[發明專利]一種基于非均勻量化的不確定多智能體系統一致性控制方法在審
| 申請號： | 202010016671.2 | 申請日： | 2020-01-08 |
| 公開（公告）號： | CN111142386A | 公開（公告）日： | 2020-05-12 |
| 發明（設計）人： | 秦貞華;何熊熊;李剛;伍益明 | 申請（專利權）人： | 浙江機電職業技術學院 |
| 主分類號： | G05B13/04 | 分類號： | G05B13/04 |
| 代理公司： | 杭州斯可睿專利事務所有限公司 33241 | 代理人： | 王利強 |
| 地址： | 310053 浙*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 均勻 量化 不確定 智能 體系 統一 控制 方法 | ||
1.一種基于非均勻量化的不確定多智能體系統一致性控制方法，其特征在于，所述方法包括以下步驟：
步驟1：建立具有未建模動態、動態擾動和磁滯型量化輸入的連續型非線性高階多智能體系統數學模型，第j個智能體的動力學方程為：
其中，z是未建模動態，Δj,i是動態擾動項，fj,i和gj,i是非線性不確定項，yj是輸出項，qj(uj)是量化器，取輸入信號uj的量化值，表達形式如式(2)；給定領導者參考信號為yr，為所有智能體系統的期望輸出；
步驟2：對未建模動態、動態擾動和輸入量化項分別進行一系列簡化處理，包括以下步驟：
21)利用輸入-狀態指數穩定條件，對未建模動態和動態擾動項進行處理，分離出未建模動態項和狀態項；
22)對步驟1給出的磁滯量化輸入模型，給出一種新的分解方法，分離出控制輸入項uj(t)，即其中gj(uj)為量化權重系數，為類似擾動項，滿足1-δj≤gj(uj)≤1+δj，
步驟3：根據步驟2給出的量化器分解形式對步驟1的多智能體模型設計自適應神經網絡一致性控制協議，包括以下步驟；
31)首先給出基于圖論的誤差動態面方程：
zj,i＝xj,i-αj,i-1 (4)
其中，aj,i和bj分別是由拓撲結構決定的鄰接矩陣和度矩陣的元素，αj,i-1是待設計虛擬控制信號；
32)利用backstepping設計方法并結合神經網絡逼近特性進行第1步虛擬控制器設計，首先對誤差信號zj,1求導，然后對遞推過程產生的一系列未知不確定項進行神經網絡逼近，并進行一系列不等式化簡，最后根據Lyapunov函數法得到虛擬控制器和參數估計表達式分別為：
其中，Sj,1(Xj,1)是神經網絡基函數向量，ρj,1、σj,1和τj,1分別是設計參數；
33)采用步驟32)的設計方法，不斷遞推，得到第i步的虛擬控制器和參數估計表達式：
其中，Sj,i(Xj,i)是神經網絡基函數向量，ρj,i、σj,i和τj,i分別是設計參數；
34)得出實際控制信號uj表達為
步驟4：針對步驟1建立的具有未建模動態、動態擾動以及輸入量化的非線性多智能體模型和步驟3設計的自適應神經網絡一致性控制協議，利用Lyapunov第二穩定性條件給出一致性收斂和穩定性條件；
步驟5：根據步驟4中給出的一致性收斂和穩定性條件，給出控制選取的規則；
步驟6：將步驟5設計的控制參數選取代入到步驟3的控制協議中，實現對具有未建模動態和動態擾動的多智能體系統的一致性量化控制。
2.如權利要求1所述的一種基于非均勻量化的不確定多智能體系統一致性控制方法，其特征在于，所述步驟5中，控制選取的規則如下：
51)選取決定量化器量化性能的參數為0＜δj＜1，0＜uj,min＜1；
52)對于給定的V(z)和q(yj,z,t)，選取決定未建模動態信號r的正參數c，d滿足
53)選取控制設計參數滿足：τj,1＞0，kj,i＞0，τj,i＞0，ρj,i＞0，σj,i＞0；
54)選取實際控制器參數為：kj,n＞0，τj,n＞0，ρj,n＞0，σj,n＞0。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于浙江機電職業技術學院，未經浙江機電職業技術學院許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/202010016671.2/1.html，轉載請聲明來源鉆瓜專利網。
