[發(fā)明專利]基于鄰居相關(guān)狀態(tài)的分布式多智能體實(shí)時(shí)故障檢測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201610224080.8
• 申請(qǐng)日: 2016-04-12
• 公開(kāi)（公告）號(hào): CN105763396B
• 公開(kāi)（公告）日: 2018-02-06
• 發(fā)明（設(shè)計(jì)）人: 方浩;李儼;陳杰
• 申請(qǐng)（專利權(quán)）人: 北京理工大學(xué)
• 主分類號(hào): H04L12/26
• 分類號(hào): H04L12/26;H04W24/04;H04L12/24
• 代理公司: 北京理工大學(xué)專利中心11120
• 代理人: 李愛(ài)英,仇蕾安

技術(shù)領(lǐng)域

本發(fā)明屬于多智能體控制技術(shù)領(lǐng)域，具體涉及一種基于鄰居相關(guān)狀態(tài)的分布式多智能體實(shí)時(shí)故障檢測(cè)方法。

背景技術(shù)

近年來(lái)，受生物學(xué)、人類社會(huì)學(xué)研究的啟發(fā)，面向多智能體系統(tǒng)的協(xié)調(diào)控制研究已在無(wú)線傳感器網(wǎng)絡(luò)、多機(jī)械臂協(xié)同裝配、無(wú)人機(jī)編隊(duì)、衛(wèi)星編隊(duì)、集群航天器深空探測(cè)等領(lǐng)域廣泛應(yīng)用，成為當(dāng)下控制領(lǐng)域的研究熱點(diǎn)之一。類似于魚群捕食、鳥群遷徙等生物與人類社會(huì)中的群體性優(yōu)勢(shì)，多個(gè)體之間的協(xié)調(diào)與合作將大大提高個(gè)體行為的智能化程度，更好地完成很多單個(gè)個(gè)體無(wú)法完成的工作，并具有效率高，可擴(kuò)展性強(qiáng)和內(nèi)在并行性等優(yōu)點(diǎn)。然而，由于多智能體系統(tǒng)的復(fù)雜性與分布式特性，系統(tǒng)中缺少一個(gè)中心節(jié)點(diǎn)來(lái)對(duì)系統(tǒng)的整體行為進(jìn)行統(tǒng)籌規(guī)劃，控制任務(wù)的完成依靠系統(tǒng)自身演化實(shí)現(xiàn)，這使得系統(tǒng)中一旦某個(gè)節(jié)點(diǎn)出現(xiàn)故障，其不良影響將通過(guò)通信拓?fù)渲鸩綌U(kuò)散至整個(gè)網(wǎng)絡(luò)，破壞系統(tǒng)的正常工作。因此，面向多智能體系統(tǒng)的故障診斷與可靠性研究成為當(dāng)前一個(gè)亟待解決的科研問(wèn)題，同時(shí)也具有很大的實(shí)際意義與應(yīng)用價(jià)值。

在故障診斷的研究中，基于觀測(cè)器的方法已取得了長(zhǎng)足的發(fā)展，如基于卡爾曼濾波器、龍伯格觀測(cè)器的故障診斷方法等。這類方法針對(duì)集中式控制系統(tǒng)，屬于基于模型的故障檢測(cè)方法，其核心思想是通過(guò)設(shè)計(jì)狀態(tài)觀測(cè)器估計(jì)系統(tǒng)的某一特征參數(shù)，同時(shí)借助參考輸入觀測(cè)誤差信號(hào)，并以此為依據(jù)診斷系統(tǒng)故障。當(dāng)前，針對(duì)多智能體系統(tǒng)的故障診斷研究，絕大部分已有成果都是對(duì)傳統(tǒng)基于 觀測(cè)器方法的改進(jìn)，使之適應(yīng)多智能體系統(tǒng)分布式的特點(diǎn)。

基于觀測(cè)器的多智能體故障診斷方法主要可分為以下幾類：

(1)基于未知輸入觀測(cè)器(Unknown Input Observer)的故障診斷方法

未知輸入觀測(cè)器是龍伯格觀測(cè)器的一種改進(jìn)形式，它可以在系統(tǒng)存在未知輸入的情況下估計(jì)出系統(tǒng)的預(yù)期狀態(tài)，并通過(guò)將實(shí)際狀態(tài)作為反饋引入觀測(cè)器中來(lái)得到未知輸入的具體形式。利用未知輸入觀測(cè)器可以在故障信號(hào)還未對(duì)輸出產(chǎn)生影響時(shí)將其觀測(cè)出來(lái)，且計(jì)算量相對(duì)較小，時(shí)效性好，因此得到了廣泛的研究和應(yīng)用。

