前述二阶非线性不确定参数多智能体系统的控制方法，其特殊之处在于，包括以下步骤：

30、步骤1、领导者0发出信息；

31、步骤2、当与领导者0单向通讯的跟随者i接收到领导者0发送的信息后，该跟随者i先进行跟踪，再与其通讯的其他跟随者i交换信息，执行联合跟踪，获取跟踪目标轨迹；

32、步骤2.1、与领导者0单向通讯的跟随者i首先从领导者0处接收所需要的信息，该信息为领导者0的状态向量

33、步骤2.2、所述跟随者i得到状态向量后，将其传送到其参考模型处，参考模型根据其上一时刻tk-1的状态与状态向量计算出其tk时刻的状态向量xim，并发送给控制模块；

34、同时，所述跟随者i的神经网络状态观测器根据其上一时刻tk-1的状态、上一时刻tk-1的控制模块状态，计算出其tk时刻的状态向量并发送给控制模块；

35、同时，所述跟随者i的系统动力学模型根据其上一时刻tk-1的状态与上一时刻tk-1的控制模块状态，得到其tk时刻的状态向量xi，即跟随者i的状态向量，并发送给控制模块；

36、步骤2.3、控制模块根据在步骤2.2中得到的状态向量xim、和xi以及自身的自适应参数进行计算，得到其tk时刻的状态向量ui(tk)，并更新其状态；

37、步骤2.4、控制模块将状态向量ui(tk)发送给神经网络状态观测器与系统动力学模型，作为神经网络状态观测器与系统动力学模型中下一时刻的控制模块状态；

38、步骤2.5、与领导者0单向通讯的跟随者i将自身的状态向量xi发送给与其通讯的其他跟随者i；

39、步骤2.6、其他跟随者i按照步骤2.2至步骤2.5的方法将各自的状态向量xi发送给与其通讯的跟随者i，执行联合跟踪，优化跟踪目标轨迹；

40、步骤3、判断优化后的跟踪目标轨迹是否达到精度需求，若达到预设精度需求，则跟随者i按照优化后的跟踪目标轨迹执行动作；若未达到预设精度需求，则返回步骤2继续进行跟踪，直至达到预设精度需求。

41、本发明的有益效果是：

42、1、与现有的二阶非线性不确定系统采用的集中式控制方式不同，本发明将多智能体控制方法引入二阶非线性不确定系统，从而实现多智能体系统控制效果的进一步提升。

43、2、本发明采用的模型参考自适应滑模控制方法实现了二阶非线性不确定系统为多智能体系统的跟踪控制，采用的神经网络状态观测器实现了对非线性、不确定参数以及外部扰动的抑制，最终实现了二阶非线性不确定系统为多智能体系统的有界稳定跟踪，跟踪误差可以通过调节滑模面参数实现调节。