(2)基于殘差生成器的故障診斷方法

基于觀測(cè)器的殘差生成器是一種比較常見(jiàn)的故障診斷方法，其在本質(zhì)上仍是狀態(tài)觀測(cè)器，但輸出并不是系統(tǒng)狀態(tài)的觀測(cè)值，而是觀測(cè)誤差。因此，借助殘差生成器可以方便地獲得系統(tǒng)中狀態(tài)的誤差信號(hào)，進(jìn)而檢測(cè)出故障發(fā)生的地點(diǎn)及其具體形式。由于殘差生成器與系統(tǒng)模型緊密相關(guān)，因此并沒(méi)有一個(gè)固定的形式，而是針對(duì)具體問(wèn)題靈活設(shè)計(jì)。

(3)基于滑模觀測(cè)器(Sliding Mode Observer)的故障診斷方法

滑模觀測(cè)器是一種非線性的變結(jié)構(gòu)觀測(cè)器，通過(guò)使用非線性高增益反饋迫使估計(jì)狀態(tài)逼近超平面，使估計(jì)輸出趨近于測(cè)量輸出。由于滑模觀測(cè)器對(duì)于系統(tǒng)中的建模誤差，噪聲干擾等不確定因素有很強(qiáng)的魯棒性，且利用滑模觀測(cè)器進(jìn)行故障診斷，不僅可以檢測(cè)、隔離任何類型的有界故障，還可以重構(gòu)故障信息，因而受到了廣泛的研究和關(guān)注。近年來(lái)，針對(duì)多智能體和網(wǎng)絡(luò)化控制系統(tǒng)的故障診斷問(wèn)題，基于滑模觀測(cè)器的故障診斷方法也產(chǎn)生了不少研究成果。

以上的觀測(cè)器均具有計(jì)算量大，實(shí)時(shí)性差，不易分布化實(shí)現(xiàn)等不足。 并不適合在大型網(wǎng)絡(luò)化控制系統(tǒng)中應(yīng)用。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明提供了一種基于鄰居相關(guān)狀態(tài)的分布式多智能體實(shí)時(shí)故障檢測(cè)方法，能夠借助輸出估計(jì)來(lái)預(yù)測(cè)節(jié)點(diǎn)運(yùn)動(dòng)狀態(tài)，只需求解線性方程組即可，計(jì)算量小，便于應(yīng)用；此外本發(fā)明可完成實(shí)時(shí)故障檢測(cè)，且本身就具有分布式的特性，非常適合在大型網(wǎng)絡(luò)化控制系統(tǒng)中應(yīng)用。

實(shí)現(xiàn)本發(fā)明的技術(shù)方案如下：

一種基于鄰居相關(guān)狀態(tài)的分布式多智能體實(shí)時(shí)故障檢測(cè)方法，包括以下步驟：

步驟一、針對(duì)多智能體系統(tǒng)建立基于鄰居相關(guān)狀態(tài)的多智能體系統(tǒng)數(shù)學(xué)模型；數(shù)學(xué)模型中的單個(gè)節(jié)點(diǎn)只能獲得鄰居節(jié)點(diǎn)的相關(guān)狀態(tài)信息，多智能體系統(tǒng)數(shù)學(xué)模型包括以下兩部分：多智能體系統(tǒng)拓?fù)淠Ｐ秃蛶в泄收系墓?jié)點(diǎn)動(dòng)力學(xué)模型；

步驟二、利用多智能體系統(tǒng)拓?fù)淠Ｐ痛_定每個(gè)節(jié)點(diǎn)的鄰居節(jié)點(diǎn)，進(jìn)而獲得鄰居節(jié)點(diǎn)的相關(guān)狀態(tài)信息，通過(guò)模型變換將帶有故障的節(jié)點(diǎn)動(dòng)力學(xué)模型轉(zhuǎn)換成基于相關(guān)狀態(tài)信息的故障檢測(cè)模型；

步驟三、利用所述故障檢測(cè)模型，每個(gè)節(jié)點(diǎn)求解自身鄰居節(jié)點(diǎn)的理論運(yùn)動(dòng)狀態(tài)，并將其與節(jié)點(diǎn)自身觀測(cè)器測(cè)得的鄰居實(shí)際運(yùn)動(dòng)狀態(tài)作差比較，從而獲得誤差信號(hào)；